认识城市扩展过程的区位因素特征对旱区城市可持续发展具有重要意义。为此,以中国呼包鄂榆城市群为例,利用随机森林方法量化区位因素对城市扩展过程的影响。研究发现:随机森林方法能够有效地量化旱区城市扩展过程区位因素的基本特征,模型的AUC(area under curve)值达到0.97。同时,到城市中心距离对区域1980—2017年城市扩展过程影响最大,重要性达到42.62%。国道、高速公路和铁路等交通因素也有重要的影响,重要性均大于10%。此外,所有区位因素对区域城市扩展过程的影响均存在尺度效应,其中地形、气候和河流对城市扩展过程影响的尺度效应相对比较明显。地形、气候和河流对大城市影响的重要性分别为27.17%、20.23%和8.12%,分别是其对小城市影响的4.02倍、3.91倍和2.36倍。因此,建议在旱区城市建设中,应该高度重视地形、气候和河流等自然要素的约束作用,因地制宜地进行城市规划和建设。
以西宁市为例,基于宜出行和兴趣点(points of interest,POI)2类常用大数据以及最大似然、支持向量机和神经网络3种常用分类方法,开展了城市土地利用分类研究.通过对比不同数据与方法组合下的城市土地利用分类精度,确定了提取城市土地利...
详细信息
以西宁市为例,基于宜出行和兴趣点(points of interest,POI)2类常用大数据以及最大似然、支持向量机和神经网络3种常用分类方法,开展了城市土地利用分类研究.通过对比不同数据与方法组合下的城市土地利用分类精度,确定了提取城市土地利用信息的最优数据组合方式和分类方法.并基于分类结果对西宁市的城市土地利用格局进行了分析.结果显示,基于POI和宜出行数据的神经网络分类方法获取的研究区城市土地利用信息精度最高,总体精度为71.25%,Kappa系数为0.62.主要原因在于综合POI和宜出行可以更加充分地反映不同土地利用类型的特征,而神经网络可以有效综合多源大数据的信息.因此,基于多源大数据和神经网络为快速有效地获取城市土地利用信息提供了有效途径,具有较大的应用潜力.
暂无评论