基于遥感的区域人居环境指数构建及其应用

基于生态宜居和以人为本双重理念,选取区域绿度、区域热度、区域蓝度、区域亮度、区域透明度和区域起伏度等6个指标,利用主成分分析法构建基于遥感的区域人居环境指数(RHEI)。以福建省为例,分季度测算其RHEI,揭示区域人居环境的时空差异。结果表明:福建省RHEI随着季节变化逐渐降低,呈现东南低西北高、沿海岸线向内陆上升的空间分布格局。通过比较各指标的回归模型系数,发现区域蓝度对区域人居环境的影响最大,区域透明度的影响最小。由年度均值回归模型预测,未来每增加0.166单位的区域蓝度或减少0.278单位的区域热度,能提升0.1单位的人居环境质量。

基于GIS的滇中地区人居环境适宜性评价

科学评估人居环境适宜性,有助于城市可持续发展,实现人类活动与自然环境和谐共处。研究基于地理信息系统(GIS)技术,以1 km×1 km栅格为基本研究单元,构建了滇中地区地形、水文、植被、气候单要素和综合人居环境适宜性评价模型与标准,从空间上定量评价了滇中地区的人居环境适宜性空间分布特征。研究表明:(1)从自然单要素的适宜性评价结果来看,气候、水文和地被的适宜性评价结果均以比较适宜为主;而地形是该区域人居环境适宜性的主要限制要素,且在空间上分区比较破碎,以一般适宜地区为主,主要分布在区域的西部和北部。(2)从人居环境适宜性综合评价结果来看,整体的人居环境状况较好,空间上呈片状分布的特征,临界适宜和一般适宜地区区域点总面积的80%以上;昆明市的不适宜地区面积占比最高,高度适宜地区面积较小但多数分布在楚雄州,曲靖市整体的人居环境状况最好。(3)结合人口数量和密度空间分布数据来看,人口分布与人居环境适宜性在空间分布上存在较高一致性,滇中地区近90%的人分布在临界适宜、一般适宜和比较适宜地区。

基于GIS的中国人居环境指数模型的建立与应用

以1km×1km栅格为基本单元,选取地形、气候、水文、植被等自然因子,构建了基于人居环境指数的中国人居环境自然适宜性评价模型,运用GIS技术,定量评价了中国不同地区的人居环境自然适宜性,揭示了中国人居环境的自然格局与地域特征。研究表明:中国人居环境指数整体呈现由东南沿海向西北内陆递减的趋势;人居环境指数与人口密度显著相关,二者的对数曲线拟合度R2值高达0.87,人居环境指数可以综合反映区域人居环境的自然适宜程度。中国人居环境自然适宜性评价结果显示,中国人居环境适宜地区430.47×104km2,接近国土面积的45%,相应人口占全国的96.56%,其中3/4以上的人口集聚在约占1/4人居环境高度适宜和比较适宜地区;中国人居环境临界适宜地区225.11×104km2,占国土面积的23.45%,相应人口4112万,占全国的3.24%,人口密度每平方公里18人,是中国人居环境适宜与否的过渡地区;中国人居环境不适宜地区304.42×104km2,人口249万,不到全国的0.2%,人口密度每平方公里不足1人,大片地区沦为"无人区"。

基于德尔菲和层次分析法的中国人居环境指数构建研究

本文首先采用德尔菲法和层次分析法,构建了中国人居环境指数,确定了分项指数和指标的权重,然后提出了改善我国现阶段人居环境的建议。中国人居环境指数由居住环境指数、生态环境指数、经济持续指数以及社会和谐指数,四项指数对应的权重分别为0.2911、0.2911、0.2437、0.174。中国人居环境指数共含20项指标,权重在前三位的指标分别是空气质量优天数(0.0926)、单位GDP能耗(0.0919)、住房价格收入比(0.0806),表明现阶段空气质量、节能减排、住房是影响人居环境的重要因素。为提高人居环境水平,应尽快推广人居环境指数的应用,强化人居环境指数的评估和引导作用,加大环境保护和资源循环利用力度,完善住房保障体系建设和公众参与机制。

基于GIS的人居环境自然适宜性研究——以关中—天水经济区为例

选取地形、气候、水文、植被等自然因子,建立1 km×1 km栅格单元的人居环境基础数据库,构建了基于人居环境指数的关中—天水经济区人居环境自然适宜性评价模型,采用GIS技术,定量评价了该地区的人居环境自然适宜性,揭示了关中—天水经济区人居环境的自然格局与地域特征。研究表明:关中—天水经济区人居环境指数整体呈现由东南向西北递减趋势,人居环境指数可以综合反映区域人居环境的自然适宜程度;关—天地区人口明显集中分布于人居环境适宜程度较高的地区。评价结果显示,关—天地区人居环境一般适宜区和比较适宜区面积最大,接近全区总面积的95.09%,相应人口最多,占全区总人口的96.19%。

基于GIS的关中地区人居环境自然适宜性研究

选取地形、气候、水文、植被等自然因子,建立1km×1km栅格单元的人居环境基础数据库,构建了基于人居环境指数的关中地区人居环境自然适宜性评价模型。并采用GIS技术定量评价了关中地区的人居环境自然适宜性,揭示了关中地区人居环境的自然格局与地域特征。研究表明,关中地区人居环境指数整体呈现由南向北递减趋势,人居环境指数可综合反映区域人居环境的自然适宜程度,关中地区人口明显集中分布于人居环境适宜程度较高的地区。评价结果显示,关中地区人居环境一般适宜区和比较适宜区面积最大,约5.5489×104km2,接近全区总面积的99.98%,相应人口约为2294.95万人,占全区总人口的99.98%;人居环境临界适宜地区8km2,占全区总面积的0.02%,相应人口2200人,零星分布在陇县西北的黄土高原地区;关中地区人居环境高度适宜地区面积3km2,人口1400人,由于适宜度高、面积小,导致人口密度最大,达467人/km2。

近20 a克里雅绿洲人居环境适宜性时空演变分析

通过构建人居环境适宜性综合评价指标体系,利用综合评价模型计算克里雅绿洲1995、2005和2015年的人居环境指数,从时空角度分析人居环境适宜性演变情况,定量揭示克里雅绿洲人居环境适宜性的空间格局和地域特征。结果显示,1995—2015年克里雅绿洲人居环境指数总体呈上升趋势,人居环境质量有所改善,比较适宜人类聚居生活的区域面积逐年增加,而临界适宜区和低度适宜区的面积总体上减少,说明沙漠化对绿洲外围交错带的侵蚀现象依然严重。1995—2015年,克里雅绿洲不同人居环境适宜类型之间,尤其是地域上相邻类型之间相互转换的现象十分明显。绿洲内部各类型相对稳定,而绿洲外围各类型之间转换幅度较大。各单项指标与人居环境指数相关性的排序为:距集市距离>距水源地距离>地被指数>GDP产值>气温>降水>地形起伏度。人居环境中、高度适宜区主要分布在绿洲中部,靠近集市和交通线的区域,这些区域各指标的适宜程度较高,是人类比较理想的聚居地;不适宜区和临界适宜区主要分布在绿洲外围沙漠及交错带区域,这些区域受各指标条件的严格限制,不适宜人类居住生活;而低度适宜区主要分布在中度适宜区外围的草地区域,人居环境条件较差,人类居住和生活受到一定限制。

人居环境自然适宜性研究——以镇远县为例

以贵州省镇远县的DEM、NDVI、年平均降水量及行政规划图为数据源。用1km×1km栅格为网格单元,对DEM、相对温度、相对湿度及年平均降水量数据进行插值分析,做出对镇远县人居自然环境适宜性与限制性的评价,反映镇远县人居环境的地理空间分布格局。研究表明:镇远县人居环境适应性指数在0.35-0.64之间,按人居环境适应性等级划分,镇远县内只存在临界适宜区和一般适宜区。

基于RBF-BP神经网络的人居环境自然适宜性评价

为了有效解决人居环境自然适宜性评价中,评价指标权重难以科学确定、评价结果精度低等问题。以东莞市为例,构建了地形、气候、水文和植被等4要素11个指标的人居环境自然适宜性评价体系;综合利用BP算法良好的泛化性能和RBF算法学习收敛速度快,以及克服局部极小值问题等优点,建立RBF-BP神经网络模型,用以求出评价单元各因子间的相关性,将训练结果进一步分析和处理求出评价指标的权重;最后将权重应用于人居环境指数(HEI)评价模型,完成了东莞市人居环境适宜性评价,并将适宜性划分了六个等级。结果表明,评价结果与其实际人居状况大致吻合;同时也说明了此模型收率速度高、学习速度快、拟合精度较高和泛化能力更强,能较准确、科学地评价人居环境自然适宜性。

基于GIS的大滁城人居环境适宜性研究

以1km×1km栅格为基本单元,选取交通路网指数、水域指数、学校服务指数、居住影响力指数与地被指数等影响因子,运用GIS技术建立大滁城人居环境指数(HEI)模型,定量研究大滁城规划区人居环境的适宜程度及其空间规律性。研究结果表明:大滁城人居环境指数呈现由中心区域向周边地区递减的趋势;人居环境指数与人口密度有着较好的相关性,二者的一次拟合度R2=0.8361。大滁城人居环境适宜性评价结果显示,大滁城一般适宜以上的地区132km2,接近大滁城面积的2.96%,相应的人口占大滁城8.75%,其中3.3%的人口聚集在0.78%人居环境高度适宜和比较适宜地区;大滁城人居环境临界适宜地区698km2,占大滁城国土面积的15.69%,相应的人口39.33万,占大滁城总人口的24.21%,人口密度555人/km2,是大滁城人居环境适宜与否的过渡地区;大滁城人居环境不适宜地区3619km2,人口108.91万,占大滁城总面积的81.35%,人口密度为303人/km2,低于大滁城地区365人/km2的平均水平。

基于多源遥感数据的人口空间网格化研究——以福州市为例

利用GIS(地理信息系统)并应用多源遥感数据等对福州市人口空间网格化进行研究。以福州市人口、地理基础信息数据为基础,提取DMSP/OLS夜间灯光数据以及NDVI(归一化植被覆盖指数)数据建立人居指数模型,并根据模型进行人口空间分布模拟,叠加高程数据对模型进行修正。结果表明:夜间灯光遥感影像与人口分布具有强相关性;NDVI与夜间灯光值结合可以解决夜间灯光像元溢出问题,提高数据空间化的质量和精确性。利用DMSP/OLS数据与NDVI数据构建的人居指数模型作为遥感数据与人口数据之间的纽带,对实现人口空间网格的展布起到了关键的作用。

基于多源遥感信息的人为热排放量空间化——以浙江省为例

基于自上而下能源清单法,主要考虑工业、交通、建筑和人体新陈代谢这4个热源对人为热的贡献,估算了2010年浙江省68个县市的人为热排放总量.使用DMSP/OLS遥感夜间灯光数据以及阈值法提取出人为热排放的主要区域,并有效减少夜灯像元溢出效应的影响.利用夜间灯光数据和增强型植被指数（EVI）构建人居指数,基于各市县人为热排放总量与其行政区范围内人居指数累计值之间很强的相关关系建立人为热排放量空间化模型,获得了250m分辨率下浙江省2010年城市人为热通量的空间分布.结果显示浙江省各县市的平均人为热排放通量为5.5W/m2,城市高值区一般介于10~40W/m2.栅格化的人为热数据可以为城市气候环境的数值模拟研究提供基础数据支持.

基于遥感的宁夏地区高温热浪风险评估

高温热浪灾害风险信息对全球气候变暖及快速城市化条件下的防控极端灾害事件具有重要的参考价值。为了解决高温热浪危险性因子评估不全面的问题,基于多源卫星遥感数据和社会经济统计数据,在结合地表温度和气象数据作为高温危险性因子的基础上,通过层次分析法和图层叠置法评估模型计算得到2014—2019年7—8月宁夏高温热浪风险等级空间分布图。结果表明:宁夏高温热浪风险总体上处于中等偏上水平,较高和高风险地区面积占比从2014年39.52%增长至2019年62.65%;受地理纬度、地形和气候的影响,高温风险分布出现明显的空间差异,北部风险总体高于南部风险(高出约13.27%),西部风险高于东部(高出约12.30%);高风险地区集中在中卫市和石嘴山市,这主要是城市高温和相对较低的医疗水平共同作用的结果。研究结果有助于服务城市高温灾害的预防以及制定应对高温热浪应急方案。

基于多源遥感信息的电力消费量估算与影响因素分析——以浙江省为例

利用DMSP/OLS遥感夜间灯光数据进行电力消费量等社会经济数据的空间化时,往往受到像元过饱和、像元溢出现象的影响。利用夜间灯光数据和植被指数(NDVI)之间的互补性构建人居指数,与NDVI的融合有效减少了夜灯数据的过饱和现象。在人居指数的计算中使用阈值法有效减少了夜灯数据像元溢出效应的影响,并对其进行了海拔修正。借助修正后的人居指数与电力消费量之间很强的相关关系建立电力消费量空间化模型,获得了2010年浙江省1 km×1 km分辨率下电力消费量的空间分布。模拟结果显示,利用修正后的人居指数对浙江省电力消费量模拟的平均相对误差为26%,表明利用多源遥感数据融合后的人居指数对电力消费量进行空间化的精度较高。

基于多源遥感数据的山地城市人口空间化及演变特征研究——以重庆市为例

随着数字化、信息化、大数据等时代的到来,人口统计数据空间化对生态环境评价、灾害预估、区域社会和经济等的细致化和空间化研究具有重要意义。通过夜间灯光和NDVI二种遥感数据构建人居指数模型,并以多元回归方法模拟人口分布并预测误差,然后根据人口预测误差通过DEM数据对模型进行修正和重构,最终模拟出山地城市人口空间分布特征。研究结果表明,人居指数与人口之间存在极强的相关性,由于山地城市地形的复杂性,模拟精度较低,通过DEM对人居指数的修正,模拟精度得到有效提高,2000年模拟的平均相对误差从72.53%降低至45.29%,2005年从62.23%降低至36.08%,2010年从44.69%降低至21.17%。重庆市人口空间分布模式主要呈现出人口逐渐从渝西主城区向周围扩张;渝东北人口密度相对较小,但在逐渐增大;而渝东南地区人口分布密度最小,增长最缓慢。

基于多源遥感信息的中国人为热排放量空间化

本研究根据常规可获取的能源消费、工业GDP、民用汽车保有量和人口数据等统计资料,考虑工业、交通、建筑和人体新陈代谢四类热源对于人为热的贡献,估算2010年中国339个地级市的人为热排放总量为1.13×10^(20)J/a。通过设置阈值(DN≥8)获得减小了夜灯像元溢出效应影响的遥感夜间灯光数据(DMSP/OLS),综合处理后的遥感夜间灯光和归一化植被指数(NDVI)之间的互补性构建人居指数,有效减少夜灯的过饱和现象。人居指数反应的人居状况空间分布范围,即为人为热排放的主要区域。分别在中国四大地貌分区内利用各地级市人为热排放总量与其行政区范围内人居指数累计值之间较强的正相关关系建立回归方程,从而构建具有普适性的大尺度人为热排放量空间化模型,获得了1 km分辨率下中国2010年城市人为热通量的空间分布图。结果显示中国地级市人为热主要排放区域范围内平均人为热排放通量为5.19 W/m^2。中国人为热释放呈类似于人口与经济活动的典型地域分布特征,东西部人为热排放热通量差异较大,东部为人为热排放密集区,西部为稀疏区。长三角、珠三角、京津冀城市群等经济较为发达、人口众多的区域人为热排放量明显高于其他地区。与之前的研究相比,人居指数更适用于构建空间异质性、分布更为精细的人为热栅格数据,从而为大尺度区域城市气候环境的数值模拟研究提供高分辨率的基础数据。

安徽哪座城市居民最幸福?

在衡量经济实力的同时,兼顾到人民幸福感需求,是对发展成果评价的重要组成部分。当前,安徽处于城市化进程加快、经济社会转型发展的重要时期,如何更好地满足人民日益增长的美好生活需要,推动城市全面发展,提升人民的幸福感,是当前亟需解决的重要问题。城市居民幸福指数研究通过建立一套综合指标体系,对幸福感进行指标量化评估,对于推进安徽经济社会健康发展具有重要的现实意义。

栅格尺度的西藏自治区人居环境自然适宜性综合评价

人居环境是人类发展的基础,科学评价人居环境自然适宜性,则是解决资源环境承载力的前提,是实现人与自然和谐共生基本方略的基础性工作。本文基于已有人居环境适宜性研究进一步探讨了人居环境自然适宜性综合评价的方法,并完成了西藏人居环境自然适宜性综合评价。研究表明:①基于条件规则的综合评价法更适合进行西藏人居环境自然适宜性综合评价;②西藏超过3/4的区域为人居环境不适宜地区,大部分分布在藏西北地区;临界适宜地区面积占比为16.78%,主要分布在一江两河地区、昌都市澜沧江上游以及山南和林芝北部地区;适宜地区面积占比仅为5.83%,集中分布在藏东南、一江两河和澜沧江上游的河谷绿洲地带;③西藏不同类型乡村居民点的分布与人居环境适宜性分区有很强的一致性,反映人类生活的乡镇驻地及村庄居民点分布占比随着人居环境适宜程度的增强而增加,代表高原牧区和生态脆弱地区的放牧点和古塔庙宇及文物古迹两类乡村居民点则反之,该结果进一步验证了本文西藏人居环境适宜性综合评价和分区的合理性与可靠性。

关中-天水经济区人居环境适宜性评价与人口分布

运用ArcGIS技术,以1km×1km栅格为基本评价单元,选取了地形、气候、植被、水文等自然因子,构建了基于人居环境指数的关中-天水经济区人居环境自然适宜性评价模型,对人口分布做了相关分析,在此基础上,分析了临界适宜地区的适宜性与限制性因素。研究表明:关中-天水经济区的人居环境指数介于21.51-84.62之间,整体分布态势是从西北向东南递增;该区包括四个不同的区域,分别是临界适宜区、一般适宜区、比较适宜区和高度适宜区。结果显示:高度适宜地区0.0035万km2,占该经济区总面积的0.04%,相应人口占总人口的0.02%;比较适宜地区约3.43万km2,占总面积的42.74%,相应人口占总人口的40.06%;一般适宜地区约4.19万km2,占总面积的52.35%,相应人口约占总人口的56.13%;临界适宜地区约0.39万km2,占总面积的4.87%,相应人口占总人口的3.79%,是人居环境较为恶劣的区域。

基于栅格的区域人居自然和人文环境质量综合评价——以京津冀地区为例

区域人居环境质量对于区域社会经济发展具有重要意义。本文以京津冀地区为例,基于人居自然要素指数(地形起伏度、气候指数、水文指数和植被指数)和人文要素指数(夜间灯光指数、空气质量指数和交通通达指数)构建了人居环境质量综合指数(HSCI),分析了2010年其空间分异规律,并探讨了人口分布与人居环境质量的相关性。主要结论为:1人居自然环境受距渤海距离和太行山脉的影响较为明显,呈现由东南向西北递减的空间分异规律。其中,紧邻渤海的天津市和沧州市最好,太行山西侧的张家口市和承德市最差。2人居人文环境在城市地区明显优于非城市地区,并表现出与行政级别相一致的层级结构。同时由于南部空气质量较差,其人文环境整体劣于北部。其中,北京市人文环境最优,衡水市最差。3人居环境质量综合指数既表现出由东南向西北依次递减的规律,又表现出城市地区向非城市地区依次递减的圈层结构,以及高级别行政区优于低级别行政区的层级结构。其中,天津市和唐山市人居环境质量最优,张家口市和承德市最差。4京津冀地区人口并非在人居环境最好的地方分布最多,而是在人居环境中等的地方分布最多,二者呈正态分布规律。整体来看,人居环境质量综合指数大于0.6的土地约占35%,却聚集了约40%的人口,说明该区充分利用了高人居环境质量的土地,人口与人居环境质量分布较为协调。