資源整理。接上篇，論文。
Paper:
不考慮運(yùn)輸時(shí)間的暴露估計(jì)可能低估了與交通有關(guān)的空氣污染的風(fēng)險(xiǎn)，但沒(méi)有直接研究確切的貢獻(xiàn)。我們?cè)趦蓚€(gè)城市的動(dòng)脈血管硬化和空氣污染群體的多民族研究中進(jìn)行了為期兩周的監(jiān)測(cè)，包括新的車(chē)內(nèi)取樣。參與者大部分時(shí)間都呆在室內(nèi)，平均只有4.4％的時(shí)間（63分鐘/天）在車(chē)內(nèi)。平均環(huán)境源NO2濃度在室內(nèi)為5.1ppb，在駕駛期間為32.3ppb。平均而言，室內(nèi)暴露貢獻(xiàn)了69％，車(chē)內(nèi)暴露貢獻(xiàn)了24％的參與者環(huán)境源NO2暴露。對(duì)于車(chē)內(nèi)最高四分位數(shù)（≥1.3小時(shí)/天）的參與者，室內(nèi)和車(chē)內(nèi)貢獻(xiàn)分別為60％和31％。結(jié)合滲透的室內(nèi)和測(cè)量的車(chē)內(nèi)NO2產(chǎn)生的暴露估計(jì)平均比僅使用室外濃度低5.6 ppb。盡管室外和室內(nèi)的二氧化氮濃度高于室內(nèi)，但室內(nèi)微環(huán)境在這一老年人口中占環(huán)境源暴露的比例最大。車(chē)內(nèi)曝光對(duì)于駕駛最多的參與者以及居住在室外空氣污染較低地區(qū)的參與者來(lái)說(shuō)更具影響力。未能描述這些微環(huán)境中的暴露可能會(huì)導(dǎo)致流行病學(xué)研究中的暴露錯(cuò)誤分類(lèi)。定量化車(chē)內(nèi)微環(huán)境對(duì)個(gè)體暴露的影響，是一個(gè)比較有補(bǔ)充意義的微觀研究。
了解居民和游客的行為對(duì)于旅游研究，城市規(guī)劃和當(dāng)?shù)亟?jīng)濟(jì)發(fā)展至關(guān)重要。然而，大多數(shù)現(xiàn)有的研究將游客視為一個(gè)群體，同時(shí)忽略了游客和居民亞群之間的流動(dòng)模式的差異。在本研究中，我們分析了本地Twitter用戶(hù)和訪問(wèn)者Twitter用戶(hù)的流動(dòng)模式，從流量網(wǎng)絡(luò)和用戶(hù)活動(dòng)的均勻度分布。結(jié)果表明，短距離運(yùn)動(dòng)不僅是居民的主要活動(dòng)類(lèi)型，也是游客的主要活動(dòng)類(lèi)型。此外，縣內(nèi)運(yùn)動(dòng)是所有Twitter用戶(hù)群的主要運(yùn)動(dòng)類(lèi)型。此外，Twitter用戶(hù)的中心性指數(shù)重建了核心 - 邊緣結(jié)構(gòu)，中心性指數(shù)與人口規(guī)模之間存在一定的關(guān)系。此外，不同空間尺度下的均勻度指數(shù)的空間分布顯示出清晰的“T”形核心 - 外圍結(jié)構(gòu)。但是，我們需要綜合多個(gè)開(kāi)放的大數(shù)據(jù)來(lái)改進(jìn)研究，并在未來(lái)的工作中以更精細(xì)的空間尺度進(jìn)行分析，例如人口普查區(qū)，人口普查區(qū)或街道水平。利用Twitter對(duì)用戶(hù)的移動(dòng)模式進(jìn)行分析，基于的方式應(yīng)當(dāng)是復(fù)雜網(wǎng)絡(luò)分析的思路，可以說(shuō)典型時(shí)空行為地理學(xué)與大數(shù)據(jù)的研究典范。
重金屬污染是一個(gè)全球性的生態(tài)安全問(wèn)題，特別是在農(nóng)作物中，它直接威脅著區(qū)域生態(tài)安全和人類(lèi)健康。本研究利用遺傳算法（GA）優(yōu)化的反向傳播（BP）神經(jīng)網(wǎng)絡(luò)，根據(jù)影響因素預(yù)測(cè)水稻籽粒中鎘（Cd）的濃度。作為一種智能信息處理系統(tǒng)，GA-BP神經(jīng)網(wǎng)絡(luò)可以通過(guò)自身的訓(xùn)練學(xué)習(xí)土壤 - 作物系統(tǒng)中Cd運(yùn)動(dòng)的規(guī)律，并利用土壤特性高精度地預(yù)測(cè)土壤中Cd的濃度。總土壤Cd濃度，粘土含量，Ni濃度，陽(yáng)離子交換量（CEC），有機(jī)質(zhì)（OM）和pH值具有重要影響，選擇水稻籽粒中Cd濃度的相互作用作為基于Pearson's的預(yù)測(cè)模型的輸入因子。相關(guān)分析和GeoDetector。通過(guò)使用遺傳算法優(yōu)化初始權(quán)重，與BP神經(jīng)網(wǎng)絡(luò)模型和多元回歸分析相比，GA-BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)精度最優(yōu)。根據(jù)模型預(yù)測(cè)的谷物中Cd濃度，可以快速評(píng)估人體暴露和健康風(fēng)險(xiǎn)，及時(shí)采取措施減少Cd從土壤向食物鏈的轉(zhuǎn)移。利用相關(guān)分析、地理探測(cè)器、遺傳算法和BP神經(jīng)網(wǎng)絡(luò)結(jié)合土壤相關(guān)指標(biāo)預(yù)測(cè)水稻的重金屬污染?？梢暂^好評(píng)估水稻的重金屬污染。基于多種空間統(tǒng)計(jì)算法與數(shù)學(xué)優(yōu)化算法在空間預(yù)測(cè)制圖上的研究。
道路排水是交通基礎(chǔ)設(shè)施中最相關(guān)的資產(chǎn)之一，因?yàn)樗鼘?duì)交通管理和道路安全具有固有的影響。公路過(guò)濾排水管（HFD），也稱(chēng)為“法國(guó)排水管”，是目前英國(guó)使用的主要排水系統(tǒng)，其整個(gè)7000公里的戰(zhàn)略公路網(wǎng)絡(luò)。盡管在整個(gè)國(guó)家都是一種廣泛使用的技術(shù)，但很少有關(guān)于它們的設(shè)計(jì)考慮及其隨后對(duì)其液壓性能的影響的研究已完成，這代表了該領(lǐng)域的一個(gè)空白。實(shí)驗(yàn)室實(shí)驗(yàn)已被證明是模擬雨水最佳管理實(shí)踐（BMPs）水力性能的可靠指標(biāo)。除此之外，雨水管理工具（SMT）已被優(yōu)先選擇作為來(lái)自世界各地的從業(yè)者的BMP設(shè)計(jì)工具。在此背景下，本研究旨在通過(guò)比較實(shí)驗(yàn)室模擬和兩種廣泛使用的SMT（如美國(guó)環(huán)保署的雨水管理模型（SWMM）和MicroDrainage?）的結(jié)果來(lái)研究HFD的水力性能。統(tǒng)計(jì)分析應(yīng)用于模擬的一系列降雨情景，顯示在實(shí)驗(yàn)室和使用SMT獲得的結(jié)果之間的高精度，如Nash-Sutcliffe和R（2）系數(shù)的高值和低值以及根均值所示。達(dá)到了方差（RMSE），驗(yàn)證了SMT確定HFD水力性能的有效性。海綿城市的基礎(chǔ)性研究，對(duì)于基礎(chǔ)設(shè)施排水能力的評(píng)估。
之前關(guān)于綠色空間暴露對(duì)健康影響的研究主要基于靜態(tài)背景單元，例如居民區(qū)和其他行政單位。他們傾向于忽略個(gè)體日常綠色空間暴露的時(shí)空動(dòng)態(tài)以及特定活動(dòng)類(lèi)型（例如身體活動(dòng)）的中介效應(yīng)。因此，本研究考察了每個(gè)人的日常綠色空間暴露情況，同時(shí)考慮到人們的日?；顒?dòng)能力以及綠色空間暴露與健康之間的身體活動(dòng)的中介作用。具體而言，使用在中國(guó)廣州收集的調(diào)查數(shù)據(jù)和高分辨率遙感圖像，描繪了工作日的個(gè)人活動(dòng)空間，并用于測(cè)量參與者的每日綠色空間暴露。然后應(yīng)用結(jié)構(gòu)方程模型來(lái)分析個(gè)體日常綠色空間暴露對(duì)健康的直接影響及其通過(guò)身體活動(dòng)的中介變量的間接影響。結(jié)果表明，每日綠地暴露直接影響個(gè)體健康，并通過(guò)身體活動(dòng)間接影響參與者的健康狀況。關(guān)于總效應(yīng)，每日綠色空間暴露有助于改善參與者的心理健康，并有助于促進(jìn)他們的社會(huì)健康。它還有助于改善參與者的身體健康，盡管程度較輕。一般來(lái)說(shuō)，每日綠色空間暴露越高，身體活動(dòng)水平越高，整體健康狀況（包括身體，心理和社會(huì)健康）越好?？紤]到人的日常活動(dòng)造成的綠地暴露對(duì)健康影響。結(jié)果相對(duì)比較普適，方法上應(yīng)用了SEM是一個(gè)兩點(diǎn)，同時(shí)結(jié)合行為地理學(xué)的研究。
不僅在資本主義市場(chǎng)經(jīng)濟(jì)中，而且在轉(zhuǎn)型國(guó)家，包括改革后的中國(guó)，都發(fā)現(xiàn)了社會(huì)空間差異。然而，大多數(shù)先前在中國(guó)城市中關(guān)于該主題的研究?jī)H限于分區(qū)級(jí)的空間分辨率，并且更精細(xì)的尺度分析仍然很少。借鑒這一差距，本文采用包含豐富社會(huì)經(jīng)濟(jì)信息的北京旅游調(diào)查數(shù)據(jù)，對(duì)北京中心城區(qū)的社會(huì)空間變化進(jìn)行了地塊級(jí)檢驗(yàn)。潛在類(lèi)別分析和GIS可視化用于根據(jù)多種屬性將居民分層到不同的社會(huì)經(jīng)濟(jì)福利水平，并分析其空間分布。調(diào)查結(jié)果顯示，2005年至2010年間，北京的社會(huì)空間景觀在短短五年內(nèi)發(fā)生了巨大變化。 90％的街區(qū)顯示其居民的平均社會(huì)分層指數(shù)增加或減少超過(guò)10％。社會(huì)空間變化在很大程度上與中國(guó)經(jīng)濟(jì)和住房分配的市場(chǎng)改革有關(guān)，它不僅通過(guò)商業(yè)發(fā)展而且通過(guò)與公共部門(mén)的深刻互動(dòng)發(fā)揮其影響。關(guān)于中國(guó)社會(huì)空間分析的研究，社會(huì)空間景觀在5年內(nèi)發(fā)生了劇烈變化。反映出當(dāng)前中國(guó)城市化的快速進(jìn)程。
近年來(lái)，生活工作游戲（LWP）中心作為一個(gè)更全面的城市中心概況，引起了越來(lái)越多的關(guān)注。本文提出了一個(gè)直接的框架，用于使用普遍存在的興趣點(diǎn)（POI）作為城市功能的代理變量來(lái)識(shí)別和評(píng)估LWP中心。該框架隨后適用于285個(gè)中國(guó)城市。結(jié)果顯示，2014年中國(guó)35個(gè)城市的多中心城市結(jié)構(gòu)從2009年的23個(gè)城市增加。中國(guó)城市LWP中心的時(shí)間演變可以更好地理解為三種類(lèi)型的進(jìn)化，區(qū)別在于LWP中心的數(shù)量，形態(tài)和位置。首先，與2009年相比，2014年出現(xiàn)了更多的多中心城市。其次，形態(tài)變化類(lèi)型可以進(jìn)一步分為“相對(duì)分散”，“相對(duì)濃度”和“絕對(duì)濃度”。第三，位置變化類(lèi)型可以分為五種類(lèi)型：位移，分裂，融合，新興和衰退。在最后的實(shí)驗(yàn)中，回歸結(jié)果表明，更大的人口和更大的道路交叉點(diǎn)密度顯著促成了LWP中心的形成。新的城市功能地域的分析，全國(guó)尺度的城市中心結(jié)構(gòu)分析。利用新的大數(shù)據(jù)進(jìn)行識(shí)別和分析。
雖然眾所周知，街道空間的質(zhì)量在促進(jìn)城市活力方面起著至關(guān)重要的作用，但對(duì)于如何大規(guī)模地量化它仍然沒(méi)有達(dá)成共識(shí)。最近出現(xiàn)的數(shù)據(jù)集街景圖片揭示了克服先前限制的可能性，從而提出了研究范式的轉(zhuǎn)變。利用這一優(yōu)勢(shì)，本文探索了一種新的視覺(jué)質(zhì)量評(píng)價(jià)方法和大面積街道空間變異識(shí)別方法。通常代表北京歷史街區(qū)的胡同被選中進(jìn)行實(shí)證研究。在實(shí)驗(yàn)部分，我們捕捉涵蓋所有胡同的多年騰訊街景圖片，并進(jìn)行物理和感知視覺(jué)質(zhì)量評(píng)估。利用機(jī)器學(xué)習(xí)分割方法SegNet，街道墻體連續(xù)性和橫截面比例的二維分析，結(jié)合綠化，開(kāi)放性，圍護(hù)的三維成分計(jì)算，自動(dòng)實(shí)現(xiàn)街道空間的物理視覺(jué)質(zhì)量;通過(guò)五個(gè)方面的保持意愿評(píng)分來(lái)評(píng)估街道空間的感知視覺(jué)質(zhì)量?；谒R(shí)別的物理空間變化來(lái)評(píng)估質(zhì)量的變化。結(jié)果表明，胡同的視覺(jué)質(zhì)量不盡如人意，而歷史保護(hù)區(qū)的一些再生項(xiàng)目則更好。大多數(shù)胡同都缺乏視覺(jué)綠色，相對(duì)更連續(xù)，但橫截面比率較低。主干道附近的胡同見(jiàn)證了機(jī)動(dòng)化的增加趨勢(shì)。物理和感知質(zhì)量之間的差異表明了自動(dòng)計(jì)算方法的可行性和局限性。在最近的3 - 4年中，胡同不到2.5％得到改善，主要是美化緩慢。基于街景地圖的街道空間分析，定量化城市街道空間質(zhì)量，從而反應(yīng)城市活力的新興研究方法和數(shù)據(jù)。
高斯分解已被用于從ICESat（冰，云和陸地高度衛(wèi)星）上的衛(wèi)星激光雷達(dá)GLAS（地球科學(xué)激光高度計(jì)系統(tǒng)）的波形中提取地形高程。常見(jiàn)的假設(shè)是提取的高斯峰之一，尤其是最低峰，對(duì)應(yīng)于地面。然而，由于來(lái)自地形和上方傾斜區(qū)域上方的物體的信號(hào)變寬，高斯分解通常是復(fù)雜的。量化和理解高斯峰與地面高程之間的對(duì)應(yīng)關(guān)系是一個(gè)關(guān)鍵而緊迫的研究課題。本研究使用~2000 km2機(jī)載激光雷達(dá)數(shù)據(jù)來(lái)評(píng)估北卡羅萊納州山區(qū)森林地區(qū)地形高程估算的最低兩個(gè)GLAS高斯峰。機(jī)載激光雷達(dá)數(shù)據(jù)不僅用于提取地面高程，還用于提取地形和冠層特征，如坡度和冠層高度。基于對(duì)總共約500個(gè)GLAS數(shù)據(jù)的分析，發(fā)現(xiàn)（1）最低峰值傾向于低估地面高程;地形陡度（坡度）和冠層高度與低估的相關(guān)性最高;（2）第二個(gè)到最低峰值平均更接近山地森林地區(qū)的地面高度，（3）最低峰值中最強(qiáng)的峰值對(duì)于開(kāi)闊地帶和山地森林地區(qū)，兩個(gè)最接近地面。預(yù)計(jì)該評(píng)估將闡明未來(lái)的算法改進(jìn)和/或更好地使用GLAS產(chǎn)品進(jìn)行地形高程估計(jì)。利用機(jī)載激光雷達(dá)數(shù)據(jù)評(píng)估GLAS生成的DEM，為實(shí)現(xiàn)兩種LiDAR數(shù)據(jù)融合提供基礎(chǔ)。
森林提供必要的生態(tài)系統(tǒng)服務(wù)，占全球陸地碳的45％左右。對(duì)全球森林碳的數(shù)量和空間分布的估計(jì)建立在假設(shè)區(qū)域或國(guó)家尺度的異速生長(zhǎng)準(zhǔn)確捕獲廣泛的植物大小的生長(zhǎng)形式的基礎(chǔ)上。異速生長(zhǎng)是艱苦創(chuàng)造的：樹(shù)木必須在幾個(gè)月內(nèi)切割，干燥和稱(chēng)重。這個(gè)瓶頸使得大多數(shù)方程的樣本量較小，沒(méi)有大樹(shù)（> 50 cm），其中可能含有超過(guò)40％的地上碳。地面激光掃描（TLS）可以通過(guò)非破壞性生物量估算潛在地增加異速生長(zhǎng)方程的范圍和樣本大小，并且必須在此背景下進(jìn)行評(píng)估。我們?cè)诟ゼ醽喼莞ヌm特皇家森林地區(qū)的熱帶森林科學(xué)中心 - 森林全球地球觀測(cè)站（CTFS-ForestGEO）地塊部署了TLS，并重建了329棵直徑達(dá)123厘米的樹(shù)木。三維樹(shù)模型是22個(gè)局部異速生長(zhǎng)關(guān)系的基礎(chǔ)，用于與Jenkins等人進(jìn)行比較。 （2003）和Chojnacky等。 （2014）方程式?？傮w而言，與等效的國(guó)家方程相比，TLS異速生長(zhǎng)具有更低的RMSE并且預(yù)測(cè)更高的樹(shù)級(jí)生物量。我們?cè)u(píng)估了整個(gè)站點(diǎn)范圍的異速生長(zhǎng)，以確定樣本量和直徑范圍不足的誤差。異速生長(zhǎng)方程沒(méi)有穩(wěn)定到一致的參數(shù)集，直到達(dá)到100-200個(gè)樣本并且排除大樹(shù)嚴(yán)重限制了預(yù)測(cè)準(zhǔn)確性。這項(xiàng)工作意味著當(dāng)前的生物量方程可能不充分，并強(qiáng)調(diào)TLS干模型作為非破壞性異速生長(zhǎng)方程開(kāi)發(fā)的適當(dāng)方法，用于更新異速生長(zhǎng)和減少景觀水平生物量估算的不確定性。比較了激光雷達(dá)估算生物量和破壞性樹(shù)木構(gòu)建異速生長(zhǎng)模型的精度，從而評(píng)估TLS模型如何降低估算的不確定性。
11.Risk factors spatial-temporal detection for dengue fever in Guangzhou/廣州市登革熱危險(xiǎn)因素的時(shí)空檢測(cè)
登革熱（DF）自1978年在廣東省出現(xiàn)以來(lái)一直是中國(guó)日益增長(zhǎng)的公共衛(wèi)生問(wèn)題。在中國(guó)大陸爆發(fā)登革熱疫區(qū)的所有地區(qū)中，廣州市受影響最大。本研究旨在調(diào)查2006年至2014年中國(guó)廣州登革病毒（DENV）傳播的潛在危險(xiǎn)因素。風(fēng)險(xiǎn)因素對(duì)DENV傳播的影響通過(guò)使用新型時(shí)空方法計(jì)算的q值來(lái)確定， GeoDetector模型?？紤]了氣候和社會(huì)經(jīng)濟(jì)因素。分析了每個(gè)因素對(duì)DF發(fā)生率的影響以及兩個(gè)因素的相互作用。結(jié)果表明，前一個(gè)月降雨天數(shù)具有最高的決定能力，q值為0.898（P <0.01）;與溫度和降水有關(guān)的其他因子的q值約為0.38-0.50。綜合Pearson相關(guān)分析，發(fā)現(xiàn)廣州DF發(fā)病率與所考慮的氣候因素之間存在非線性關(guān)聯(lián)。與其個(gè)體效應(yīng)相比，所考慮的不同變量的耦合影響得到了增強(qiáng)。此外，該市越來(lái)越多的游客與DF的發(fā)病率高有關(guān)。本研究表明，一個(gè)月的降雨天數(shù)對(duì)下一個(gè)月的DF發(fā)病率有很大影響;溫度和降水對(duì)廣州DF發(fā)生率有非線性影響;來(lái)到這個(gè)城市的國(guó)內(nèi)和海外游客都增加了DENV傳播的風(fēng)險(xiǎn)。這些發(fā)現(xiàn)可用于DENV傳播的風(fēng)險(xiǎn)評(píng)估，預(yù)測(cè)DF爆發(fā)和實(shí)施預(yù)防性DF減少策略。登革熱的疾病歸因分析，登革熱在這幾年健康地理分析當(dāng)中分析的較多，因?yàn)閺奈孟x(chóng)傳播等角度較為容易與地理環(huán)境關(guān)聯(lián)。
12.Responses of PM2.5 pollution to urbanization in China/PM2.5污染對(duì)中國(guó)城市化的響應(yīng)
快速的城市化和經(jīng)濟(jì)發(fā)展給中國(guó)帶來(lái)了嚴(yán)重的環(huán)境污染負(fù)擔(dān)。本研究探討了1998年至2016年中國(guó)PM2.5濃度的時(shí)空特征，通過(guò)構(gòu)建環(huán)境庫(kù)茲涅茨曲線（EKC）模型，研究了其與城市化和其他社會(huì)經(jīng)濟(jì)因素的關(guān)系，包括工業(yè)，減排投資和清潔能源消耗。使用廣義加性模型（GAM）解釋其對(duì)城市化和這些因素的反應(yīng)。結(jié)果表明，研究期間大多數(shù)省份PM2.5污染情況普遍惡化。 PM2.5-城市化關(guān)系在整個(gè)中國(guó)和中東部地區(qū)批準(zhǔn)了倒U型EKC模式，但在東部發(fā)達(dá)地區(qū)呈現(xiàn)出N型EKC模式。工業(yè)及其與城市化的相互作用推動(dòng)了PM2.5濃度的增加。城市化與減排投資和清潔能源消費(fèi)的相互作用對(duì)全國(guó)PM2.5濃度產(chǎn)生了負(fù)面影響，但對(duì)各地區(qū)的影響不同。 GAM的結(jié)果進(jìn)一步證實(shí)了PM2.5濃度隨著城市化和工業(yè)的增加而增加，但增強(qiáng)減排投資和清潔能源消耗可以扭轉(zhuǎn)增長(zhǎng)趨勢(shì)。主要研究結(jié)果和政策影響有助于成功制定政策，旨在成功減少PM2.5污染。長(zhǎng)時(shí)間尺度的PM2.5污染與城市化研究，基于EKC、GAM做了分析，PM2.5濃度隨城市化和工業(yè)增加而增加。
城市中心內(nèi)綠色空間的存在已被公認(rèn)為城市景觀的重要組成部分。植被提供了多種好處，包括節(jié)能，改善空氣質(zhì)量，減少噪音污染，降低環(huán)境溫度和心理恢復(fù)。證據(jù)還表明，人口稠密地區(qū)的植被數(shù)量（稱(chēng)為“綠度”）也可以作為鄰里相對(duì)財(cái)富的指標(biāo)。 “灰綠色鴻溝”，具有主導(dǎo)灰色和綠色空間的建成區(qū)域之間的對(duì)比，被視為城市可持續(xù)管理和城市發(fā)展規(guī)劃的代理指標(biāo)。因此，對(duì)監(jiān)測(cè)城市綠化的持續(xù)和持續(xù)評(píng)估對(duì)于監(jiān)測(cè)聯(lián)合國(guó)可持續(xù)發(fā)展目標(biāo)11的進(jìn)展至關(guān)重要。來(lái)自Landsat數(shù)據(jù)檔案的多時(shí)間綠色信息的可用性以及來(lái)自全球人類(lèi)住區(qū)層城市中心數(shù)據(jù)庫(kù)的數(shù)據(jù)（GHSL）倡議，提供了一個(gè)獨(dú)特的視角來(lái)量化和分析全球10,323個(gè)城市中心的綠色變化。在本研究中，我們?cè)u(píng)估了GHSL城市中心數(shù)據(jù)庫(kù)描述的所有城市中心建筑區(qū)域內(nèi)外的綠色差異?？紤]到1990年，2000年和2014年期間建成區(qū)域的變化，我們還分析了綠地?cái)?shù)量隨時(shí)間的變化。結(jié)果顯示，大多數(shù)城市1990年至2014年間綠化程度有增加的總體趨勢(shì)。在32個(gè)世界大城市的大多數(shù)地區(qū)也觀察到了綠化的影響。我們得出結(jié)論，使用簡(jiǎn)單而有效的方法利用開(kāi)放和免費(fèi)的全球數(shù)據(jù)，可以提供有關(guān)城市綠色及其隨時(shí)間變化的定量信息。這些信息直接關(guān)系到城市規(guī)劃者和決策者減輕城市相關(guān)的環(huán)境和社會(huì)影響。基于Google Earth Engine長(zhǎng)時(shí)間尺度分析了城市綠色空間的研究，并且對(duì)于監(jiān)測(cè)SDGs11有重要意義，是一個(gè)非常不錯(cuò)的研究。
PM2.5污染是一個(gè)由多種自然和社會(huì)經(jīng)濟(jì)因素引起的環(huán)境問(wèn)題，在中國(guó)大陸存在顯著的空間差異。然而，自然和社會(huì)經(jīng)濟(jì)因素的決定因素及其對(duì)PM2.5污染的交互影響仍不清楚。在該研究中，GeogDetector方法用于量化PM2.5與潛在因子之間的非線性關(guān)聯(lián)。本研究發(fā)現(xiàn)，包括生態(tài)環(huán)境和氣候在內(nèi)的自然因素對(duì)社會(huì)經(jīng)濟(jì)因素的影響更大，氣候是影響PM2.5污染的主要因素（q = 0.56）。在六個(gè)影響因素的所有相互作用中，工業(yè)和氣候的相互作用影響最大（q = 0.66）。兩個(gè)公認(rèn)的主要污染區(qū)是西北地區(qū)的塔里木盆地和東部平原地區(qū);前者主要受暖溫帶干旱氣候和沙漠的影響，后者主要受暖溫帶半濕潤(rùn)氣候和多種社會(huì)經(jīng)濟(jì)因素的影響。該研究結(jié)果解釋了PM2.5污染的影響機(jī)制，這有助于制定更具體的政策，旨在成功實(shí)現(xiàn)PM2.5污染控制和減排。利用地理探測(cè)器分析PM2.5污染的自然和社會(huì)經(jīng)濟(jì)影響因素，氣候以及工業(yè)影響較大。當(dāng)然在整個(gè)中國(guó)來(lái)看是這樣子，而在東西部是否存在差異還值得進(jìn)一步深入研究。
季風(fēng)氣候特征的影響使中國(guó)的熱帶地區(qū)與世界其他地區(qū)的熱帶地區(qū)不同。因此，中國(guó)熱帶地區(qū)北界的位置一直是中國(guó)綜合物理區(qū)劃研究中最具爭(zhēng)議的問(wèn)題之一。本文介紹了中國(guó)熱帶地區(qū)北部邊界研究的發(fā)展情況，不同學(xué)者根據(jù)不同的區(qū)域化目標(biāo)，指標(biāo)和方法劃分了界限，存在很大差異。主要的意見(jiàn)分歧存在于對(duì)地帶性植被，農(nóng)業(yè)植被類(lèi)型，種植制度，熱帶土壤類(lèi)型和熱帶特征的不同理解中。在這項(xiàng)研究中，我們應(yīng)用了測(cè)量空間分層異質(zhì)性的GeoDetector模型，以驗(yàn)證由六位主要學(xué)者劃定的熱帶地區(qū)的北部邊界。結(jié)果表明，任梅娥劃定的高緯度邊界的平均q-統(tǒng)計(jì)值最大（q = 0.37），這表明，在競(jìng)爭(zhēng)對(duì)手的觀點(diǎn)中，它最能反映中國(guó)熱帶和亞熱帶地區(qū)的區(qū)域差異。但它不一定適合指導(dǎo)熱帶農(nóng)業(yè)的發(fā)展。鄭都線和余先芳在低緯度雷州半島周?chē)€的q統(tǒng)計(jì)量的平均值較小，分別為0.10和0.08，表明區(qū)域差異小于任梅娥邊界。在全球氣候變化的背景下，氣候本身正在波動(dòng)中發(fā)生變化。因此，值得我們進(jìn)一步研究的是，熱帶地區(qū)的北部邊界是否應(yīng)該不是固定線，而是應(yīng)該在一定范圍內(nèi)波動(dòng)以反映這些變化。利用地理探測(cè)器探測(cè)中國(guó)熱帶北界的識(shí)別與決定因素。事實(shí)上地理分區(qū)或者叫分異在過(guò)去一直較為不被重視，主要原因可能是因?yàn)橛休^強(qiáng)的主觀性，利用地理探測(cè)器可以進(jìn)行定量化這方面的研究。因此值得關(guān)注。
運(yùn)輸部門(mén)占瑞士年度能源需求總量的36％。 如果運(yùn)輸部門(mén)通電，則需要大量額外的電力生產(chǎn)能力。 光伏（PV）能源是瑞士最具潛力的可再生能源。 然而，由于其產(chǎn)生的波動(dòng)，目前尚不清楚PV如何為燃料電動(dòng)汽車(chē)（EV）做出貢獻(xiàn)。 在這項(xiàng)工作中，我們分析了電動(dòng)車(chē)輛所有者家庭的屋頂光伏能夠?yàn)楦采w其車(chē)輛的能源需求做出多少貢獻(xiàn)。 在我們的分析中，我們將時(shí)空PV屋頂模型與電動(dòng)汽車(chē)的軌跡和汽車(chē)電池的傳感器信息相結(jié)合。分析住宅屋頂光伏發(fā)電為電動(dòng)汽車(chē)充電的潛力。蘇黎世聯(lián)邦理工學(xué)院的研究，會(huì)議poster。
小水體（1-10公頃）的水文監(jiān)測(cè)仍然很少，因?yàn)樗鼈兊臄?shù)量有限且數(shù)量眾多，無(wú)法準(zhǔn)確評(píng)估其農(nóng)業(yè)潛力或其在流域水文學(xué)中的累積影響。 Landsat圖像顯示了其支持小型水體測(cè)繪的潛力，但其有限的表面積，植被生長(zhǎng)和快速洪水動(dòng)態(tài)對(duì)長(zhǎng)期地表水監(jiān)測(cè)的影響仍未得到量化。這里開(kāi)發(fā)了一種半自動(dòng)化方法，用于評(píng)估和優(yōu)化多傳感器Landsat時(shí)間序列的潛力，以監(jiān)測(cè)這些小型水體中的地表水位和平均水可用性。突尼斯中部Merguellil集水區(qū)內(nèi)7個(gè)小型水庫(kù)的廣泛水文場(chǎng)數(shù)據(jù)（1999-2014）和SPOT圖像用于校準(zhǔn)該方法并探索其極限。改進(jìn)的歸一化差異水指數(shù)（MNDWI）顯示在六個(gè)常用的水檢測(cè)指數(shù)中，以在高洪水和低洪水期間提供高的總體準(zhǔn)確度和閾值穩(wěn)定性，導(dǎo)致平均表面積誤差低于15％。該方法應(yīng)用于1999 - 2014年的546 Landsat 5,7和8圖像，重現(xiàn)了高技能（R2= 0.9）和9300m2的平均均方根誤差（RMSE）的小湖泊的地表水位變化。與已發(fā)表的全球水資源數(shù)據(jù)集的比較顯示，同一湖泊的平均RMSE為21800平方米（+ 134％），并突出了量身定制的MNDWI方法的價(jià)值，以改善小湖泊的水文監(jiān)測(cè)并減少洪水植被的遺漏錯(cuò)誤。由于混合像素的比例和影響較大，相對(duì)誤差的增加限制了Landsat（標(biāo)準(zhǔn)化RMSE = 27％）的地表水監(jiān)測(cè)低于3ha。 2003年之后ETM +上的云和掃描線校正器故障的干擾也使操作圖像的數(shù)量減少了51％，從而降低了洪水急劇下降的湖泊的性能。將Landsat觀測(cè)與10米pansharpened Sentinel-2圖像相結(jié)合，進(jìn)一步將RMSE降低至5200平方米，顯示2015年后小型水體中地表水監(jiān)測(cè)的機(jī)會(huì)增加。
歐洲的電網(wǎng)擴(kuò)展正在全面展開(kāi)，因此，市民對(duì)地線而不是架空線的需求正在穩(wěn)步增長(zhǎng)。在這種情況下經(jīng)常使用的關(guān)鍵詞是部分地下布線，因?yàn)槿鹗糠蓮?qiáng)迫電網(wǎng)規(guī)劃者不僅建議架空線路，而且還建議在計(jì)劃新的輸電線路時(shí)部分地下布線。但是，哪里可以找到適合部分地下布線的區(qū)域？地理信息系統(tǒng)與多目標(biāo)決策分析相結(jié)合，為確定最佳傳輸線路徑提供了既定工具。然而，到目前為止使用的方法在規(guī)劃組合架空或地下傳輸線時(shí)并未提供令人滿(mǎn)意的解決方案。因此，我們提出了一種程序方法，通過(guò)確定每個(gè)部分的最佳路徑來(lái)顛倒規(guī)劃過(guò)程。準(zhǔn)確性1.確定有利于構(gòu)建接地電纜的高應(yīng)力水平區(qū)域。 2.圍繞這些區(qū)域的邊界，確定適合建造過(guò)渡建筑的地方。 3.在兩個(gè)最佳放置的過(guò)渡建筑物之間，計(jì)算接地電纜的最佳路徑。 4.在過(guò)渡建筑物與起點(diǎn)和終點(diǎn)之間，計(jì)算架空線的最佳路徑。 5.計(jì)算兩種方法之間的成本和影響的差異。 6.在協(xié)商有關(guān)高壓力區(qū)域的可能傳輸線路徑時(shí)使用此信息。我們將利用這種新穎的方法來(lái)增強(qiáng)我們的3D決策支持系統(tǒng)（3D DSS），增加一個(gè)選項(xiàng)，不僅可以計(jì)算架空線路，還可以計(jì)算接地線纜。通過(guò)使?jié)撛诘牡孛骐娎|走廊可見(jiàn)，電網(wǎng)規(guī)劃人員和受影響的公民可以從更透明的規(guī)劃程序和更多替代方案中獲益。利用GIS和多目標(biāo)決策分析優(yōu)化輸電線路。蘇黎世聯(lián)邦理工學(xué)院的研究。會(huì)議poster。
機(jī)器學(xué)習(xí)和基于云計(jì)算的創(chuàng)新與歷史遙感和現(xiàn)場(chǎng)數(shù)據(jù)相結(jié)合，為牧場(chǎng)生態(tài)系統(tǒng)提供了第一個(gè)中等分辨率，年度百分比的植物功能類(lèi)型覆蓋圖，以有效和高效地應(yīng)對(duì)生物多樣性保護(hù)所面臨的緊迫挑戰(zhàn)。生態(tài)系統(tǒng)服務(wù)我們利用歷史上的Landsat衛(wèi)星記錄，網(wǎng)格化氣象，非生物陸地表面數(shù)據(jù)以及隨機(jī)森林模型中的30,000多個(gè)田間地塊來(lái)預(yù)測(cè)年度雜草和草，多年生雜草和草，灌木和裸地的每像素百分比覆蓋率。美國(guó)西部從1984年到2017年。使用三個(gè)獨(dú)立的地塊水平測(cè)量集合驗(yàn)證結(jié)果，結(jié)果地圖顯示土地覆蓋變化以響應(yīng)氣候，干擾和管理的變化。這些地圖將在每年年底每年更新，為擴(kuò)大和改善牧場(chǎng)保護(hù)，監(jiān)測(cè)和管理提供了令人興奮的機(jī)會(huì)。這些數(shù)據(jù)為時(shí)間保真度，空間分辨率和地理范圍的前所未有的融合打開(kāi)了科學(xué)研究的新大門(mén)。基于機(jī)器學(xué)習(xí)、云計(jì)算、歷史遙感數(shù)據(jù)和現(xiàn)場(chǎng)數(shù)據(jù)，獲取了中等分辨率每年植被功能型百分比的覆蓋圖。在多源遙感融合實(shí)現(xiàn)對(duì)地監(jiān)測(cè)上有很大的改進(jìn)，但是由于該研究研究區(qū)在美國(guó)，因此同類(lèi)研究在中國(guó)的可復(fù)制性可能較低，因?yàn)槊绹?guó)的牧場(chǎng)較大，而中國(guó)并沒(méi)有如此大面積的牧場(chǎng)。
作為減少地表徑流的環(huán)境友好措施，低影響發(fā)展（LID）已成功應(yīng)用于城市地區(qū)。然而，由于土地價(jià)格高昂以及高度城市化地區(qū)LID建設(shè)的額外費(fèi)用，房地產(chǎn)開(kāi)發(fā)商不愿意進(jìn)行LID開(kāi)發(fā)。建筑面積比/容積率（FAR）是指“建筑物總建筑面積與建造土地面積的比例”。增加FAR表明開(kāi)發(fā)商可以建造更高的建筑物并賺取更多的錢(qián)。通過(guò)授予FAR，開(kāi)發(fā)人員可能愿意練習(xí)LID構(gòu)建。在這項(xiàng)研究中，選擇一個(gè)新的住宅區(qū)作為案例研究，以分析LID實(shí)踐實(shí)現(xiàn)的徑流減少目標(biāo)與授予FAR促進(jìn)LID建設(shè)的激勵(lì)之間的權(quán)衡。城市雨水處理和分析綜合系統(tǒng)（SUSTAIN）模型用于模擬各種LID設(shè)計(jì)下的徑流減少，然后推導(dǎo)出Pareto最優(yōu)解，以實(shí)現(xiàn)基于成本效率的城市徑流減少目標(biāo)。結(jié)果表明，最大地表徑流減少量為20.5％。在極端情景下，政府可以選擇FAR為0.028,0.038和0.047，開(kāi)發(fā)商獲得的凈收益分別為0 CNY，100萬(wàn)元和200萬(wàn)元。結(jié)果提供了與授予FAR相關(guān)的LID建設(shè)指南，該指南支持激勵(lì)政策制定，以促進(jìn)高度城市化地區(qū)的LID實(shí)踐。分析LID、FAR以及Pareto最優(yōu)解提出給予成本效率的城市徑流減少目標(biāo)，這樣可以指導(dǎo)具體的城市建設(shè)，非常不錯(cuò)的一個(gè)海綿城市的研究。
本研究估算了中國(guó)省級(jí)環(huán)境庫(kù)茲涅茨曲線（EKC）的關(guān)系。我們采用經(jīng)驗(yàn)方法對(duì)1994 - 2010年中國(guó)29個(gè)省份的三種工業(yè)污染物 - 二氧化硫排放，廢水排放和固體廢物產(chǎn)生進(jìn)行了測(cè)試。我們使用地理加權(quán)回歸（GWR）方法，其中模型可以適合數(shù)據(jù)中的每個(gè)空間位置，通過(guò)距回歸點(diǎn)的距離函數(shù)對(duì)所有觀察值進(jìn)行加權(quán)。因此，考慮到空間異質(zhì)性，可以通過(guò)這種方法區(qū)域特定地分析EKC關(guān)系，而不是描述整個(gè)檢查區(qū)域的平均關(guān)系。我們還研究了空間分層異質(zhì)性，以驗(yàn)證和比較影響區(qū)域污染的風(fēng)險(xiǎn)因素與統(tǒng)計(jì)模型。本研究發(fā)現(xiàn)，旨在考慮空間異質(zhì)性的GWR模型優(yōu)于OLS模型;它更有效地解釋了中國(guó)環(huán)境績(jī)效與經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系。結(jié)果表明EKC關(guān)系存在顯著變化。這種空間模式表明了針對(duì)具體省份的政策制定，以實(shí)現(xiàn)這些省份的均衡增長(zhǎng)。GWR用于分析EKC，將空間統(tǒng)計(jì)與環(huán)境問(wèn)題結(jié)合起來(lái)。
文化遺產(chǎn)是世界各國(guó)人民的財(cái)富。文化遺產(chǎn)的保護(hù)和傳承有利于人類(lèi)文明的進(jìn)步。在中國(guó)西北部，有一個(gè)世界遺產(chǎn) - 莫高窟（Mogao Grottoes） - 有大量的壁畫(huà)，展示了中國(guó)古代的歷史文化。為了研究這些歷史文化，一個(gè)關(guān)鍵的程序是迄今為止的壁畫(huà)，即確定它們被創(chuàng)造的時(shí)代。到目前為止，莫高窟的大多數(shù)壁畫(huà)都是通過(guò)直接參考壁畫(huà)文本或歷史文獻(xiàn)來(lái)標(biāo)注的。然而，由于缺乏參考資料，一些人仍然沒(méi)有創(chuàng)造時(shí)代?？紤]到壁畫(huà)的繪畫(huà)風(fēng)格在歷史上的變化，繪畫(huà)風(fēng)格可以通過(guò)繪畫(huà)數(shù)據(jù)來(lái)學(xué)習(xí)和量化，我們將壁畫(huà)的問(wèn)題制定為繪畫(huà)風(fēng)格分類(lèi)的問(wèn)題。事實(shí)上，繪畫(huà)風(fēng)格不僅可以用顏色或曲率來(lái)表達(dá)，還可以用一些未知的形式表達(dá) - 未被觀察到的形式。為此，除了復(fù)雜的顏色和形狀描述符之外，還設(shè)計(jì)了深度卷積神經(jīng)網(wǎng)絡(luò)來(lái)編碼隱式繪圖樣式。從194個(gè)不同的石窟中收集了3860幅壁畫(huà)，并用確定的創(chuàng)作時(shí)代標(biāo)簽來(lái)訓(xùn)練分類(lèi)模型并建立約會(huì)方法。在實(shí)驗(yàn)中，擬議的方法適用于以前有爭(zhēng)議的七幅壁畫(huà)，而令人興奮的是新結(jié)果則得到了敦煌專(zhuān)家的認(rèn)可。遙感考古與圖像識(shí)別的結(jié)合。
本研究試圖描述和比較市中心和周邊國(guó)家森林公園PM2.5和PM10濃度的垂直分布。使用2016年4月22日至2017年1月24日在南京（中國(guó)）的便攜式顆粒采樣器進(jìn)行對(duì)比測(cè)量。發(fā)現(xiàn)顆粒濃度與森林公園的高度呈負(fù)相關(guān)。大多數(shù)時(shí)間在市中心也發(fā)現(xiàn)了相同但較輕微的現(xiàn)象，然而，在采樣時(shí)間的大部分時(shí)間，在路邊高大的樹(shù)木（25米）的高度處觀察到峰值而不是在地面高度。在100米處，森林公園的顆粒濃度下降了約30％，市中心僅發(fā)現(xiàn)20％的衰減。在假設(shè)路邊樹(shù)木可以限制顆粒的垂直擴(kuò)散的情況下進(jìn)行無(wú)人駕駛飛行器（UAV）測(cè)量。結(jié)果發(fā)現(xiàn)，截?cái)鄻?shù)木可分別減少道路上PM2.5和PM10濃度的24％和26％。顆粒濃度與五個(gè)氣象參數(shù)（溫度，相對(duì)濕度，氣壓，太陽(yáng)能和降水）之間的相關(guān)性分析表明，市中心的相關(guān)性高于森林公園。溫度和相對(duì)濕度都有助于不同高度下顆粒濃度的變化。這項(xiàng)工作有助于更好地了解城市地區(qū)的顆粒動(dòng)態(tài)特征，對(duì)評(píng)估高層建筑的室內(nèi)空氣質(zhì)量具有重要意義。城市森林公園對(duì)于PM2.5等空氣污染的消納污染作用的實(shí)證研究。
隨著全世界嚴(yán)重的交通問(wèn)題不斷增加，已經(jīng)開(kāi)展了各種類(lèi)型的研究，特別是交通模擬，以調(diào)查這一問(wèn)題?；诨顒?dòng)的交通仿真模型，例如MATSim（多智能體傳輸模擬），旨在識(shí)別時(shí)間和空間活動(dòng)的最佳組合。還有必要檢查基于通勤的交通模擬。這種模擬的重點(diǎn)是通過(guò)調(diào)整出發(fā)時(shí)間，旅行模式或旅行路線來(lái)優(yōu)化旅行時(shí)間，以向公眾提供旅行建議。本文使用新開(kāi)發(fā)的模擬工具檢查高峰時(shí)段地鐵用戶(hù)的最佳出發(fā)時(shí)間。確定了用于識(shí)別相對(duì)最佳出發(fā)時(shí)間的策略。這項(xiàng)研究調(diào)查了中國(guó)深圳的103,637名代理人（乘客），并報(bào)告了他們的平均出發(fā)時(shí)間，旅行時(shí)間和旅行效用，以及每次迭代中遲到和錯(cuò)過(guò)地鐵旅行的人員代理人數(shù)。結(jié)果表明，隨著迭代次數(shù)的增加，這些人員的平均旅行時(shí)間減少了大約4分鐘。此外，最近的平均出發(fā)時(shí)間在上班時(shí)沒(méi)有遲到的風(fēng)險(xiǎn)大約是8:04，最早的平均出發(fā)時(shí)間在下班時(shí)沒(méi)有丟失地鐵出行的風(fēng)險(xiǎn)大約是17:50。利用Agent Model的交通行為模擬仿真研究。
25.Decarbonizing China’s Urban Agglomerations/中國(guó)城市群的脫碳
中國(guó)的城市群對(duì)中國(guó)與能源相關(guān)的二氧化碳排放貢獻(xiàn)了64％，因此在決定氣候變化的未來(lái)方面起著至關(guān)重要的作用。關(guān)于城市能源消耗和二氧化碳排放的信息很少;因此，我們采用DMSP/OLS夜間光圖像進(jìn)行時(shí)空建模。我們的調(diào)查結(jié)果顯示，這種集聚實(shí)際上在二零零五年至二零一三年間，二氧化碳排放強(qiáng)度顯著下降 - 由0.43萬(wàn)元/千元降至0.20萬(wàn)元/千元，平均每年下降4.34％。盡管中國(guó)西部的二氧化碳強(qiáng)度仍然非常高，但過(guò)去幾十年來(lái)全國(guó)的二氧化碳強(qiáng)度趨同。使用面板回歸模型，我們分析了由于經(jīng)濟(jì)增長(zhǎng)，人口，經(jīng)濟(jì)結(jié)構(gòu)，人口密度和城市化特征等社會(huì)經(jīng)濟(jì)變量的區(qū)域差異導(dǎo)致的二氧化碳排放強(qiáng)度下降的差異。阻礙二氧化碳強(qiáng)度下降的因素是持續(xù)的工業(yè)化，這需要重工業(yè)，基礎(chǔ)設(shè)施投資和住房存量的增加。利用夜間燈光和面板回歸分析工業(yè)化對(duì)碳排放強(qiáng)度的影響。
26.Why Topology Matters in Predicting Human Activities/為什么拓?fù)湓陬A(yù)測(cè)人類(lèi)活動(dòng)方面至關(guān)重要
通過(guò)底層街道的拓?fù)潢P(guān)系（注意：整條街道而不是街道區(qū)域）可以更好地理解地理空間，這使我們能夠看到比連接良好的街道更少連接的街道的縮放或分形或生活結(jié)構(gòu)。正是這種潛在的縮放結(jié)構(gòu)使得人類(lèi)活動(dòng)可以預(yù)測(cè)，盡管是集體而非個(gè)人的移動(dòng)行為。這種拓?fù)浞治錾形丛谖墨I(xiàn)中得到應(yīng)有的重視，因?yàn)樵S多研究人員繼續(xù)依賴(lài)分段分析來(lái)預(yù)測(cè)人類(lèi)活動(dòng)?；诜侄畏治龅姆椒ɑ旧鲜菐缀蔚模瑐?cè)重于位置，長(zhǎng)度和方向的幾何細(xì)節(jié)，并且不能揭示縮放屬性，這意味著它們不能用于人類(lèi)活動(dòng)預(yù)測(cè)。我們使用倫敦街道和推文位置數(shù)據(jù)進(jìn)行了一系列案例研究，基于相關(guān)概念，如自然街道和自然街道段（或簡(jiǎn)稱(chēng)街道段），軸線和軸線段（或簡(jiǎn)稱(chēng)線段） 。我們發(fā)現(xiàn)，自然街道是人類(lèi)活動(dòng)或交通預(yù)測(cè)方面的最佳代表，其次是軸線，并且街道段和線段都不具有網(wǎng)絡(luò)參數(shù)和推文位置之間的良好相關(guān)性。這些發(fā)現(xiàn)表明，基于軸線的空間句法或一般拓?fù)浞治龅墓ぷ髟砼c個(gè)人的旅行行為或人類(lèi)概念化距離或空間的方式無(wú)關(guān)。相反，它是街道的基礎(chǔ)擴(kuò)展層次結(jié)構(gòu) - 許多連接最少，連接最少，連接最少和連接最多的一些 - 使人類(lèi)活動(dòng)可預(yù)測(cè)。分析了拓?fù)鋵?duì)于人類(lèi)活動(dòng)的影響，這一點(diǎn)在簡(jiǎn)雅各布斯的書(shū)里已經(jīng)提到，如何提升城市活力，街區(qū)的結(jié)構(gòu)也是很關(guān)鍵的。
本研究運(yùn)用Kulldorff的空間掃描統(tǒng)計(jì)數(shù)據(jù)，比較了中國(guó)江漢平原血吸蟲(chóng)病空間聚類(lèi)的變化。 2007年至2012年，Geodetector軟件被用于檢測(cè)血吸蟲(chóng)病的環(huán)境決定因素。2007年最可能的空間聚類(lèi)覆蓋了江漢平原的中北部，而2008年至2012年觀察到的則是朝南，覆蓋范圍擴(kuò)大。通常在不同時(shí)期的相同區(qū)域，然而在精確位置有一些變化。此外，2007年期間比其他任何時(shí)期更容易聚集。我們發(fā)現(xiàn)溫度，土地利用和土壤類(lèi)型是與人類(lèi)感染率相關(guān)的最關(guān)鍵因素。此外，2009年土地利用和土壤類(lèi)型對(duì)血吸蟲(chóng)病的流行影響最大，而2007年這種影響很小。溫度對(duì)血吸蟲(chóng)病患病率的影響在2010年達(dá)到最大值，而在2008年，這種影響很小。在這兩個(gè)因素對(duì)人血吸蟲(chóng)病空間分布的影響中觀察到的差異是不一致的，在某些年份顯示出統(tǒng)計(jì)學(xué)意義，而在其他年份則缺乏統(tǒng)計(jì)學(xué)意義。此外，當(dāng)兩個(gè)因素同時(shí)操作時(shí)，始終觀察到增強(qiáng)的相互作用的趨勢(shì)。受影響因素相互作用強(qiáng)烈的高風(fēng)險(xiǎn)地區(qū)應(yīng)成為疾病控制干預(yù)措施的目標(biāo)。利用空間掃描統(tǒng)計(jì)分析血吸蟲(chóng)病的空間分布，結(jié)合地理探測(cè)器分析環(huán)境影響因素。
28.Can Cognitive Inferences be Made from Aggregate Traffic Flow Data?/可以從匯總交通流數(shù)據(jù)中做出認(rèn)知推斷嗎？
空間句法分析或街道網(wǎng)絡(luò)的拓?fù)浞治霰砻?，人?lèi)交通流量與一些拓?fù)渲行男远攘扛叨认嚓P(guān)，這意味著人類(lèi)在總體水平上的運(yùn)動(dòng)主要由街道網(wǎng)絡(luò)的基礎(chǔ)拓?fù)浣Y(jié)構(gòu)決定。然而，這種高相關(guān)性并不意味著任何個(gè)人的運(yùn)動(dòng)都可以通過(guò)任何街道網(wǎng)絡(luò)中心度量來(lái)預(yù)測(cè)。換句話(huà)說(shuō)，總體水平的交通流量不能用于推斷個(gè)人的空間認(rèn)知或空間概念化。基于一組基于代理的模擬，使用三種類(lèi)型的移動(dòng)代理 - 拓?fù)洌嵌群投攘?- 我們表明拓?fù)浣侵行亩葴y(cè)量與度量中心度量與選擇最短角度的代理的總流量相關(guān)性更好，拓?fù)浠蚬坡肪€。我們將拓?fù)浣蔷W(wǎng)絡(luò)效應(yīng)的優(yōu)越性與街道網(wǎng)絡(luò)與運(yùn)動(dòng)和通過(guò)運(yùn)動(dòng)潛力之間的結(jié)構(gòu)關(guān)系聯(lián)系起來(lái)。研究結(jié)果表明，總體流量與街道網(wǎng)絡(luò)中心度量之間的相關(guān)性不能用于推斷城市運(yùn)動(dòng)中個(gè)體空間認(rèn)知的知識(shí)。這篇文章分析了拓?fù)渚W(wǎng)絡(luò)結(jié)構(gòu)與個(gè)體人類(lèi)交通流量分析的關(guān)系，事實(shí)證明網(wǎng)絡(luò)結(jié)構(gòu)一定程度上與人類(lèi)活動(dòng)能夠相關(guān)，但是無(wú)法推斷個(gè)人的空間認(rèn)知。
29.Spatial prediction based on Third Law of Geography/基于地理第三定律的空間預(yù)測(cè)
目前的空間預(yù)測(cè)方法基于地理第一定律或統(tǒng)計(jì)原理或這兩者的組合。 “地理學(xué)第二定律”有助于修訂這些方法，因此它們適應(yīng)當(dāng)?shù)貤l件，但代價(jià)是對(duì)樣本的需求增加。本文提出了一種基于地理第三定律的空間預(yù)測(cè)新思路，重點(diǎn)研究了地理位置的相似性。根據(jù)地理第三定律，可以基于樣本和預(yù)測(cè)點(diǎn)之間的地理配置的相似性來(lái)進(jìn)行空間預(yù)測(cè)。這允許將單個(gè)樣本的代表性用于預(yù)測(cè)。采用預(yù)測(cè)土壤有機(jī)質(zhì)含量空間變異的案例研究，比較了基于地理第三定律的空間預(yù)測(cè)與基于第一定律和統(tǒng)計(jì)原理的空間預(yù)測(cè)。可以得出結(jié)論，基于地理第三定律的空間預(yù)測(cè)不要求樣本超過(guò)特定大小，也不要求具有特定空間分布以實(shí)現(xiàn)高質(zhì)量預(yù)測(cè)。與基于地理第三定律的空間預(yù)測(cè)相關(guān)聯(lián)的預(yù)測(cè)不確定性更能指示預(yù)測(cè)的質(zhì)量，因此在分配誤差減少努力方面更有效。這些屬性使得基于地理第三定律的空間預(yù)測(cè)更適合于在大型和復(fù)雜地理區(qū)域上進(jìn)行預(yù)測(cè)。這里朱阿興老師和閭國(guó)年老師提出了地理學(xué)第三定律，也就是空間相似性的定律。并做了基于第三定律的空間預(yù)測(cè)。我想未來(lái)基于空間相似的研究會(huì)越來(lái)越多。
隨著經(jīng)濟(jì)增長(zhǎng)和過(guò)去三十年城市化進(jìn)程的加快，中國(guó)的空氣質(zhì)量不斷下降，對(duì)人類(lèi)健康構(gòu)成了巨大威脅。細(xì)顆粒物（PM2.5）的濃度直接影響生活在空氣質(zhì)量差的污染地區(qū)的人們的死亡率。北京 - 天津 - 河北（BTH）地區(qū)是中國(guó)北方組織良好的城市地區(qū)之一，由于近期工業(yè)部門(mén)和車(chē)輛排放的增長(zhǎng)，其空氣質(zhì)量和大氣污染嚴(yán)重。在本研究中，我們使用反向傳播神經(jīng)網(wǎng)絡(luò)模型方法估計(jì)2014年1月至2016年12月期間BTH區(qū)域PM2.5濃度的空間分布，結(jié)合衛(wèi)星導(dǎo)出的氣溶膠光學(xué)深度（S-DAOD）和氣象數(shù)據(jù)。使用地面PM2.5數(shù)據(jù)驗(yàn)證結(jié)果。包括所有PM2.5訓(xùn)練數(shù)據(jù)和10倍交叉方法的一般方法已用于PM2.5估計(jì)的驗(yàn)證。該研究提供了一種監(jiān)測(cè)PM2.5濃度分布的新方法。本文討論的結(jié)果將對(duì)政府機(jī)構(gòu)制定和實(shí)施環(huán)境保護(hù)政策有很大幫助。利用BP神經(jīng)網(wǎng)絡(luò)、AOD和氣象數(shù)據(jù)估算PM2.5空間分布。
道路基礎(chǔ)設(shè)施對(duì)所有國(guó)家的福祉和經(jīng)濟(jì)健康都很重要。道路路面基礎(chǔ)設(shè)施的性能很復(fù)雜，受到眾多因素的影響，并且在不同的道路上變化很大。用于評(píng)估道路基礎(chǔ)設(shè)施性能的大規(guī)?？臻g分析越來(lái)越需要用于道路管理，因此收集多源因素，包括衛(wèi)星遙感氣候和環(huán)境數(shù)據(jù)，以及地面監(jiān)測(cè)車(chē)輛觀測(cè)，作為解釋變量。與傳統(tǒng)的基于點(diǎn)或區(qū)域的地理空間屬性不同，路面基礎(chǔ)設(shè)施的性能是基于線段的空間數(shù)據(jù)。因此，利用基于分段的空間分層異質(zhì)性方法來(lái)探索車(chē)輛，氣候，道路性質(zhì)和社會(huì)經(jīng)濟(jì)條件對(duì)路面基礎(chǔ)設(shè)施性能的綜合影響?；诜侄蔚淖顑?yōu)離散化應(yīng)用于離散化的基于段的路面數(shù)據(jù)，并且基于段的地理探測(cè)器用于評(píng)估變量及其相互作用的空間影響。結(jié)果表明，基于分段的方法可以更合理，準(zhǔn)確地描述基于線段的空間數(shù)據(jù)的特征，并評(píng)估空間關(guān)聯(lián)。與路面損壞相關(guān)的兩大類(lèi)因素是交通車(chē)輛和特別是重型車(chē)輛的變量，以及氣候和環(huán)境條件。同時(shí)，這兩類(lèi)解釋變量之間的相互作用比單一解釋變量具有更大的影響，相互作用可以解釋超過(guò)一半的路面損傷。本研究強(qiáng)調(diào)了基于遙感的道路基礎(chǔ)設(shè)施大規(guī)?？臻g分析的巨大潛力。本研究中的方法為分段地理數(shù)據(jù)的空間分析提供了新思路。研究結(jié)果表明，變量的量化綜合影響對(duì)于道路設(shè)計(jì)，施工和維護(hù)的明智決策是切實(shí)可行的。遙感數(shù)據(jù)用于道路基礎(chǔ)設(shè)施的檢測(cè)研究，具有較大的研究潛力。
