自组织双重空间聚类算法的城市扩张结构分析应用

双重空间聚类是能顾及空间连续性和属性相似性的空间数据分析,而常规空间聚类算法难以同时顾及2方面的约束条件。本文采用自组织双重空间聚类算法,对城市扩张结构分析进行了研究。通过改造自组织特征映射的最佳匹配神经元搜索的算法机制,在空间域和属性域进行迭代聚类搜索,实现了自组织双重空间聚类。以武汉市扩张斑块的位置信息和扩张程度指数为输入数据,使用自组织双重空间聚类算法,实现了城市扩张动态结构的识别。自组织双重空间聚类算法使得聚类结果,既在空间域上连续,又在属性域上相近,算法过程具有自组织性,减少了人为影响。

基于夜间灯光数据的城市边缘区识别方法

精确界定城市边缘区的空间范围对土地可持续利用、资源配置、城市规划具有重大意义。本文采用夜间灯光数据作为基础数据,引入小波分析法对城市化特征值进行突变检测,分析城市化特征值空间序列的形态特征,从而得到城市边缘区突变点群。本文分析现有城市边缘区边界提取方法的不足,基于突变理论和双重空间聚类的方法,实现城市边缘区空间范围提取,然后通过选取江阴市为实验样区,将提取结果与对比实验的结果进行叠加分析、景观多样性指数和夜间灯光起伏度的指数进行分析,验证了结果的正确性和本文方法的可靠性。