基于微博大数据的北京市流动人口情绪与职住分布的关系研究

流动人口的职住情绪能够反映其工作与生活状态。本研究首先基于2017年北京市微博大数据,利用jieba分词结合人工筛选得到流动人口发布的微博文本;其次,对Roberta-wwm-ext-large模型进行迁移学习识别北京全人群与流动人口的微博情绪;然后,结合POI数据与微博发布时间得到流动人口的职住分布;最后,基于微博情绪与职住分布得到流动人口的职住情绪,利用Getis-Ord Gi*挖掘职住情绪的空间聚集模式,采用地理探测器分析影响职住情绪热点分布的因素。实验表明,北京流动人口情绪均值（0.56）稍低于北京全人群（0.57）（P<0.01）,但整体表现为积极;从空间分布来看,流动人口在东、西城区情绪均衡,西北部科技创新区情绪相对于流动人口情绪均值较为低落,而东南部中心商务区、文化交流区及国际化社区情绪较高涨;从情绪与职住的关系来看,流动人口的工作情绪与从事的工作类型有关（q=0.03,P<0.05）,高新技术产业园、工业园、物流产业园的流动人口从业人员的工作情绪相对于流动人口工作情绪均值较为消极,健康产业园、文化创意产业园、农业园的流动人口从业人员的工作情绪较积极;流动人口的居住情绪与居住环境有关（q=0.06,P<0.1）,居住在远郊区的流动人口情绪相对于流动人口居住情绪均值较为消极,居住在近郊高密度的流动人口情绪较为积极。因此,相关部门应重点关注从事高新技术产业、工业、物流产业的流动人口以及居住在远郊区的流动人口。     

北纬地区温度和卫星监测的植被活动节律变化的比较分析(英文)

Plant growth at northern latitudes is highly responsive to the climatic changes that have occurred over recent decades. However, the sensitivity of the phasing of the seasonal cycle of terrestrial ecosystems to a changing environment remains less widely understood. We present an investigation and comparative study of large-scale changes in seasonal cy-cling of both land surface temperature and plant growth. Our results have shown trends in-dicating a marked increased towards overall plant productivity by ~3% from 1982 to 2005, reduced trends in seasonal variation at low-mid latitudes by ~2%, increased trends in sea-sonal variations at mid-high latitudes by ~7%, and an earlier phase in northern terrestrial ecosystems (~1.1 days) in parallel with changes in the phasing of surface temperatures at northern latitudes over the 24 years in this study. These shifts in annual cycles of terrestrial vegetation appear to have a distinct geographical zonality and are dependent upon latitudinal changes in climatic variables. More conspicuous changes in overall vegetation productivity and the seasonal phase of ecosystems have been observed in Eurasia compared to North America, largely because of a more rapid rise in temperature. Our results state that changing climate boosts plant growth at northern latitudes, but also alters the phase and seasonal variations of the annual cycle of terrestrial ecosystems.     

基于文献计量学的社会—生态系统恢复力研究进展

采用文献计量学方法,运用CiteSpace和TDA等引文分析及可视化工具,对国内外"社会—生态系统恢复力"相关研究论文进行分析。构建检索式,得到1900—2017年WOS(Web of Science)期刊论文共10 315篇,对研究态势及热点进行梳理和分析。结果发现,系统恢复力研究可归纳为5个基本理论问题,即内涵、变化诱因、空间尺度、研究对象及响应措施。自1973年提出,该理论发展了近45年,借助知识图谱分析发现,形成了三大研究主题领域:内涵与理论、诱因与方法、适应与管理。分析研究热点时序演化发现,近20年来,以气候变化为诱因、以生态系统为对象的研究形成了最为完备的理论和方法体系;近10年来,社区和城市尺度的研究发展迅速成为热点;近5年来,社会学习和知识传播等适应对策得到关注。深化对同质社会经济单元的研究,开展案例研究与实地观测、实验和建模方法的融合是未来研究的重点。     

地学知识图谱的定义、内涵和表达方式的探讨

在地学图谱和地学信息图谱的基础上,本文提出了地学知识图谱的概念,并介绍了地学知识图谱的基本框架、特征和理论意义。地学知识图谱将地学知识以虚拟空间坐标的形式反映在地图上,用以展示地理对象特征空间分布,揭示出一些隐含的规律。它是对地理知识形式化的图形表达,具有语法和语义特征,因此,有可计算性。它的基本组成要素和结构由所表达的内容决定。地学知识图谱,不仅是一种知识表达和数据挖掘的手段,也是空间认知的一种方式和结果。     

北京市摩拜共享单车源汇时空特征分析及空间调度

共享单车是解决城市出行最后一公里的重要工具。然而,共享单车在使用过程中出现了供需时空失衡的现象,导致部分区域无车可用,而另一些区域却车满为患。这一现象不仅给用户带来不便,同时也降低了单车周转效率。解决供需失衡问题,关键在于探究共享单车供需失衡的时空分布特征。本文定义了共享单车的“源”、“汇”点,采用2017年5月10日至2017年5月16日北京市摩拜单车数据以及土地利用分类等多源数据,分析了共享单车工作日与周末,以及早、晚高峰期间强源、强汇点的分布特征,并结合土地类型信息分析了不同用地类型的单车使用模式,从而进一步提出了共享单车的空间调度模型。结果显示,在考虑不同土地利用类型的影响下,摩拜共享单车强源汇点分布模式具有明显的时空异质性：① 工作日单车使用量明显高于周末,且不同土地利用类型的源汇分布显著不同,如居住用地、商业金融用地等地净流入、流出密度更大,绿地等地区则相对较小;② 对比早晚高峰期间,同一地区的单车使用源汇模式极可能相反,如教育科研用地、商业金融用地等带有办公性质的地区会有“早汇晚源”的特征,而居住用地则是“早源晚汇”;③ 同一类土地利用在工作日与周末的早晚高峰期间,单车使用的源汇特征亦存在差异,如办公性质的地区在周末时源汇比例会明显产下降。基于上述结果,本文提出了一种局部优化的调度模型,并通过实际数据进行了检验。该模型在一定程度上可以解决车辆空间分配不均衡的问题,提高城市共享资源使用率,增加人们出行的方便程度。     

基于出租车用户出行的功能区识别

出租车数据作为城市大数据重要来源,其上车行为和下车行为直接反映城市人群出行行为特征,帮助城市规划者发现城市人群出行规律和城市功能结构。但是出租车数据隐含多维度信息,一维或者二维模型不足以表达和挖掘其蕴含的多维信息,因此本文选择可以承载多维数据的张量模型对出租车OD（上车/下车）数据进行时空模式挖掘。本文将北京六环区域划分为500 m×500 m格网,采用北京市2012年11月1-16日的出租车OD数据,分别构建O点和D点张量,利用张量分解模型从日尺度、时段尺度揭示出租车用户出行时间模式,同时获取不同时段对应的出租车用户出行空间模式,并推测空间模式包含的语义属性。本文结合城市兴趣点（Point of Interest, POI）数据,提高空间模式语义属性推测的准确性,识别出租车用户出行功能区。结果表明：出租车用户出行时间符合工作日和休息日的早高峰、日间、晚高峰以及夜间模式;对应8种时间模式,出租车用户出行包含8种空间模式,每一种空间模式都是对应时间模式下的上下车热点区域,因此空间模式的变化表明城市人群在不同的时间点,到达不同的场所,进行不同的活动,间接表达空间功能的动态变化;区域的功能不是单一静态的,而是随着时间在不断地变化,是不同时段功能的组合。本文揭示出租车OD数据中隐含的出租车用户出行模式和空间功能动态变化,对利用人类行为时空模式研究区域空间功能结构具有科学参考价值。     

居民出行活动特征与收入水平的关系——以上海市为例

居民出行活动与居民的收入水平关系是公共交通、城市地理研究的重要问题。传统获取居民出行活动信息主要基于问卷调查的方式,不仅成本高、样本量有限,且研究局限于定性讨论,研究结果易因受访者的主观意识而产生偏颇。随着信息技术的革新,传感器记录的大规模人类活动信息为研究居民出行活动特征与居民收入水平关系提供了可能性。本文利用上海市居民时空轨迹数据,从居民出行活动的角度出发,首先构建居民出行活动指标,并利用主成分分析法提取居民出行活动特征的主要成分;然后对主成分进行K-Means聚类,并针对不同出行活动特征的类别,分析居民出行活动特征与居民收入水平的关系,结果表明：①居民出行地点多样性与居民出行范围大小是反映居民出行活动特征的主要成分;②移动范围越小、移动地点多样性越低的居民类别,其平均工资水平越高;③不同移动性特征的类别平均收入水平差异与各类别居民工作地的产业发展有关。研究结论可为城市规划及相关经济政策制定提供参考。     

信息地理学学科体系与发展战略要点

信息时代的到来极大地促进了地理科学的发展,地理科学的研究已从传统的自然地理空间、人文地理空间拓展到了信息地理空间,催生了信息地理学的发展,并逐渐形成了地理遥感科学、地理信息科学和地理数据科学3个分支学科。在《中国学科及前沿领域发展战略研究（2021—2035）》地理科学的学科规划背景下,本文梳理了信息地理学的形成、定义和学科体系,重点阐述了信息地理学的学科发展战略布局、优先领域发展目标和重点方向。以期本文有助于促进遥感、地理信息科学与技术的发展和应用回归地理科学,进一步强化地理科学研究,使其更加系统化、科学化和现代化,促进地理科学的整体发展。     

多源地理大数据支撑下的地理事件建模与分析

地理事件作为描述地理过程的基本单元,逐渐成为地理信息科学（GIS）核心研究内容。由于受人类活动数据获取限制,GIS对地理事件的建模和分析主要关注事件所引起的地理空间要素变化及要素之间的相互影响与作用机制。然而,近年来随着基于位置服务数据（LBS）爆炸式的增长和人类活动大数据定量刻画手段的快速发展,地理事件对人类活动的影响以及公众对地理事件的网络参与度都引起了多个领域的广泛关注,对地理事件的时空认知、建模方法和分析框架提出了巨大的挑战。对此,本文首先深入分析了大数据时代地理事件的概念与分类体系;其次,基于地理事件的时空语义给出了基于图模型的事件数据建模,建立了事件本体及其次生或级联事件的“节点—边”表达结构,开展了事件自身时空演化及其前“因”后“果”的形式化描述;第三,从时空数据分析与挖掘的角度,给出了大数据时代地理事件建模与分析的整体框架,拟突破传统“地理实体空间”事件探测与分析方法的局限性,融合“虚拟空间”事件发现与传播模拟思路,实现多源地理大数据支撑下的面向地理事件的人类活动多尺度时空响应与区域差异分析;最后,本文以城市暴雨事件为例诠释了本文所提出的地理事件建模与分析方法,从城市和城市内部两个尺度进行了暴雨事件与人类活动的一致性响应及区域差异分析,得到了明确的结论,验证了前文分析框架的可行性与实用性。