基于Sentinel-2A的云南省城市绿地分类研究

为了解云南省主要城市绿地的空间分布和构成情况,以文山、景洪、芒市、香格里拉、玉溪等5个代表性的主城区为研究区,基于Sentinel-2A卫星遥感影像提取光谱、纹理、植被指数和地形特征,采用随机森林算法对公园绿地、防护绿地、附属绿地、生产绿地4类绿地进行分类。结果表明:1)参与4种城市绿地分类的因子重要性排名中,海拔(Elevation)的贡献度最高;2)5个主城区绿地分类的制图精度(PA)与用户精度(UA)均高于非绿地的精度,且总体精度(OA)和调和平均值F1精度都在84%以上,Kappa系数为0.75;3)景洪市主城区和香格里拉主城区的4种绿地分类精度优于芒市主城区、文山主城区和玉溪主城区;4)文山、景洪、芒市、香格里拉、玉溪5个主城区的绿地总面积分别达到6.22、20.81、2.52、6.65、8.58 km2。采用随机森林算法进行城市绿地分类,具有较高的准确率,为云南省绿地资源的规划、生态环境保护管理等提供了有力的技术支撑。

城市森林分类探讨

介绍了城市森林的含义 ,城市森林的分类现状 ,阐明城市森林分类的必要性和紧迫性 ,在此基础上提出城市森林分类的原则和依据 ,确定了城市森林的 4级分类单位 :城市森林类、城市森林亚类、城市森林组和城市森林型 ,最终将城市森林分为附属庭院林、道路林、风景游憩林、生态公益林和生产经营林 5个城市森林类 ,共 16个城市森林亚类。并就有关城市森林分类提出几点建议。

城市规划区绿地系统规划探讨

城市规划区绿地系统规划是在我国城市化快速发展期出现的绿地系统规划新类型。因对城市规划区及其绿地内涵的不同理解使得理论探讨与规划实践出现分化。从分析《城乡规划法》及城乡一体化发展对绿地系统规划的影响入手,在梳理城市规划区及其绿地系统内涵的基础上,探讨了城市规划区绿地系统规划的目标导向,并结合六安市绿地系统规划实践体会,提出了城市规划区绿地系统的分类体系、规划分析与评价方法、规划布局对策。

城市绿地类型的划分及其在生态城市建设中的意义和作用

根据生境和绿地功能把城市绿地划分为10个类型,并阐述了这些类型的组建和管护问题。10个绿地类型包括保护区,植物园,城市公园,城市片林,街心花园、草坪和花坛,道路两旁绿化区,庭园绿地,房顶、墙壁、凉台和室内的绿化,村落生态经济园及生态农业景观。根据归属部门、管理级别、保护对象、管理对象及监控类型的不同,对保护区进行了进一步的划分。城市绿地分类系统的建立既能把城市建设与生物多样性保护相结合,也有助于生物多样性公约的实施,并在维护城市生态安全、美化城市环境、建立具有特色的生物多样性产业、开展生态旅游和生态教育培训、繁荣地方经济和提高当地人民生活水平等方面有重要意义。

基本生态控制线划定下的规划区绿地分类研究——以安徽省宁国市为例

在城镇空间剧烈增长的态势下,基本生态控制线大量划定,成为规划区绿色生态空间保护和城乡可持续发展的重要支撑。基于安徽省宁国市规划区绿地系统规划实践,探讨以生态敏感性评价、生态干扰分析为依据的基本生态控制线、规划区绿地系统分类规划耦合机制和实施路径,构建以绿地空间布局为依托和具体承载、以基本生态控制线空间管制要求为核心和实施依据的规划区绿地分类发展规划,从而更好地保护和利用规划区绿色空间,适应高密度用地背景下高效多元发展需求。

基于多特征SVM的昆明市城市森林时空分布信息提取

采用2017年昆明市主城区Landsat TM/OLI及DEM数据,采用SVM分类方法,对比不同多特征组合的分类精度筛选出森林提取的最佳特征组合,并由此得到2000、2010及2017年昆明市主城区森林分布,分析3期森林的总面积、不同海拔森林面积分布和植被覆盖度变化。结果表明,光谱、纹理以及地形特征的多特征组合为城市森林提取的最佳组合(精度为92.69%);2000—2017年昆明市主城区森林总面积呈上升趋势,海拔低于2 000 m区域的森林面积逐年减少,而高于2 000 m区域的森林面积逐年增加;随时空变化呈现出低植被覆盖度及高植被覆盖度面积增加,中植被覆盖度及较高植被覆盖度面积减少的趋势。

基于随机森林算法的城区土地覆盖分类研究

随机森林算法是一种高度灵活且易于使用的机器学习算法,目前在遥感影像分类中应用广泛。为了验证其在城市土地覆盖分类中的效果,本文对河南省洛阳市局部城区进行了土地覆盖分类实验,将Landsat 8(OLI)遥感影像的光谱波段、光谱指数和纹理特征相结合,构成多种特征组合进行随机森林算法分类比较,选择分类效果最佳方案,并与支持向量机方法进行比较。后利用随机森林算法对该组合特征变量高维数据进行降维处理,得到优化特征方案。实验结果表明:采用多源特征组合的随机森林算法的土地利用分类效果最佳,总体精度为90.54%,Kappa系数为0.890,比支持向量机方法的分类精度提高了3.1%;降维处理后的特征方案与随机森林结合在保证分类结果拥有高准确度的同时,减少了运算时间,实现了土地覆被类型信息的高效获取。表明随机森林算法在城区土地覆盖分类上有很好的适用性与稳定性。

高分卫星在气候适应型试点城市绿地变化监测中的应用——以常德为例

绿地建设是气候适应型城市建设的重要内容之一,为客观评价建设情况,基于高分系列多光谱数据,以常德城区作为研究区域,选用包括纹理特征的26项特征变量,构建分类与回归树(classification and regression tree,CART)决策树进行面向对象监督分类,使用Khat方法完成分类精度评价。精度评价数据表明,2014—2019年6年间的总体分类精度大于90%,Kappa系数大于0.8,绿地提取的用户精度与制图精度达到89%,验证了该方法在城市绿地的提取工作的上具有可行性。分析常德城区近6年的绿地变化监测结果,得出城市绿地面积从2014年的149.01 km2上升至2019年的166.79 km2,面积增加17.78 km2,增长率11.93%,经与实际变化趋势比对一致。结果表明,基于CART决策树的面向对象高分遥感解译方法,具有一定参考价值,可为气候适应型试点城市绿地变化监测评估提供有效依据。

基于Landsat 8 OLI和Sentinel-2A的南京市各城区绿化差异分析

遥感作为多时空技术在全面调查城市绿化现状方面具有优势,遥感在城市绿地调查中的应用也随着遥感技术的发展和遥感影像质量及精度的提高越来越广泛。该研究基于Sentinel-2A和Landsat 8影像将南京市区域地块分类为绿地、建筑地、农业用地(包括耕种期的农田和非耕种期的裸地)和水体,并针对南京市不同的分区计算人均绿地和绿化率,及其与城市发展之间的关系。结果显示,南京各区绿地率分别为:江宁区22%,溧水区27%,浦口区35%,六合区28%,栖霞区24%,雨花台区33%,建邺区20%,玄武区42%,鼓楼区17%,秦淮区18%,高淳区20%;各区人均绿化面积为:江宁区377 m2/人,溧水区716 m2/人,浦口区606 m2/人,六合区697 m2/人,栖霞区222 m2/人,雨花台区173 m2/人,建邺区67 m2/人,玄武区63 m2/人,鼓楼区9 m2/人,秦淮区13 m2/人,高淳区362 m2/人。数据反映了绿地率与人均绿化面积可能与不同行政区的规划以及城市化程度有联系。

长株潭城市群生态绿心地区主要植被类型的群落特征

长株潭城市群生态绿心地区地处南方红壤丘陵区的中心地带,植被区划上属中亚热带常绿阔叶林北部植被亚地带。该区植被以次生林为主,植被类型复杂多样,在南方红壤丘陵区现状植被中具有典型代表性,可为区域植被演替动态和植被恢复研究提供良好的平台。该研究采用统一、规范的方法设置了50个样方,对区内主要植被类型的物种组成、数量特征、生境信息等进行调查。计算乔木层、灌木层和草本层物种重要值,运用《中国植被志》编研规范进行植被类型划分和命名,描述群落物种组成和特征,并提供10个植被型、22个群系、33个群丛共50个样方的原始数据,包括森林样方43个,灌丛样方5个,草地样方1个,沼泽样方1个。

县域城乡交通运输一体化发展类型分类

为准确识别并科学划分中国不同县域的发展类型,因地制宜提出不同的城乡交通运输一体化发展策略,首先,根据中国县域发展的圈层结构特点,参考空间经济学中城市模型的思维方式,结合城市空间体系演化的主要影响因素,从县域的空间区位、经济社会、产业发展等角度综合考虑,将中国所有县域划分为城郊县、产业发达县、一般发展县、偏远县4大类。该分类方式涵盖了空间地理、产业经济等影响县域经济及交通发展的多种因素,具有一定的相对性。然后,依据县域划分的类型,考虑到数据的可获得性,选取7个指标作为本文分类研究的依据。通过前期的调研,收集了30个县域的指标数据及其所属类型,并对随机森林算法模型进行训练与验证,试验结果显示该算法的识别预测精度达到80%。最后,将训练好的随机森林模型应用于全国县级区划分类,结果显示除市辖区外的1874个县级区划中城郊县有280个,产业发达县有89个,一般发展县有1334个,偏远县有171个。根据各类型县域的发展特点与交通运输发展需求,结合实际案例从基础设施、运输服务、融合发展等方面分别提出了不同类型县域城乡交通运输发展策略。