确定性系数与地理探测器模型耦合的泥石流易发性评估方法研究∗——以安宁河流域为例

通过确定性系数与地理探测器模型耦合的方法研究耦合模型对泥石流灾害易发性评估的影响。基于遥感判识和野外考察确定安宁河流域内的 198 条泥石流沟作为评估样本,选取坡度、地面峰值加速度、地形起伏度、地层岩性、植被覆盖度、植被类型、地形湿度指数以及地貌演化指数作为评价因子,耦合确定性系数和地理探测器模型,分别计算各评价因子分级取值和因子权重,进行安宁河流域泥石流易发性等级分区。研究结果表明：(1)地理探测器方法定量分析安宁河流域内泥石流发育的主要贡献因子为地面峰值加速度、地形起伏度和坡度。(2)泥石流极高易发区和高易发区分别占流域总面积的 9.67% 和 12.02%,高易发区主要分布在安宁河流域两岸且呈条带状分布。 (3)利用 ROC 曲线对泥石流易发性评估精度进行验证,耦合模型的 AUC 值达到 0.824,相比单种模型 CF 模型的评估精度 0.786 提升了 4.8%,具有更高的准确率,评价效果更优。     

中国碳排放及影响因素的市域尺度分析

评估区域碳排放及其与社会经济状况的关系对于制定碳减排措施至关重要.以中国339个地级及以上城市(不含新疆部分城市和港澳台地区)为研究对象,探究了非化石能源占比、土地开发度、常住人口城镇化率、第二产业占比、人均GDP和人均建设用地面积对人均CO₂排放量的影响.通过构建模拟人均CO₂排放量的贝叶斯信念网络,识别各因素对人均CO₂排放量的全局影响;采用多尺度地理加权回归模型,分析各因素对人均CO₂排放量的局部影响.结果表明：(1)2020年,中国地级及以上城市人均CO₂排放量呈现出由南向北递增,东部沿海向内陆递减的格局.(2)从全局来看,人均CO₂排放量对各因素的敏感性从高到低依次为：人均建设用地面积>人均GDP>常住人口城镇化率>土地开发度>第二产业占比>非化石能源占比.(3)从局部来看,各因素与人均CO₂排放量的空间关系方向与全局关系一致,关系强度上存在空间异质性.(4)清洁能源、脱碳技术、土地节约集约利用...     

中国交通碳排放及影响因素时空异质性

选取30个省级行政单位作为空间单元,采用探索性空间数据分析（ESDA）方法对交通碳排放时空分布格局进行研究,同时考虑空间单元的差异性,构建地理加权回归（GWR）模型分析交通碳排放影响因素的时空异质性.研究发现：2000~2015年交通碳排放量呈现显著的空间聚类特征,聚类趋势逐年加强.双变量空间自相关指数为0.165~0.274,显著性水平介于0.016~0.045,表明交通碳排放同机动车保有量、GDP、货运周转量及客运周转量之间存在显著的空间正相关关系.GWR模型的R²在0.783~0.865之间,而OLS模型的R²在0.675~0.844之间,且GWR模型的AICc值均低于OLS模型的,说明GWR模型的拟合结果明显优于OLS模型,可以更好地解释交通碳排放的影响机制.GWR的回归结果表明碳排放的影响因素存在明显的时空异质性特征,其中GDP是主要的推动因素,部分地区回归系数高达0.91,2000年影响程度由东向西递减,而2005、2010和2015年由北向南递减.客运周转量起到关键的抑制作用,影响程度由东北向西南递减.因此建议应当充分考虑碳排放影响因素的时空异质性特征,制定差异化的碳减排政策.     

特殊区域地表水环境背景值表征技术方法研究与应用

选取黑龙江省源头水保护区作为研究对象,根据DEM数据对保护区内随机布设的水质监测点控制单元进行划分并提取单元内的相关指标建立监测点背景特性量化模型,基于量化结果提出地表水环境背景值监测方案,建立背景值数据库.选取研究区自然属性指标与空间属性指标,以空间叠置技术与聚类分析方法对研究区地表水进行背景值分区,最终将黑龙江省分为六大地表水水质背景值地理分区,并计算了各分区地表水环境背景值表征范围.表征范围显示：依据现行标准进行水质评价,保护区内水质背景值已超出Ⅱ类水质标准限值.因此,基于水质背景值研究成果提出了考虑背景值影响下的水环境质量评价方法,并将方法应用于研究区,结果表明方法切实可行且优于单因子评价法.研究成果可为区域制定背景值影响下的水环境评价方法提供科学的数据支撑与理论依据.     

基于地理探测器的中国国家级开发区时空演化过程及其驱动力研究

各种类型的开发区是我国改革开放的“试验田”和经济快速发展的重要空间载体,其空间分布格局一直是国内外关注的热点问题,但对其中长时间尺度的空间演化过程研究相对较少,而后者是理解中国经济空间演化的重要基础。运用最邻近指数、核密度指数和地理探测器等方法,总结了中国国家级开发区空间演化的过程及其驱动力因子。研究的主要结论是：各类国家级开发区的时空演化经历了三个阶段,即起步试点阶段、稳步推进阶段和快速推广阶段;政策上实现了从试点探索到面上推广;空间上呈现出从东部沿海向沿江、沿边以及内陆不断拓展,从东部向中西部推进,从省会城市向地级市递进的特征;开发区的时空演化格局是距离、城市等级、经济实力、开放程度等因素综合作用的结果,其中城市等级、开放程度和经济发展水平是核心影响因子,距离和经济密度是次级影响因子;不同类型的开发区核心驱动因子既存在共同性,同时因为定位、功能不同也具有差异性。     

基于地理标记照片的入境游客空间特征与移动轨迹——以南京市为例

随着互联网与社交媒体的兴起,用户分享内容中的地理标记数据成为旅游流研究的重要对象。以南京入境旅游流空间特征为研究对象,以2010—2018年Flickr平台内南京地理标记照片为基础,利用DBSCAN算法、ArcGIS 10.2等方法与技术探究南京入境旅游热点区域、游客移动轨迹特征及模式。研究结果显示：（1）南京入境游客访问峰值出现在3-6月及10月,以一日游为主。（2）南京AOI空间分布差异明显,历史城区是南京入境旅游最热门区域,其AOI分布与旅游景区、商业购物等相关产业空间高度重合;中心城区的AOI分布数量次之,钟山风景区是其热度核心,深受热衷历史文化的游客追捧;郊区的AOI分布数量最少,基本与当地旅游景区相吻合。（3）单日游和多日游的游客移动轨迹网具有显著差异性,分别体现在网络范围、网络体系、旅游对流及转移差值4个方面。（4）南京入境游客移动轨迹模式可划分为区域内部移动轨迹模式和区域间移动轨迹模式。根据上述研究结果,分别针对历史城区、中心城区及郊区提出相应的发展建议。     

黄河流域地级城市土地集约利用效率与生态福利绩效的耦合性分析

通过构建包含时间趋势变量的超越对数生产函数形式的随机前沿分析模型,对黄河流域2008—2017年57个城市的土地集约利用效率与生态福利绩效进行了测度,借助偏离系数的耦合度模型、马尔科夫链以及地理探测器等方法从市域和省域层面探究了两者耦合度的动态演进规律,并阐明了耦合机理与驱动机制。研究发现：（1）各城市的土地集约利用效率稳中有进,而生态福利绩效却呈波动下降的态势,两者的耦合度经历了“先降后升”的阶段性演变过程。（2）大部分省份耦合度的变异系数表现出扩大的倾向,尚有近1/5的城市属于低发展度低协调度的耦合类型;耦合度在空间上呈现出“东北—西南”走向的分异格局,重心整体向西南方向移动,其类型演变以大概率保持原有类型和向相邻的类型转化为主。（3）在驱动因子探测中,经济发展解释力>自然条件解释力>社会文明解释力;因子交互作用以双因子增强效应为主,非线性增强效应为辅,且社会因子是最主要的交互对象。     

加氢站火灾风险分析及火焰探测覆盖率优化

针对加氢站紫外火焰探测器覆盖率不足、布置位置与角度不合理等问题,采用空间法对其探测覆盖率进行定量分析与优化.空间法主要包括3个步骤:一是火灾易发目标区域辨识与风险层划分;二是火焰探测器布点与几何覆盖率求解;三是探测器布局优化与角度调整.结合国内典型加氢站氢气泄漏火灾易发目标区域数据库,对现有紫外火焰探测器空间覆盖率定量计算,对探测器布点位置与探测角度进行优化,各目标位置的火焰覆盖率均可达到80％以上.     

基于MGWR模型的中国城市PM2.5影响因素空间异质性

基于全国297个地级市2018年PM_2.5浓度数据、自然与社会经济数据,采用多尺度地理加权回归（MGWR）模型分析了各影响因素对PM_2.5浓度的作用尺度与影响效果的空间异质性.结果表明,MGWR模型适用于中国地级市PM_2.5浓度影响因素研究.在作用尺度上,人均GDP、技术支持水平作用尺度最大,其次是相对湿度、居民地比重、人口密度与风速,降水量、第二产业比重、植被覆盖状况、温度与能源消费强度作用尺度最为局限.在影响效果上,相对湿度、人口密度与居民地比重全部为正向作用;第二产业比重和能源消费强度主要为正向作用,分别占总样本的70.71%与64.98%;风速、温度既存在正向作用也存在负向作用,空间上呈两极分化,其中正向作用分别占总样本的49.83%与57.91%;降水量、植被覆盖状况主要为负向作用,分别占总样本的91.58%与69.70%;人均GDP、技术支持水平全部为负向作用.研究结果表明各因素对于中国城市PM_2.5浓度的影响均存在着不同程度的空间异质性.     

基于地理探测器的山东省土地城镇化时空演变及驱动因素北大核心

基于遥感监测、社会统计等多源数据,运用空间自相关分析和地理探测器模型分析2000—2020年山东省土地城镇化时空格局演变及驱动因素。结果表明:(1)2000—2020年,山东省土地城镇化水平整体不断提高,高水平区集中分布于各地市的市区,较低及以下水平县区趋于沂蒙山区、半岛丘陵地区和黄河三角洲沿海地区集中分布。(2)2000—2020年,山东省土地城镇化具有明显的空间关联性,空间集聚特征显著,高值集聚区不断扩展,低值集聚区持续收缩。(3)山东土地城镇化水平受地理区位、人口规模、经济发展水平、政府调控能力、工业发展水平、开放水平等因素的共同影响,驱动因子协同效应呈现双因子增强和非线性增强效应。