CN111626103A - 一种基于夜晚灯光遥感影像的城市化梯度度量方法 - Google Patents
一种基于夜晚灯光遥感影像的城市化梯度度量方法 Download PDFInfo
- Publication number
- CN111626103A CN111626103A CN202010287050.8A CN202010287050A CN111626103A CN 111626103 A CN111626103 A CN 111626103A CN 202010287050 A CN202010287050 A CN 202010287050A CN 111626103 A CN111626103 A CN 111626103A
- Authority
- CN
- China
- Prior art keywords
- urbanization
- average
- night light
- night
- index
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000691 measurement method Methods 0.000 title claims abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000000513 principal component analysis Methods 0.000 claims abstract description 11
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 238000000605 extraction Methods 0.000 claims abstract description 6
- DFPOZTRSOAQFIK-UHFFFAOYSA-N S,S-dimethyl-beta-propiothetin Chemical compound C[S+](C)CCC([O-])=O DFPOZTRSOAQFIK-UHFFFAOYSA-N 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000004931 aggregating effect Effects 0.000 claims 1
- 238000011160 research Methods 0.000 abstract description 10
- 238000011161 development Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于夜晚灯光遥感影像的城市化梯度度量方法，包括：将夜晚灯光遥感影像数据进行预处理，计算区域夜晚灯光强度平均值ANLV；将城市化水平相关的人口变量和物理变量按照区域单元进行统计；通过主成分分析对人口变量和物理变量进行主成分提取，计算区域平均城市化指数AIU；基于AIU与ANLV，构建回归方程；基于所述回归方程，通过所述夜晚灯光遥感影像数据反演出城市内部的城市化指数IU用于度量城市化梯度。该方法解决了城市化水平受研究环境、对象的干扰和统计数据更新不及时、统计单元不匹配的限制问题，使城市化水平在大尺度上也可以综合定量比较。
Description
技术领域
本发明涉及城市地理中遥感信息技术应用领域，特别涉及一种基于夜晚灯光遥感影像的城市化梯度度量方法。
背景技术
城市是一个相对于乡村而产生的概念，城市的发展伴随着城乡格局的改变。由于发展水平的不同，城市的发展在空间上会形成梯度结构，且不仅限于城市和乡村两级。由于城市的发展使人口和产业集聚，土地利用类型发生变化，原有生态系统中的生物有机体、景观格局、生态环境受到了剧烈的人为干扰，在城市化梯度上发生明显的分异，故而沿城市化梯度的生态环境的研究受到了广泛关注。
目前，城市化梯度的应用已经非常普遍，但对于城市化梯度、城乡梯度的定义并没有准确的概念，城市化梯度的划分主要有三类方法：一是根据社会经济指标(人口变量、行政区变迁历史等)进行划定；二是根据物理变量(距离市中心的距离、道路密度等)进行划定；三是根据景观格局指数进行划定，或是综合这几类指标进行城市化梯度划分。同时，城市化梯度的相关的研究大多以城市个案作为研究对象,不同城市间的城市化梯度特征可能因为表征变量选取的不同，城市环境有所差异，导致不同研究划分的城市化梯度难以进行横向比较,在大尺度上难以定量描述城市化梯度的格局分布。
发明内容
本发明的目的在于，重点解决城市化梯度的综合度量问题。提出了本发明的基于夜晚灯光遥感影像的城市化梯度度量方法，使城市化水平在大尺度上可以综合定量比较。
本发明实施例提供的一种基于夜晚灯光遥感影像的城市化梯度度量方法，包括以下步骤：
将夜晚灯光遥感影像数据进行预处理，计算区域夜晚灯光强度平均值ANLV；
将城市化水平相关的人口变量和物理变量按照区域单元进行统计；
通过主成分分析对人口变量和物理变量进行主成分提取，计算区域平均城市化指数AIU；
基于所述区域平均城市化指数AIU与所述城市的区域夜晚灯光强度平均值ANLV，构建回归方程；
基于所述回归方程，通过所述夜晚灯光遥感影像数据反演出城市内部的城市化指数IU用于度量城市化梯度。
在一个实施例中，将夜晚灯光遥感影像进行预处理，计算区域夜晚灯光强度平均值ANLV，包括：
根据不变目标区域法对DMSP/OLS夜晚灯光遥感影像进行饱和校正和连续性校正，在ArcGIS中利用区域行政边界进行区域夜晚灯光强度像元平均值统计，得到区域内的夜晚灯光强度平均值ANLV。
在一个实施例中，将城市化水平相关的人口变量和物理变量按照区域单元进行统计，包括：
基于统计资料将人均GDP、人口密度、人口城市化率、建成区面积占比及道路面积占比按照区域单元进行统计。
在一个实施例中，通过主成分分析对人口变量和物理变量进行主成分提取，计算区域平均城市化指数AIU，包括：
通过主成分分析对多指标的信息进行综合浓缩后的因子计算，将两个主成分对总方差的贡献率作为权重，得到综合得分，生成区域平均城市化指数AIU；
所述多指标的信息包括：人均GDP、人口密度、人口城市化率、建成区面积占比及道路面积占比。
在一个实施例中，基于所述区域平均城市化指数AIU与所述城市的区域夜晚灯光强度平均值ANLV，构建回归方程，包括：
通过散点图预判，AIU与夜晚灯光强度值ANLV呈现对数分布的趋势；
通过对夜晚灯光强度值数据进行对数变换后，以城市化指数IU为自变量，夜晚灯光强度NLV为因变量，建立二者的线性回归方程：Ln(NLV)＝1.119IU+1.578。
本发明实施例提供的上述技术方案的有益效果至少包括：
本发明实施例提供的基于夜晚灯光遥感影像的城市化梯度度量方法，包括：将夜晚灯光遥感影像数据进行预处理，计算区域夜晚灯光强度平均值ANLV；将城市化水平相关的人口变量和物理变量按照区域单元进行统计；通过主成分分析对人口变量和物理变量进行主成分提取，计算区域平均城市化指数AIU；基于所述区域平均城市化指数AIU与所述城市的区域夜晚灯光强度平均值ANLV，构建回归方程；基于所述回归方程，通过所述夜晚灯光遥感影像数据反演出城市内部的城市化指数IU用于度量城市化梯度。该方法解决了城市化水平受研究环境、对象的干扰和统计数据更新不及时、统计单元不匹配的限制问题，使城市化水平在大尺度上也可以综合定量比较。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例提供的基于夜晚灯光遥感影像的城市化梯度度量方法流程图；
图2为本发明实施例提供的基于夜晚灯光遥感影像的城市化梯度度量方法原理流程图；
图3为2010年中国地级市夜晚灯光强度平均值示意图；
图4为2010年中国城市化梯度格局示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
参照图1所示，本发明实施例提供的基于夜晚灯光遥感影像的城市化梯度度量方法，包括：步骤S10～S50；
S10、将夜晚灯光遥感影像数据进行预处理，计算区域夜晚灯光强度平均值ANLV；
S20、将城市化水平相关的人口变量和物理变量按照区域单元进行统计；
S30、通过主成分分析对人口变量和物理变量进行主成分提取，计算区域平均城市化指数AIU；
S40、基于所述区域平均城市化指数AIU与所述城市的区域夜晚灯光强度平均值ANLV，构建回归方程；
S50、基于所述回归方程，通过所述夜晚灯光遥感影像数据反演出城市内部的城市化指数IU用于度量城市化梯度。
本发明实施例中，根据城市化水平相关的人口变量和物理变量构建区域平均城市化指数AIU(Average Index ofUrbanization)，通过建立区域平均城市化指数AIU与区域夜晚灯光强度平均值ANLV(Average Night-lightValue)的定量关系后，基于夜晚灯光遥感影像数据反演出城市内部的城市化指数IU(IndexofUrbanization)。上述方法步骤的序号并不表示执行顺序，比如S10可以同S20或S30同时执行，也可以是在后执行；本公开实施例对执行顺序不作限定。
下面详细对上述各个步骤进行说明：参照图2所示，具体包括以下内容：
步骤S10中，根据不变目标区域法对DMSP/OLS夜晚灯光遥感影像进行饱和校正和连续性校正，完成影像校正；在ArcGIS中利用区域行政边界进行区域夜晚灯光强度像元平均值统计，得到区域内的夜晚灯光强度平均值ANLV。
其中，上述DMSP/OLS是指：美国国防气象卫星(DefenseMeteorologicalSat-elliteProgram,DMSP)搭载的业务型线扫描传感器(OperationalLinescanSystem,OLS)；DMSP/OLS传感器在夜间工作，能探测到城市灯光甚至小规模居民地、车流等发出的低强度灯光，并使之区别于黑暗的乡村背景。因此，DMSP/OLS夜间灯光影像可作为人类活动的表征，成为了人类活动监测研究的良好数据源。本实施例中，使用DMSP/OLS数据主要有以下两点优势：第一，DMSP/OLS不依赖于高空间分辨率，它的影像分辨率通常在1km左右，因而影像数据量非常小，甚至不到TM数据的1％，在对DMSP/OLS数据进行处理时更加简便；第二，DMSP/OLS夜间灯光影像能反映综合性信息，它涵盖了交通道路、居民地等与人口、城市等因子分布密切相关的信息。因此，在用DMSP/OLS灯光数据时无需再单独考虑这些因素。
步骤S20～S30中，基于统计资料将人口变量(人均GDP、人口密度、人口城市化率)、物理变量(建成区面积占比及道路面积占比按照区域单元)进行统计，通过主成分分析对多指标的信息进行综合浓缩后的因子进行计算。在计算主成分评价得分时，将两个主成分对总方差的贡献率作为权重，得到综合得分，即区域城市化指数AIU。
步骤S40～S50中，上述DMSP/OLS夜晚灯光遥感影像数据是1km×1km的网格数据，通过区域平均城市化指数AIU与该城市的平均夜晚灯光强度进行回归分析，建立二者之间的定量关系。基于回归方程，通过1km×1km的夜晚灯光栅格数据反演出城市内部的城市化指数IU，从而实现对城市化水平的精细刻画，可用于综合定量度量城市化梯度。
本发明实施例中，利用统计数据中与城市化水平相关的人口变量和物理变量构建了表征城市化水平的综合指标——区域平均城市化指数AIU，通过分析平均城市化指数AIU与夜晚灯光强度平均值ANLV的回归关系，基于夜晚灯光遥感影像数据实现了城市化指数的网格化，解决了城市化水平受研究环境、对象的干扰和统计数据更新不及时、统计单元不匹配的限制问题，实现了城市化水平在大尺度上也可以综合定量比较的效果。
本发明一种基于夜晚灯光遥感影像的城市化梯度度量方法，可以通过以下实施例进行说明：
A、选取中国为研究案例区域，获取区域内2010年DMSP/OLS夜晚灯光遥感影像及《中国城市统计年鉴数据》中地级市的人均GDP、人口密度、人口城市化率、建成区面积占比及道路面积占比数据。
B、基于ArcGIS软件(计算机制图应用软件)，以中国的行政边界作为区域夜晚灯光强度平均值ANLV的统计边界，利用Zonal Statistic工具(ArcGIS软件中的分区功能工具)对地级城市边界内的夜晚灯光遥感影像像元DN值进行平均值统计，得到2010年中国地级市夜晚灯光强度平均值，如图3所示。
C、利用《中国城市统计年鉴》中的统计资料将人均GDP、人口密度、人口城市化率、建成区面积占比及道路面积占比，以2010年地级市为统计单元进行整理，通过统计产品与服务解决方案(Statistical Product and Service Solutions，SPSS)软件，对数据进行主成分分析。提取主成分的结果如表1所示，通过特征根法提取特征根大于1的2个主成分，第一主成分对总体变量方差的解释为61.34％，第二主成分对总体变量方差的解释为21.18％，二者对总方差的解释累积达到82.52％。在计算主成分评价得分时，将两个主成分对总方差的贡献率作为权重，得到综合得分，并将评价分数作为表征每个地级市城市化水平的综合指标——区域城市化指数AIU。
从表2中可以看出，第一成分对原始变量的概括更为全面，但侧重于道路面积占比和建成区面积占比，第二成分主要概括了人口城市化率、人均GDP和人口密度的信息，故每个地级市的平均城市化指数AIU(Average Index of Urbanization)可以从人口变量和物理变量两个方面综合的反映每个地级市整体的城市化进程。
表1总方差解释
表2成分矩阵
D、夜晚灯光遥感影像数据是1km×1km的网格数据，通过分析地级市的夜晚灯光平均强度ANLV与AIU的回归关系，则可以通过回归方程计算出每个格网的城市化指数IU，从而实现对城市化水平的精细刻画。
通过散点图预判，AIU与夜晚灯光强度值ANLV呈现对数分布的趋势，通过对夜晚灯光强度值数据进行对数变换后，以城市化指数IU为自变量，夜晚灯光强度NLV为因变量，建立了二者的线性回归方程：Ln(NLV)＝1.119IU+1.578。
E、根据回归方程，基于ArcGIS中空间分析模块的栅格计算功能，可以通过2010年每个栅格的夜晚灯光强度值计算相应年份的城市化指数，由于部分栅格的灯光强度值为0，故在计算时将所有栅格的像元值加1带入回归方程。由于在通过主成分分析计算城市化指数时SPSS自动进行了ZScore的标准化处理，低于平均水平的个案值为负值，为了便于理解，在构建1km×1km全国城市化指数格网时，将IU值转换至0-100的范围内。城市化指数的差异表征了中国城市化的梯度格局，通过自然断点法，2010年的城市化指数划分为6个区间，形成2010年的城市化梯度格局，如图4所示。
F、使用夜晚灯光遥感影像和城市统计数据的城市化梯度度量方法，具有明显的优势：
(1)分析结果更加精细化，城市化梯度不受研究环境、对象的干扰和统计数据更新不及时、统计单元不匹配的限制。
(2)该方法计算得到的城市化水平可以在大尺度上定量比较不同城市的城市化梯度。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (5)
1.一种基于夜晚灯光遥感影像的城市化梯度度量方法，其特征在于，包括以下步骤：
将夜晚灯光遥感影像数据进行预处理，计算区域夜晚灯光强度平均值ANLV；
将城市化水平相关的人口变量和物理变量按照区域单元进行统计；
通过主成分分析对人口变量和物理变量进行主成分提取，计算区域平均城市化指数AIU；
基于所述区域平均城市化指数AIU与所述城市的区域夜晚灯光强度平均值ANLV，构建回归方程；
基于所述回归方程，通过所述夜晚灯光遥感影像数据反演出城市内部的城市化指数IU用于度量城市化梯度。
2.如权利要求1所述的方法，其特征在于，将夜晚灯光遥感影像进行预处理，计算区域夜晚灯光强度平均值ANLV，包括：
根据不变目标区域法对DMSP/OLS夜晚灯光遥感影像进行饱和校正和连续性校正，在ArcGIS中利用区域行政边界进行区域夜晚灯光强度像元平均值统计，得到区域内的夜晚灯光强度平均值ANLV。
3.如权利要求1所述的方法，其特征在于，将城市化水平相关的人口变量和物理变量按照区域单元进行统计，包括：
基于统计资料将人均GDP、人口密度、人口城市化率、建成区面积占比及道路面积占比按照区域单元进行统计。
4.如权利要求3所述的方法，其特征在于，通过主成分分析对人口变量和物理变量进行主成分提取，计算区域平均城市化指数AIU，包括：
通过主成分分析对多指标的信息进行综合浓缩后的因子计算，将两个主成分对总方差的贡献率作为权重，得到综合得分，生成区域平均城市化指数AIU；
所述多指标的信息包括：人均GDP、人口密度、人口城市化率、建成区面积占比及道路面积占比。
5.如权利要求1所述的方法，其特征在于，基于所述区域平均城市化指数AIU与所述城市的区域夜晚灯光强度平均值ANLV，构建回归方程，包括：
通过散点图预判，AIU与夜晚灯光强度值ANLV呈现对数分布的趋势；
通过对夜晚灯光强度值数据进行对数变换后，以城市化指数IU为自变量，夜晚灯光强度NLV为因变量，建立二者的线性回归方程：Ln(NLV)＝1.119IU+1.578。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010287050.8A CN111626103A (zh) | 2020-04-13 | 2020-04-13 | 一种基于夜晚灯光遥感影像的城市化梯度度量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010287050.8A CN111626103A (zh) | 2020-04-13 | 2020-04-13 | 一种基于夜晚灯光遥感影像的城市化梯度度量方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111626103A true CN111626103A (zh) | 2020-09-04 |
Family
ID=72259700
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010287050.8A Pending CN111626103A (zh) | 2020-04-13 | 2020-04-13 | 一种基于夜晚灯光遥感影像的城市化梯度度量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111626103A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112115844A (zh) * | 2020-09-15 | 2020-12-22 | 中国科学院城市环境研究所 | 基于多源遥感影像和路网数据的城市人口数据分析方法 |
| CN112651145A (zh) * | 2021-02-05 | 2021-04-13 | 河南省航空物探遥感中心 | 基于遥感数据反演的城市多样性指数分析与可视化建模 |
| CN113139455A (zh) * | 2021-04-20 | 2021-07-20 | 武汉理工大学 | 一种基于夜间灯光指数的城市化水平测度方法 |
-
2020
- 2020-04-13 CN CN202010287050.8A patent/CN111626103A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112115844A (zh) * | 2020-09-15 | 2020-12-22 | 中国科学院城市环境研究所 | 基于多源遥感影像和路网数据的城市人口数据分析方法 |
| CN112115844B (zh) * | 2020-09-15 | 2022-10-18 | 中国科学院城市环境研究所 | 基于多源遥感影像和路网数据的城市人口数据分析方法 |
| CN112651145A (zh) * | 2021-02-05 | 2021-04-13 | 河南省航空物探遥感中心 | 基于遥感数据反演的城市多样性指数分析与可视化建模 |
| CN113139455A (zh) * | 2021-04-20 | 2021-07-20 | 武汉理工大学 | 一种基于夜间灯光指数的城市化水平测度方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Ecosystem services supply and demand response to urbanization: A case study of the Pearl River Delta, China | |
| He et al. | The impact of urban growth patterns on urban vitality in newly built-up areas based on an association rules analysis using geographical ‘big data’ | |
| Wang et al. | Analyzing parcel-level relationships between Luojia 1-01 nighttime light intensity and artificial surface features across Shanghai, China: A comparison with NPP-VIIRS data | |
| Guo et al. | Quantifying and simulating landscape composition and pattern impacts on land surface temperature: A decadal study of the rapidly urbanizing city of Beijing, China | |
| Niu et al. | Measuring urban poverty using multi-source data and a random forest algorithm: A case study in Guangzhou | |
| CN111626103A (zh) | 一种基于夜晚灯光遥感影像的城市化梯度度量方法 | |
| Liu et al. | Road selection based on Voronoi diagrams and “strokes” in map generalization | |
| Lang et al. | Rediscovering Chinese cities through the lens of land-use patterns | |
| Zhang et al. | Robust geographical detector | |
| Ma et al. | Spatial scaling of urban impervious surfaces across evolving landscapes: From cities to urban regions | |
| Tian et al. | Suburban identification based on multi-source data and landscape analysis of its construction land: A case study of Jiangsu Province, China | |
| He et al. | Spatial stratified heterogeneity and driving mechanism of urban development level in China under different urban growth patterns with optimal parameter-based geographic detector model mining | |
| Deng et al. | Underlying the influencing factors behind the heterogeneous change of urban landscape patterns since 1990: A multiple dimension analysis | |
| CN115188434A (zh) | 一种流域尺度水体非点源污染分类分区识别方法 | |
| CN111984701A (zh) | 乡村聚落演化的预测方法、装置、设备及存储介质 | |
| CN110889196A (zh) | 水环境承载力评估方法、装置及存储介质 | |
| Guo et al. | Detecting spatiotemporal dynamic of regional electric consumption using NPP-VIIRS nighttime stable light data–A case study of Xi’an, China | |
| CN114398951A (zh) | 一种基于随机森林和众源地理信息的土地利用变化驱动因子挖掘方法 | |
| CN116310853A (zh) | 一种基于多源数据的中小城市边缘区提取方法 | |
| Zhang et al. | A geomorphological regionalization using the upscaled dem: The Beijing-Tianjin-Hebei Area, China case study | |
| Shan et al. | Identifying city shrinkage in population and city activity in the middle reaches of the Yangtze River, China | |
| Wang et al. | Scale consistency for investigating urbanization level, vegetation coverage, and their correlation | |
| Peng et al. | Identifying the driving forces of global ecosystem services balance, 2000–2020 | |
| Meng et al. | Characterizing the provision and inequality of primary school greenspaces in China’s major cities based on multi-sensor remote sensing | |
| Long et al. | Mapping parcel-level urban areas for a large geographical area |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200904 |
|
| RJ01 | Rejection of invention patent application after publication |