论文部分内容阅读
自中国实施改革开放以来,中国的城镇化步伐不断加快,在推动国民经济持续快速发展,促进城乡居民生活水平全面提升的同时,也存在着各地区城市发展不平衡,城市土地扩展超过人口增长,土地粗放式使用,资源浪费现象严重、环境恶化等问题,严重影响了城市发展的可持续性。解决上述问题的首要前提是准确掌握城市发展情况,城区范围的动态变化能够反映城市扩张历程和空间发展模式,城市可持续性评价能够反映城市的健康状况和发展潜力。开展城市扩张监测、时空演变及生态环境评价分析,对于把握城市发展规律,科学开展城市规划和建设,促进城市可持续发展有着极为重要的作用。然而目前的相关研究存在着城区概念不统一,城市边界提取需要大量人工样本,城区面积预测考虑因素不全,可持续发展评价体系不客观等问题。针对这些问题,本文对城市扩张监测、时空演变及可持续发展评价进行了深入研究,主要工作概括如下:(1)提出了基于渐进式学习模型的城区范围提取新方法。通过将城区空间约束等先验知识和影像特征等未标记样本信息相结合,减少了机器学习需要的训练样本数量,通过利用路网数据进行分割的方法避免了利用分类方法提取城区过程中高层语义信息表达的难题,提升了城区范围提取的精度。该方法利用城市路网数据将城市分割为街区,采用场景分类的方式提取城区,利用金字塔逐层分块进行空间约束的方法将城区提取原则融入机器学习过程,能够在少量样本条件下得到与人工提取城区范围极为接近的效果,减少了工作量,为城区范围高精度自动提取提供新的解决方案。(2)提出了LSTM-RBF城区面积预测模型并开展全国省会城市扩张时空演变分析和模拟预测。以全国31个省会级城市为监测对象,以高分辨率遥感影像为主要数据源,在渐进式学习提取成果的基础上加以人工修正,提取得到2000、2005、2010、2015年4期城区边界,在此基础上对2016年城区面积进行预测,通过LSTM-RBF模型同LSRM网络、RBF网络和多元线性回归方法的实验结果对比分析,证明了LSTM-RBF模型在城区面积预测方面的优越性。通过开展城市规模分布、扩展特征、扩展类型等分析,得到如下结果:(a)2000-2015年,我国省会城市保持了高速增长趋势,总面积增加了90%;(b)省会城市体系接近捷夫模式的等级规模分布,同时随着时间推移,逐渐趋于均衡分布;(c)城市扩展情况地区差异显著,东部扩展速度逐步放缓,西部、东北地区加速扩张,中部地区稳步扩张;(d)61%的省会城市呈外延式扩展;(e)中国省会城市发展情况与国家城市发展政策和地区发展战略高度相关。(3)提出了城市地理环境指数(UGEI)综合评价模型,对2015年中国省会城市可持续发展情况进行评价。该模型从自然资源有限的角度出发,统一采用地均指标而非原始指标、人均指标或者多种指标混合来构建评价模型,通过选取更多的地表覆盖/土地利用指标而非经济、社会指标来构建压力-状态-响应模型,并利用层次分析法和熵权法进行加权计算得到最终评价结果。通过与原始指标、人均指标及以行政区面积为分母计算的地均指标的对比,验证了模型的客观性和可靠性。最终评价分析结果表明:(a)我国约有一半的省会城市可持续发展水平处于中等及以下;(b)中国省会城市的地理环境可以分为四个区域,秦岭-淮河是南北区域的重要分界线,西南部区域最好,西北部区域最差;(c)我国省会城市中地理环境状况最好的3个城市分别是海口、南宁、长沙,最差为郑州、太原、石家庄。