国土空间规划是高质量发展的空间蓝图,地球信息科学技术改变了国土空间规划的方式,其强大的数据获取、分析、预测和管理能力为国土空间规划提供了数据、方法和平台支撑,提高了国土空间规划的科学性和可操作性。本文综合运用文献调研、归纳和对比分析等方法,试图在分析国土空间规划编制、实施和监管的全流程以及国土空间规划公众参与和智慧化转型需求的基础上,系统阐述地球信息科学技术在国土空间规划中的应用研究进展,主要集中在3个方面：① 地理空间数据、遥感数据和社会经济大数据为国土空间规划提供了数据基础;② GIS分析方法、地理模拟方法和人工智能方法为国土空间规划提供技术支撑;③ GIS平台、云计算和城市智能平台等技术方法推动了国土空间规划的智慧化转型。随着2021年我国国土空间规划体系的基本建立,未来应关注智慧化规划技术和方法在农业空间和生态空间的应用、构建智慧国土空间规划的技术体系,并进一步提升国土空间规划的智慧化水平。
在当前国土空间规划的背景下,自然资源部提出了基于等时圈的中心城区可达性评价方法。本文以南昌市为研究对象,利用静态交通数据和从开放地图平台获取的工作日15:00（平峰）、18:00（晚高峰）和周末的15:00、18:00的动态交通数据分别生成中心城区等时圈,随后使用混淆矩阵及Kappa系数对两种数据的结果进行一致性检验。研究发现：南昌市中心城区大部分区域都位于以八一广场或绿地中央广场为起点的60 min等时圈内,南昌市域大部分区域则位于120 min等时圈内;静态数据生成的等时圈与对应的工作日晚高峰的动态数据生成的等时圈相比仅具有一般一致性,但前者在中心城区尺度与工作日平峰的动态数据生成的等时圈达到了高度的一致性,更适合在中心城区层面评价工作日平峰的可达性;4个时段的动态数据的等时圈结果表明工作日15:00的中心城区可达性明显优于其他3个时段,但各个时段的等时圈覆盖面积占市域面积的比例随车程的增加都呈现出Logistic曲线特征,各曲线增长的关键时间节点能够为等时圈划分提供更有针对性的分级阈值。
信息化赋能已经成为新时期国土空间规划的热点,但通过大数据整合进行国土空间利用评价研究仍有待探索。本文旨在借助腾讯位置大数据开展城市居住用地效率评价实证研究,综合运用多源地理空间数据,以居民区为评价单元构建居住用地效率指标,揭示常州市新城区不同居民区用地效率差异。结果表明：① 居民区范围内小时粒度的人口规模呈周期波动,峰值一般出现在21:00,符合城市居民昼出夜归的作息规律,且不同容积率水平的居民楼人口集聚度和规模值也存在预期性的差异;② 29个居民区按建成年份划分为1980s、1990s、2000s、2010—2015年、2015年以后共5组,各组效率指标平均值分别为1.74、2.45、2.31、0.95和0.91人/百m2,2010年之前建成的居民区明显高于2010年之后新建的,2010年以后建成的居民区低于全市2.06人/百m2的平均水平（2018年标准）;③ 效率指标值低并非完全等同于集约用地水平低,常州市新城新区开发建设的成长周期、居民对提升人居环境品质的需求,都是导致不同居民区用地效率差异的原因。研究表明,位置大数据作为高精度的人口数据源,能够客观反映居民区人口聚集的时空间特征,基于位置大数据构建的城市居住用地效率指数能够为高质量国土空间利用分析提供新途径。在我国以人为本的城市化进程中,以位置大数据为代表的新型人口数据源将在国土空间规划中发挥愈加重要的作用。
全球气候变化背景下,降雨事件日益增多,严重影响城市交通和居民的日常出行。本文以上海市为例,基于分时降雨数据和地铁OD客流数据,运用Prophet时序模型拟合降雨事件下的客流常态值,从站点和OD二个维度定量评估降雨造成的地铁通勤客流变化时空格局。研究结果表明：① 通勤客流总体随小时雨量增大而下降,不同类型站点客流的降雨波动性呈现差异;降雨会造成进站客流的时间滞后性和堆积性,通勤出行需求越大的站点类型堆积效应越显著;由于出发时间弹性差异,不同时点客流的降雨敏感性也不同,7:00和17:00敏感性较高,8:00—9:00和18:00—19:00则相对刚性;② 降雨会造成行程时间≤15 min的短距离客流显著上升,总体增加7.3%,中长距离客流变化不明显,总体减少1.3%;在不同功能区之间,早高峰居住型→产业型的客流波动和时间堆积性最为显著,晚高峰商服型→居住型的返程客流波动性较低;早高峰降雨敏感性线路的起始站点多分布在大型居住区,晚高峰则位于大型产业园区和商业中心;晚高峰返程客流的波动性低于早高峰。尽管降雨事件对通勤客流总量影响不明显,但会造成局部空间区域和时点的客流激增。本文的研究方法与结果有助于量化降雨对地铁通勤客流的影响程度,并为空间化的交通运行保障提供决策依据。
新时期国土空间规划背景下,科学合理地划定城镇开发边界,建立健全的国土空间用途管制制度是有序引导国土空间各类开发保护行为的重要举措。本文以福州市为例,构建了一种全域多维度国土空间管控体系,将其管控约束条件嵌入未来土地利用格局模拟中。同时,顾及区域空间异质性和时空依赖性,设计了一种服务于城镇开发边界划定的集成地理分区策略、深度学习技术、FLUS模型功能模块的时空元胞自动机ST-CA（Spatio-Temporal Cellular Automata）模型。基于已有成果集成三区三线,开展“划管结合”思维下的空间管控应用研究。结果表明：① 顾及区域空间异质性和时空依赖性的ST-CA模型可以有效提高土地利用变化模拟精度（OA指标从95.95%提升至98.34%）,实现更为真实、准确的地理模拟过程;② 地理模拟过程中嵌入管控约束条件,可引导城镇、农业和生态3类空间合理布局且规模可控,基于模拟结果划定的城镇开发边界能有效避开规划保护用地;③ 未来模拟预测结果结合管控预警值可看出,福州市主城区及周边区县的城镇扩张形势比较严峻,未来亟需对福州市国土空间格局进行合理调控;④ 边界变化趋势特征表明划定结果与福州市的远景发展规划布局一致,符合区域发展诉求,国土空间格局呈现多轴化发展趋势。研究结果可为福州市国土空间开发保护行为提供科学谋划,为国土空间管控及优化提供实践参考依据。
针对国土综合整治时空格局优化的多目标量化问题,以空间脆弱性和时间迫切性为切入点,构建以目标功能为主线的乡村社会-生态系统脆弱性和迫切性评价指标体系,采用改进熵权DEA模型开展脆弱性效率评价和改进熵权多因素综合模型进行迫切性评价;在此基础上,采用层次目标分解法和主导问题归因法构建“业态兴旺、形态优化、生态宜居和综合复兴”4种国土综合整治多目标格局优化方案,采用改进熵权TOPSIS分析法开展多目标最优决策定量分析,以期从有限多目标系统优选和排序视角识别和划分国土综合整治多目标时空格局类型,实现对乡村国土综合整治多目标格局优化体系构建的目的。研究以上海市青浦区184个行政村为例进行实证,研究结果表明：改进熵权DEA模型能有效克服多行政村高度关联造成的结果偏大问题,提高了空间适宜性的应用精度;改进熵权TOPSIS模型能较为准确地划分国土综合整治的多目标格局优化方案,细化各最优方案间的异质性;2018年青浦区社会-生态系统脆弱性均值表现为社会子系统脆弱性（0.605）>经济子系统脆弱性（0.577）>生态子系统脆弱性（0.549）,社会子系统脆弱成为影响该区脆弱性的重要原因;行政村社会-生态系统脆弱性空间上呈现由中部向南北递增变化趋势;而村域国土综合整治迫切性空间团聚状分异显著,其值域范围为[0.435, 0.785],农业产业整治迫切性最大;针对脆弱性-迫切性多目标构建的4种多目标方案决策评价结果,将该区国土综合整治时空格局优化类型划分为16种。该研究结果丰富了乡村地理学理论,可为乡村区域治理、乡村振兴和区域可持续发展提供决策依据。
伴随着城镇化的快速推进,城乡建设用地资源日益紧张,但目前土地储备决策缺乏精准科学依据,无法有效地进行资源配置和宏观调控。针对此问题,本文深入剖析土地储备基本业务与决策环节,研究了一套面向土地储备的智能决策模型集,包括存量土地监测模型、收储成本预测模型、出让价格预测模型、储备平衡分析模型、相似地块分析模型、开发时序分析模型及病态地块识别模型,旨在将土地储备决策环节科学化、定量化和模型化,并重点为土地储备总量、效益、规模、结构、布局、时序的统筹安排提供建议。另外,该模型集具有体系化、高效灵活、智能化的特点,能够服务于储备业务全链条,满足即时决策应用需求和实现模型自主更新与进化,保证模型的时效性。最后,该模型集已经工程化应用于宁波市土地储备智能决策支持平台,实践验证了以上决策模型具有较高的准确度和实用性,表明模型集能够为土地储备的科学决策提供理论依据,有利于土地资源的集约利用和高效配置。
基于多时相影像的耕地提取和变化分析是有效管理和保护耕地资源的重要手段。然而就多时相耕地的分类提取而言,现有方法对于多时相影像中地物的时空特征表达和时空上下文关系建模存在着局限性,导致耕地的提取精度不佳;其次,对于耕地的变化分析,现有方法往往只关注基于行政单元的耕地面积统计变化,而对耕地变化在空间上的相关性分布特点考虑较少。因此,本文首先提出了一种时空上下文分类方法,综合表达和利用多时相影像中地物的光谱、纹理和空间等特征,建模时空维度上地物间在特征和语义上的上下文关系,来提高耕地覆盖分类的精度;其次,基于耕地覆盖的提取结果,在规则格网和行政区划单元上,采用GIS空间统计方法分析耕地变化的空间相关性特点;最后,以北京市顺义区为例,以2015—2019年的多时相Sentinel-2影像为数据源对本文方法进行验证。结果表明,与常见的2种多时相影像分类方法相比,本文方法在多时相耕地分类上精度最高,平均用户精度和制图精度分别达到91.21%和90.53%,所有类别的总体精度为90.79%。这表明本文方法能精确提取多时相耕地覆盖信息。通过对耕地变化的空间分布特点进行分析,发现2015—2019年顺义区耕地变化存在区域聚集现象,主要呈现为集中减少特点,其中赵全营镇、高丽营镇、木林镇和杨镇地区耕地的聚集性减少较为明显,说明这些地区的耕地侵占和减少问题比较严重。
针对现有的大量古建筑三维模型缺乏语义信息,不利于精细化和智能化管理等问题,对城市地理标记语言（City Geography Markup Language, CityGML）定义的建筑物模型进行了语义扩展,提出了一种从古建筑几何模型自动识别语义对象并转化为CityGML扩展模型的方法。首先,总结我国明清古建筑构件的共有特征,并使用CityGML的应用领域扩展机制增加斗拱、梁、柱、台基等古建筑通用对象的几何和语义表达。其次,利用古建筑Mesh模型各面片的法向量、坐标范围等特征和自定义规则提出了一套古建筑屋顶、墙面、立柱、门窗等语义对象自动识别方法。最后,依据CityGML扩展模型设计规范,从识别对象自动构建出几何语义一体化表达的古建筑三维模型。采用2个不同风格的古建筑模型进行语义对象提取和CityGML模型生成实验,使用本文提出的Mesh模型到CityGML LoD3扩展语义模型转换方法能够自动提取屋顶、墙面、台基等9类语义对象,每个Mesh模型能转换并生成400多个包含语义信息的平面多边形,95%以上的面片能正确识别。结果表明本文设计的CityGML扩展模型能够有效支持古建筑模型典型构件的显式语义表达,并且识别规则和转换方法能够支持Mesh模型大多数平面对象的提取,有利于CityGML模型的自动化生成和精细化管理。
在智能交通系统中,准确和高效的短时交通流量预测是交通诱导、管理和控制的前提。由于交通流量动态变化中表现出的时变性和非平稳性特征,其预测难度较大,是交通领域中亟待解决的难题。为提高短时交通流量的预测精度,本文设计与实现了基于自适应时序剖分与KNN（A-TS-KNN）的短时交通流量预测算法。① 基于动态时间规整（Dynamic Time Warping,DTW）动态剖分单日时序为不同的交通模式;② 在不同交通模式,采用互信息法求解每个预测时刻时间延迟的最大阈值,构造不同时间延迟的状态向量,生成交通流量历史数据库;③ 采用十次十折交叉验证的方法求解每个时刻不同时间延迟与不同K值的正交误差结果分布,提取误差最小的正交结果,得到自适应时间延迟与K值的参数组合;④ 采用K个最相似的近邻的距离倒数加权值作为预测结果。对比K近邻（K-nearest neighbors, KNN）、支持向量回归（Support vector regression,SVR）、长短期记忆神经网络（Long-short term memory neural network,LSTM）以及门控递归单元神经网络（Gate recurrent unit neural network,GRU）共4种主流预测模型,A-TS-KNN算法预测精度显著提升;将A-TS-KNN算法用于福州市城市路网中其他交叉路口的短时交通流量预测,结果表现出良好的泛化能力。
网络地图制图目前已成为网络地理信息科学发展的重要方向,专题地图的网络制作尤为重要。OGC提出的SLD/SE标准是目前网络地图制图的标准和规范,但其描绘的地图质量不高,并且在描绘专题地图方面存在很多缺陷。随着网络地图制图的发展,一些SLD/SE标准外的网络地图样式语言逐渐兴起。与SLD/SE标准相比,新兴地图样式语言在制作专题地图方面存在优势。本研究从现有新兴地图样式语言中选择Mapbox GL和CartoCSS地图样式语言与SLD/SE标准进行对比,并总结当前标准的在专题制图方面的缺陷。研究发现,SLD/SE标准当中缺少设置分类方法的功能,同时还缺少用于准确表达未分类比例符号图的功能。针对这些缺陷,本文提出Classify和ProportionalSymbol扩展方案,将扩展后的SLD/SE标准应用于荷兰上艾瑟尔省的点、面矢量数据与使用当前标准描绘的地图进行对比应用研究,证明了本文提出的扩展在描绘专题地图方面更具优势。同时采用北京地区的点、面矢量数据并验证了扩展的普适性。SLD/SE标准目前仍处于不断改进的阶段,在未来的标准更新中,本文提出的2种扩展方案能在很大程度上简化制图者使用SLD/SE标准制图的工作量,并能改进SLD/SE标准不能描绘未分类的比例符号图的缺陷。
单一基元分类方法难以全面描述复杂的点云场景,采用多基元进行分类成为一种趋势,提出了一种融合点、体素和对象特征的点云分类方法。主要包括4个方面：① 分别确定各层面分类基元,点基元方面采用最优邻域方法,体素基元方面基于八叉树方法进行体素划分,对象基元方面使用改进的多要素分割方法进行点云分割;② 提取各基元分类特征,首先提取点基元分类特征并进行局部线性约束编码(Locality-constrained Linear Coding, LLC),然后以此为基础提取体素基元和对象基元的潜在狄利克雷分布特征(Latent Dirichlet Allocation, LDA)和最大池化特征(Max Pooling, MP);③ 降低分类特征维度,利用随机森林变量重要性算法对分类特征进行筛选与降维;④ 进行点云分类,使用随机森林算法实现点云分类。采用3种不同类型的点云数据进行试验,结果表明融合3种基元特征的分类精度相比于点基元分类分别提升了1.43%、7.02%和2.48%,分类特征降维可以有效降低特征冗余度,分类器分类时间减少约70%;通过与其他算法的对比,新算法分类精度更优,且适用于多种场景点云数据的分类。
受云层、传感器误差等因素影响,中分辨率成像光谱仪（MODIS）获取的地表温度产品（LST）在时间和空间上存在大量缺失数据,严重影响了基于时间序列数据的分析与应用。本文引进一种基于离散余弦变换与惩罚最小二乘的多维数据快速平滑方法（DCT-PLS）,利用数据集自身的时间和空间信息填补缺值。本文在粤港澳大湾区开展实证研究,将DCT-PLS算法用于填补该地区2001年1月—2017年12月的月值MODIS LST数据缺值,并引入人工模拟缺值对算法进行误差分析与精度验证。算法误差分析结果表明,填补误差主要来源于三维算法对数据集中有偏LST时间信息的使用,并因此产生显著高估或低估的填补结果。基于此,本文提出了利用MODIS LST数据集自身时间序列信息自动计算获取有效辅助LST信息的优化策略,从而实现填补算法计算效率和精度的提升：平均计算时间从12.0 s提高至1.7 s,平均R从0.94提高至0.97,平均RMSE从1.94 K提高至0.74 K（相较于三维算法）。在大湾区的填补结果表明（日间结果：R=0.98、RMSE=0.79 K;夜间结果：R=0.99、RMSE=0.56 K）,优化后的DCT-PLS算法可以快速鲁棒地填补MODIS LST月值数据产品中的缺值,并且具有稳定性强、不依赖外部数据集的计算特性,能够适应长时间序列MODIS LST缺值填补。
雅鲁藏布江中部流域长期遭受土地沙化侵蚀,采取有效手段进行沙化土地信息快速识别,跟踪土地沙化现状和动态发展,是土地沙化防治的基本前提。遥感数据因其快速、大范围、高精度监测等特点已被广泛应用于土地沙化监测。为降低该区域沙化土地破碎化分布特征以及广泛分布的稀疏植被地表对沙化土地遥感识别带来的不确定性,本文利用Google Earth Engine平台获取2019年秋季雅鲁藏布江中部流域Landsat无云遥感影像,基于面向对象的分类思想,充分提取沙化土地的光谱、几何和地形特征,根据不同的分类器构建4种分类方案,包括单一分类器（支持向量机、决策树、最近邻）分类以及组合分类法分类,提取雅江中游河谷地区沙化土地信息并验证不同方案的提取精度。结果表明：① 利用面向对象组合分类模型提取的沙化土地信息效果最佳,总体精度高达91.38 %,Kappa系数为0.82;② 相较于采用单一分类器（支持向量机、最近邻和决策树分类）的面向对象分类方法,组合分类模型能更有效地识别破碎化的小面积沙化土地,降低沙化土地与稀疏植被地表的混淆情况,提高分类可靠性;③ 基于面向对象组合分类模型反演得到雅鲁藏布江中部流域2019年沙化土地分布信息,土地沙化面积达299.61 km2,总体上呈现沿河谷的带状不连续分布,且集中分布于河流北岸以及靠近河道的阳坡、低海拔地区。本研究可为土地沙化遥感监测提供新思路,其应用可服务于雅鲁藏布江中部流域土地沙化预防和治理工作。
高时空分辨率NDVI时序数据作为遥感应用中的重要数据源,对土地覆被动态变化监测具有重要意义,特别是在地表高程变化显著、气候条件复杂、景观异质性强烈的热带山区。虽然当前学者们提出了诸多时空数据融合模型,但针对这些模型在热带山区的NDVI数据融合精度及其影响因素分析尚不多见。对此,本文选取3类时空数据融合方法（权重函数法、概率统计法和多种混合法）中具有代表性的4个模型：STARFM（Spatial and Temporal Adaptive Reflectance Fusion Model）、RASTFM（Spatial and Temporal Adaptive Reflectance Fusion Model）、ESTARFM（Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model）、BSFM（Bayesian Spatiotemporal Fusion Model） （STARFM、ESTARFM为权重函数法;BSFM为概率统计法;RASTFM为多种混合法）,选择位于我国热带山区的纳板河流域作为研究区。对融合模型的数据源选择、研究区的地形及景观空间异质性、融合模型、以及薄云和雾霾等大气条件等影响因素进行分析,研究结果表明：① 数据融合精度随输入影像之间的时间间隔及其相对变化量增加而降低;融合中输入的高、低空间分辨率数据光谱匹配度越高,融合精度越高（OLI优于Sentinel-2; MODIS优于VIIRS）;经过BRDF校正的数据能够有效提高各模型的融合精度;② 地形及空间异质性对融合结果精度影响显著,融合精度与空间异质性呈负相关,本研究中融合精度随着坡度的增大而减小,但坡向对融合精度的影响较小;地形对RASTFM的影响较其他模型低;③ 融合模型中输入的高质量影像越多,模型的融合精度往往越高;④ 薄云和雾霾会对融合精度产生显著负面影响。本研究的结果对于改进热带山地地区的高时空数据融合模型,生产热带山区复杂地理环境的高精度高时空分辨率NDVI数据集具有重要的参考价值。
