新型冠状病毒肺炎期间公众情感的时空演化分析

新型冠状病毒肺炎(corona virus disease 2019,COVID-19)严重影响了人们日常的工作和生活,引起了社会媒体的高度关注。基于此,本文选取青岛市为研究区域,运用Pearson相关性分析、核密度分析、百度人工智能(artificial intelligence,AI)情感分析及词频-逆文档频率算法(term frequency-inverse document frequency,TF-IDF)关键词抽取技术等方法,提出了一种基于病例位置及公众情感分布的时空演化挖掘框架。实验表明:该框架可基于病例位置和社交媒体数据,确定疫情严重区域的公众情感信息,并分析不同阶段公众关注的热点话题变化。本研究可为政府更好地了解疫情期间公众情感和热点话题并制定有针对性的防控措施提供参考。

2020年三亚市生态环境敏感性评价数据集

生态敏感性是生态环境对区域内自然和人类活动反应的敏感程度,用以反映产生生态失衡与生态环境问题的可能性大小,是分析区域生态环境稳定性的主要方法之一,对于区域生态保护和决策制定有重要意义。三亚市作为海南省南部中心城市,改善和保护生态环境对该地区可持续发展具有重要作用。本文以三亚市为研究对象制作了2020年三亚市生态环境敏感性评价数据集。该数据集以高程、坡度、坡向、植被覆盖度、水体、土地利用类型、土壤侵蚀强度、人口密度分布、可达性距离等9个因子作为生态敏感性评价指标,采用层次分析法(AHP)计算各评价指标权重,通过GIS空间分析和计算将研究区域划分为非敏感、低敏感、中敏感、高敏感和极高敏感五个等级。数据质量控制部分则通过筛选三亚市区域内无云影像、土地利用监督分类一致性检验kappa系数约为0.85、结合NDWI结果与遥感影像对比得到水体范围等来进行多方面的数据验证,以此提高数据质量的可靠性。本数据集反映了三亚市生态敏感性状况,可为三亚市生态环境保护与资源开发以及土地规划等提供参考数据源。

北京市旅游流时空特征研究

大数据背景下,网络上产生了大量带有游客时空信息的“数字足迹”。本文以北京市为例,利用游记数据探究北京市旅游流的时空及网络结构特征。结果表明:(1)2月、7至9月为北京市的客流高峰期;(2)北京市旅游流的空间分布具有明显的等级分异特征且密度分布不均衡,总体呈“小聚集、大分散”的特征;(3)北京市旅游流网络中,平均每个节点与7个其他节点存在旅游流集聚与辐射联系;平均每个节点充当49.205次旅游中介者;(4)网络中旅游节点的分布十分不均衡,南锣鼓巷、故宫、八达岭长城、天安门广场、天坛等处于核心点,在旅游网络中集聚和辐射功能都很强;(5)北京市网络密度较低(0.1628),结构非常松散,对核心景点依赖性较强。