文章信息
- 樊超, 桂峰, 赵晟. 2019.
- FAN Chao, GUI Feng, ZHAO Sheng. 2019.
- 舟山本岛城市热岛安全度分析
- Safety degree analysis of urban heat-island in Zhoushan Island
- 海洋科学, 43(10): 134-141
- Marine Sciences, 43(10): 134-141.
- http://dx.doi.org/10.11759/hykx20190212002
-
文章历史
- 收稿日期:2019-02-12
- 修回日期:2019-04-16
海岛是四面环水并在高潮时高于水面的自然形成的陆地区域, 是我国推动海洋经济发展的桥头堡[1]。地理空间隔离使得岛陆土地资源稀缺性凸显, 快速城镇化进程中, 大量森林、耕地、滩涂及周边海域等自然覆被转变为以不透水面为主的城镇、港口及码头等用地类型[2-3]。不透水面具有反射率小、吸收热量多、蒸发耗热少、热量传导较快、辐射散失热量较慢等特点。不透水面及人类活动余热排放增加导致城市地表温度上升, 是城市热岛效应出现的主要原因之一[4-5]。海岛旅游业发展得益于海岛独特的气候资源禀赋[6]。海岛型城市出现的热环境问题对海岛生态系统及旅游产业造成了新的压力。
《中华人民共和国海岛保护法》规定了海岛生态保护的原则; 党的“十九大”对生态文明建设亦提出了新要求; 舟山海上花园城市建设, 迫切需要保护好海岛独特的环境。探讨海岛城市热环境问题, 对维护海岛气候资源禀赋、促进旅游经济快速发展及提升城市环境管理能力起着积极意义。目前利用Landsat系列的遥感影像获取地表温度(Land Surface Temperature, LST)的反演方法已较为成熟, 主要有单窗算法、劈窗算法、大气辐射传输方程法[7-10]。研究区域集中在长三角、珠三角城市群及北京、武汉、西安等空间规则型城市[11-15]。本研究以舟山本岛为例, 通过遥感影像反演了LST, 在此基础上, 探讨了海岛型城市的热岛安全度(Safety Degree of Heat- island, SDH)。考虑海岛城市空间离散度大的特点, 在城市内部划分更小的12个子单元。利用土地覆被、POI(Point Of Interest)等数据反映影响城市热岛效应的地表覆被及社会经济因素, 引入突变级数法进行城市热岛安全度评价指标体系构建与综合值计算。通过分析舟山本岛内部不同子区域热岛安全度, 对保持海岛生态系统稳定及实现旅游经济可持续发展有着积极意义。
1 研究区域舟山本岛是舟山群岛中面积最大、人口最集中、城市化水平最高的海岛, 地理位置为121.9°~122.3°E, 29.9°~30.2°N。岛陆分属定海和普陀两个区, 形成了以老城区(定海老城、沈家门)及新城区(临城、东港)为主, 多个乡镇街道并存的城市空间布局。舟山群岛新区建设为海岛城市化提供了机遇, 至2015年舟山本岛城市不透水面已逾120 km2, 约占舟山本岛总面积的1/4。随着极端天气的出现, 城市下垫面在高温中的暴露度增加。2015年7月23日~8月6日期间, 舟山出现了连续半月的晴热高温天气, 严重影响到了海岛生态系统及海岛旅游业。应对城市不透水面扩展增加的热环境风险, 需要更合理的城市环境规划与管理。通过热岛安全度分析, 为政府部门城市环境管理提供科学的理论依据, 是提升海岛城市自适应能力及抵御环境脆弱性的有效途径。
2 材料与方法基于Landsat-8 OLS/TIRS数据, 采用大气辐射传输方程法反演出舟山本岛2015年低温与高温两个情景的地表温度, 通过地表温度等级划分识别出城市热岛空间分布。利用突变级数法构建了城市热岛安全度评价框架, 并计算出城市内部子单元热岛安全度。最后, 使用均值—标准差法对各城市子单元进行热岛安全度等级划分。
2.1 地表温度反演算法大气辐射传输方程法基本原理为:估算出大气对地表热辐射的影响, 并从卫星传感器所观测到的热辐射总量中减去此部分影响, 从而得到地表热辐射亮度, 再将其转化为地表温度。辐射传输方程表达式为:
$ {L_入} = \left[ {\varepsilon \cdot B\left( {{T_{\rm{s}}}} \right) + \left( {1 - \varepsilon } \right) \cdot {L_ \downarrow }} \right] \cdot \tau + {L_ \uparrow }, $ | (1) |
式中,
大气剖面参数
$ B\left( {{T_{\rm{s}}}} \right) = \left[ {{L_{\rm{入}}} - {L_ \uparrow } - \tau \cdot \left( {1 - \varepsilon } \right) \cdot {L_ \downarrow }} \right]/\tau \cdot \varepsilon , $ | (2) |
根据普朗克公式的反函数可求得Ts:
$ {T_{\rm{s}}} = \frac{{{K_2}}}{{{\rm{ln}}\left( {\frac{{{K_1}}}{{B\left( {{T_{\rm{s}}}} \right)}} + 1} \right)}}. $ | (3) |
TIRS第10波段中的K1, K2为已知的常量, 可在数据头文件中读取, K1=774.89W(m2·μm·sr)、K2= 1321.08W(m2·μm·sr)。
Landsat-8 OLS/TIRS数据在反演时能够对大气削弱进行修正, 将地表温度从大气温度中分离出来, 近年来在城市热岛效应研究中得到广泛应用[18]。采用舟山本岛低温月及高温月2景Landsat 8 OLS/TIRS数据, 成像时间分别为北京时间2015年3月13日10点25分及2015年8月3日10点25分, 影像轨道号为118/39, 云量均小于2%, 分别进行辐射定标、大气校正及几何校正预处理, 然后根据上述算法获得舟山本岛地表温度。
2.2 城市热岛识别参照已有的研究, 使用均值-标准差法将Landsat- 8数据反演的地表温度划分为冷岛、绿岛、正常区、次热岛及强热岛5个等级(表 1), 将强热岛及次热岛识别为城市热岛效应区域[19]。
温度等级 | 取值范围 |
热强岛 | LST > μ+std |
次热岛 | μ+0.5std < LST≤ μ+std |
正常区 | μ–0.5std < LST≤ μ+0.5std |
绿岛 | μ–std < LST≤ μ–0.5std |
冷岛 | LST < μ–std |
注: LST:地表温度; μ: LST的平均值(数据来源为地表温度); std:标准差 |
城市是自然-社会-经济的复合系统, 影响城市热岛的成因可分为城市下垫面自然环境变化和人为扰动两大方面, 包括城市下垫面热力性质改变及人为废热排放等因素[20-21]。计算海岛型城市热岛安全度需要在划分城市子单元的基础上, 考虑导致热岛效应形成的地表覆被因素及社会经济因素, 从而构建热岛安全度评价指标体系(图 1)。
![]() |
图 1 城市热岛安全度评价指标体系 Fig. 1 The safety evaluation index of city heat-island effect |
地表覆被因素方面, 地表温度在森林、水域与不透水面三种地表覆被中较为敏感, 本研究分别统计了城市子单元内三种地表覆被的面积。社会经济因素方面, 由于海岛城市空间尺度较小, 需要精度更高的人口及产业分布等社会经济数据测算热岛安全度。POI(Point Of Interest)数据是地理对象在地理信息系统中表示的术语, 每个POI数据包含有经纬度、地理实体名称及行业属性等信息, 其中经纬度信息具有“空间定位”功能, 能真实且精确地反映城市人口社会经济活动强度信息[22-23]。如:城市中心区域商业点、银行、超市等数量较为聚中, 产生对应属性的POI数量较多。本文利用POI数据, 反映城市内部各个子单元人口及社会经济活动所产生的人为废热排放的空间分布情况。
各指标的数据来源及处理如下: (1)基于“2015年浙江省1︰10万土地覆被数据产品”, 统计了舟山本岛土地利用及覆被数据中的不透水面、森林及水域三类地物; (2)通过2015年《舟山统计年鉴》人口数据, 计算出城市内部人口密度; (3)从百度地图获取2015年研究区4 406个POI数据, 将其分为工业区、商业及生活区两大类, 其中工业区包括工厂、产业园区、港口码头等7种类型, 共计691个POI数据, 商业及生活区包括住宅小区、银行、超市等7种类型, 共计3 715个POI数据。在Arcgis10.2中分别对两组POI数据进行核密度聚类(用于计算要素在其周围邻域中的密度)分析。
突变级数法源自突变理论, 通过构造动态系统的数学拓扑模型描述社会活动与自然现象中事物连续性中断的质变过程。评价的步骤主要有3步:首先, 建立评价指标的层次结构模型; 其次, 确定评价指标各层次的突变系统类型; 最后, 根据突变系统分歧集方程推出的归一公式进行综合计算。利用突变级数法计算热岛安全度的基本思路为:将城市热岛安全度总指标多层次分组, 产生突变模糊隶属函数, 通过分歧函数的归一公式求出总隶属函数[24]。热岛安全度为第一层级指标, 将一级指标层级分为地表覆被因素与社会经济因素两个二级指标层级, 并选取下垫面及社会经济因素中的6个三级指标进一步分解二级指标层, 具体指标包括森林面积、不透水面面积、水域面积、人口密度、工业区密度、商业及生活区密度(图 1)。指标计算中, 上一层级作为状态变量, 下一层级作为控制变量, 当上一层级拥有2个下级指标时可构成尖点突变系统; 当上一层级拥有3个或4个下级指标为时, 分别构成燕尾突变系统及蝴蝶突变系统(表 2)[25]。运算中若多个控制变量间存在相关性, 取其均值作为突变级数值; 若控制变量间相互独立不显著, 则需按“大中取小”原则。
突变类型 | 控制变量个数 | 势函数 | 分歧集方程 | 归一化方程 |
尖点突变 | 2 | |||
燕尾突变 | 3 | |||
蝴蝶突变 | 4 |
由于原始数据度量单位不同, 评价前需对热岛安全评价指标原始数据归一化处理, 消除量纲影响。正向指标(森林面积及水域面积, 标有“+”)与负向指标(不透水面、工业区密度、商业及生活区密度及人口密度, 标有“–”)的处理方式分别见公式(4)与公式(5):
$ {x'_i} = \frac{{{x_i} - {x_{\min }}}}{{{x_{\max }} - x{}_{\min }}}\left( {正向指标} \right), $ | (4) |
$ {x'_i} = \frac{{{x_{\max }} - {x_i}}}{{{x_{\max }} - x{}_{\min }}}\left( {负向指标} \right), $ | (5) |
式中:
在对舟山本岛城市子单元热岛安全度计算的基础上, 使用均值—标准差法将热岛安全度计算的值由低到高分别划分为脆弱区、次脆弱区、正产区、次安全区及安全区5个等级(表 3)。
温度等级 | 取值范围 |
安全区 | SHD > μ+std |
次安全区 | μ+0.5std < SHD≤ μ+std |
正常 | μ–0.5std < SHD≤ μ+0.5std |
次脆弱区 | μ–std < SHD≤ μ–0.5std |
脆弱区 | SHD < μ–std |
注: μ: SDH的平均值; std:标准差 |
通过查询舟山本岛“长春岭”气象观测站的历史气象数据, 2015年3月13日的气温为8~19℃, 8月3日的气温为25~33℃。本研究的遥感影像成像时间均为上午10点25分, 接近当日高温值。“长春岭”站所处区域(地表覆被为森林)的反演值与的历史气温值较为吻合。此外, 展茅北部围海区内部仍为水域, 其地表温度反演值与该区域同时刻NASA的海表面温度值较为吻合。研究区自然下垫面的地表温度反演值与历史气象值误差在2℃以内。
2015年研究区低温情景中平均地表温度为16.7℃标准差为1.9℃; 高温情景中平均地表温度为36.7℃, 标准差为4.7℃。不同覆被区地表温度差异明显, 不透水面区平均地表温度最高, 植被与水域区地表温度低于平均值(表 4、图 2)。
地表覆被类型 | 高温情景 | 低温情景 |
不透水面区 | 41.8℃ | 18.3℃ |
植被覆盖区 | 33.1℃ | 15.6℃ |
水域区 | 32.9℃ | 13.5℃ |
![]() |
图 2 2015年研究区城市地表温度及热岛等级划分 Fig. 2 Classification of urban LST of study area in 2015 |
热岛识别结果显示:舟山本岛城市热岛效应主要分布在不透水面区域。低温情景中热岛比重为29.5%, 强热岛比重占12.0%;高温情景中热岛比重为28.7%, 强热岛比重上升至17.7%, 增量主要由次热岛区域转入。
舟山本岛城市空间分布离散度大, 为了更有效的追溯热岛区域需要进行城市子单元划分。由于海岛特殊的地形(中间高四周低, 中部为山脉, 平原分布于四周), 舟山本岛街道边界的划定多以中央山脉为基础, 现有的街道边界能够大致反映出本岛内部自然环境及聚落分布的空间差异。本研究在2015年行政街道边界基础上划分了12个次一级城市子单元, 包括普陀区老城(沈家门)、普陀区新城(东港)、定海老城区老城(定海老城)及临城新区(临城)4个主城区, 双桥、白泉等8个街道。定海老城子单元虽然分属环南街道与城东街道两个街道, 但由于该区域整体面积较小, 街道间的融合度较大, 自然环境与各种社会经济要素无明显差异, 因此将其设为一个整体的城市子单元。根据热岛识别结果, 高温情景中舟山本岛城市内部子单元热岛效应面积比重最大的区域为沈家门、马岙及定海老城, 其中强热岛比重较大的区域为沈家门、定海老城及小沙。低温情景中城市热岛效应面积比重较大的区域为沈家门、双桥及临城, 其中强热岛比重较大有沈家门、临城及定海老城(图 3)。
![]() |
图 3 舟山本岛城市内部子单元热岛差异 Fig. 3 Differences of regional city heat-island effect in Zhoushan |
舟山本岛城市热岛安全度评价指标体系数据处理结果如图 4所示。热岛安全度计算结果显示:展茅、小沙及盐仓三个区域热岛安全度最高, 定海老城、白泉、东港及沈家门四个区域热岛安全度最低(图 5)。
![]() |
图 4 研究区城市热岛安全评价指标分析结果 Fig. 4 Consequence of safety evaluation index of city heat-island effect |
![]() |
图 5 城市热岛安全度评价结果 Fig. 5 Safety evaluation consequence of city heat-island effect |
定海老城、东港、沈家门及白泉处于热岛环境脆弱区域, 受建设用地限制, 定海老城、东港、沈家门三个区域人口及建筑集聚程度最高, 城市内部湿地及绿化面积较少, 环境脆弱性突显。临城区域城市环境规划更为合理, 河网及绿化面积分布较广, 建筑密度及人口密度低于其他三个区域, 热岛安全度较高。
东港工业区主要布局水产加工及造船业, 毗邻城市主要功能区, 由此造成的热岛脆弱性较显著; 白泉为舟山本岛北部产业带核心区域, 不透水面占地连续性较大、占地面积较广, 抵御热岛风险的自适应能力较低; 展茅、小沙等区域主要为建材加工企业、造船及水产品加工等工业部门, 产业布局呈现沿海条带状分布, 由于区域人口密度较小, 形成的风险相对较小, 热岛安全度较高。
对舟山本岛城市热岛安全度评价结果的等级划分结果如图 6所示:
![]() |
图 6 城市热岛安全等级划分结果 Fig. 6 Safety degree of city heat-island effect |
海岛地理空间的封闭性与独立性, 促使城市社会经济要素较为集中, 快速城市化过程中海岛型城市亦面临着热岛效应。舟山“海上花园”城市建设需要通过更合理的环境规划, 协调城市化与环境质量之间的关系。舟山城市空间离散度较大, 本研究进一步划分了12个城市子单元, 并使用突变级数法测算了热岛安全度, 结果如下: (1)强热岛面积比重在高温情景(17.7%)高于低温情景(12.0%), 但总热岛面积比重差异不大。热岛强度在城市内部空间差异较大, 沈家门热岛效应最显著; (2)东港、定海老城、白泉及沈家门受到社会经济因素扰动程度最大, 城市内部热岛安全度最低, 展茅、小沙及马岙社会经济因素扰动较小, 热岛安全度最高。舟山本岛未来城市化建设过程中, 需要重点改善定海老城、东港、沈家门及白泉四个区域的下垫面覆被状况, 城市环境规划中应增加城市湿地、林地等景观等比重。同时, 需要协调经济社会发展及环境保护之间的关系, 加大科技投入力度, 提升科技创新能力, 推动产业优化升级, 深化海岛生态文明建设, 减少工业余热排放带来的热岛风险。
[1] |
余爱莲, 邓一兵, 桂峰, 等. 海岛生态压力定量评估模型构建[J]. 海洋通报, 2014, 33(6): 676-682. Yu Ailian, Deng Yibing, Gui Feng, et al. Construction of quantitative model for the island ecological stress evaluation[J]. Marine Science Bulletin, 2014, 33(6): 676-682. |
[2] |
池源, 石洪华, 郭振, 等. 海岛生态脆弱性的内涵、特征及成因探析[J]. 海洋学报, 2015, 37(12): 93-105. Chi Yuan, Shi Honghua, Guo Zhen, et al. Connotation, feature and causes of island ecological vulnerability[J]. Haiyang Xuebao, 2015, 37(12): 93-105. DOI:10.3969/j.issn.0253-4193.2015.12.010 |
[3] |
麻德明, 石洪华, 刘世昊, 等. 快速城市化进程中海岛景观格局演变及驱动机制——以大长山岛为例[J]. 海洋环境科学, 2015, 34(2): 261-267. Ma Deming, Shi Honghua, Liu Shihao, et al. The evolution and driving mechanism of landscape pattern in islands during rapid urbanization:A case study of Dachangshan Island[J]. Marine Environmental Science, 2015, 34(2): 261-267. |
[4] |
祝亚鹏, 王琳, 卫宝立. 发展中城市地表热环境与下垫面关系研究[J]. 环境科学与技术, 2018, 41(S1): 318-324. Zhu Yapeng, Wang Ling, Wei Baoli. Study on the Rela-tionship between Surface Thermal Environment and Underlying Surface in Developing Cities[J]. Environmental Science and Technology, 2018, 41(S1): 318-324. |
[5] |
顾莹, 束炯. 上海近30年人为热变化及与气温的关系研究[J]. 长江流域资源与环境, 2014, 23(8): 1105-1110. Gu Ying, Shu Jiong. Variation of anthropogenic heat in Shanghai in recent 30 years and its relation to air tem-perature[J]. Resources and Environment in the Yangtze Basin, 2014, 23(8): 1105-1110. DOI:10.11870/cjlyzyyhj201408009 |
[6] |
刘伟, 李红波. 辽宁长山群岛旅游气候适宜性研究[J]. 中国人口·资源与环境, 2011, 21(136): 500-503. Liu Wei, Li Hongbo. Tourist Climate Suitability of Chang-shan archipelago, Liaoning[J]. China Population Resources and Environment, 2011, 21(136): 500-503. |
[7] |
史新, 周买春, 刘振华, 等. 基于Landsat 8数据的3种地表温度反演算法在三河坝流域的对比分析[J]. 遥感技术与应用, 2018, 33(161): 91-101. Shi Xin, Zhou Maichun, Liu Zhenhua, et al. Comparative analysis on three land surface temperature inversion algorithms based on Landsat 8 data over Sanheba basin[J]. Remote Sensing Technology and Application, 2018, 33(161): 91-101. |
[8] |
Jimenez-Munoz J C, Sobrino J A, Skokovic D, et al. Land surface temperature retrieval methods from Landsat-8 thermal infrared sensor data[J]. IEEE Geoscience and Remote Sensing Letters, 2014, 11(10): 1840-1843. DOI:10.1109/LGRS.2014.2312032 |
[9] |
Rozenstein O, Qin Z, Derimian Y, et al. Derivation of land surface temperature for Landsat-8 TIRS using a split window algorithm[J]. Sensors, 2014, 14(4): 5768-5780. DOI:10.3390/s140405768 |
[10] |
宋挺, 段峥, 刘军志, 等. Landsat 8数据地表温度反演算法对比[J]. 遥感学报, 2015, 19(3): 451-464. Song Ting, Duan Zheng, Liu Junzhi, et al. Comparison of four algorithms to retrieve land surface temperature using Landsat 8 satellite[J]. Journal of Remote Sensing, 2015, 19(3): 451-464. |
[11] |
董良鹏, 江志红, 沈素红. 近十年长江三角洲城市热岛变化及其与城市群发展的关系[J]. 大气科学学报, 2014, 37(2): 146-154. Dong Liangpeng, Jiang Zhihong, Shen Suhong. Urban heat island changes and its relationship with urbanization of urban agglomerations in Yangtze river delta in past decade[J]. Transactions of Atmospheric Sciences, 2014, 37(2): 146-154. DOI:10.3969/j.issn.1674-7097.2014.02.003 |
[12] |
江学顶, 夏北成. 珠江三角洲城市群热环境空间格局动态[J]. 生态学报, 2007, 27(4): 1461-1470. Jiang Xueding, Xia Beicheng. Spatial characteristics and dynamic simulations of urban heat environment of cities in Pearl River Delta[J]. Acta Ecologic Sinica, 2007, 27(4): 1461-1470. DOI:10.3321/j.issn:1000-0933.2007.04.025 |
[13] |
徐永明, 刘勇洪. 基于TM影像的北京市热环境及其与不透水面的关系研究[J]. 生态环境学报, 2013, 22(4): 639-643. Xu Yongming, Liu Yonghong. Study on the thermal en-vironment and its relationship with impervious surface in Beijing city using TM image[J]. Ecology and Environment Sciences, 2013, 22(4): 639-643. DOI:10.3969/j.issn.1674-5906.2013.04.015 |
[14] |
吴志刚, 江滔, 樊艳磊, 等. 基于Landsat8数据的地表温度反演及分析研究:以武汉市为例[J]. 工程地球物理学报, 2016, 13(1): 135-142. Wu Zhigang, Jiang Tao, Fan Yanlei, et al. Land surface temperature retrieval and result analysis based on Landsat8 data in Wuhan city[J]. Chinese Journal of Engineering Geophysics, 2016, 13(1): 135-142. DOI:10.3969/j.issn.1672-7940.2016.01.023 |
[15] |
卞子浩, 马超群, 王迪, 等. 西安地区热岛效应与景观生态格局相关性研究[J]. 干旱气象, 2016, 34(2): 342-348. Bian Zihao, Ma Chaoqun, Wang Di, et al. Relation between the urban heat island effect and landscape ecological pattern in Xi'an region[J]. Journal of Arid Meteorology, 2016, 34(2): 342-348. |
[16] |
Sobrino J A, Raissouni N, Li Z L. A comparative study of land surface emissivity retrieval from NOAA data[J]. Remote Sensing of Environment, 2001, 75(2): 256-266. DOI:10.1016/S0034-4257(00)00171-1 |
[17] |
覃志豪, ZhangMinghua, ArnonKarnieli, 等. 用陆地卫星TM6数据演算地表温度的单窗算法[J]. 地理学报, 2001, 68(4): 456-466. Qin Zhihao, Zhang Minghua, Arnon K, et al. Mono-win-dow algorithm for retrieving land surface temperature from landsat TM6 data[J]. Acta Geographica Sinica, 2001, 68(4): 456-466. |
[18] |
徐涵秋. Landsat 8热红外数据定标参数的变化及其对地表温度反演的影响[J]. 遥感学报, 2016, 20(2): 229-235. Xu Hanqiu. Change of Landsat 8 TIRS calibration para-meters and its effect on land surface temperature retrieval[J]. Journal of Remote Sensing, 2016, 20(2): 229-235. |
[19] |
王建凯, 王开存, 王普才. 基于MODIS地表温度产品的北京城市热岛(冷岛)强度分析[J]. 遥感学报, 2007, 11(3): 330-339. Wang Jiankai, Wang Kaicun, Wang Pucai. Urban heat (or cool) island over Beijing from MODIS land surface temperature[J]. Journey of Remote Sensing, 2007, 11(3): 330-339. |
[20] |
邬丹, 邹凯, 杨波. 基于RS与GIS的长沙市城市热岛影响因子分析[J]. 地理空间信息, 2015, 1: 65-68. Wu Dan, Zhou Kai, Yang Bo. Influencing factor analysis of urban heat island in Changsha city based on RS and GIS[J]. Geospatial Information, 2015, 1: 65-68. DOI:10.3969/j.issn.1672-4623.2015.04.024 |
[21] |
葛荣凤, 王京丽, 张力小, 等. 北京市城市化进程中热环境响应[J]. 生态学报, 2016, 36(19): 6040-6049. Ge Rongfeng, Wang Jingli, Zhang Lixiao, et al. Impacts of urbanization on the urban thermal environment in Beijing[J]. Acta Ecologica Sinica, 2016, 36(19): 6040-6049. |
[22] |
张铁映, 李宏伟, 许栋浩, 等. 采用密度聚类算法的兴趣点数据可视化方法[J]. 测绘科学, 2016, 41(5): 157-162. Zhang Tieying, Li Hongwei, Xu Donghao, et al. POI data visualization based on DBSCAN algorithm[J]. Science of Surveying and Mapping, 2016, 41(5): 157-162. |
[23] |
陈世莉, 陶海燕, 李旭亮, 等. 基于潜在语义信息的城市功能区识别——广州市浮动车GPS时空数据挖掘[J]. 地理学报, 2016, 71(3): 471-483. Chen Shili, Tao Haiyan, LI Xuliang, et al. Discovering urban functional regions using latent semantic information:Spatiotemporal data mining of floating cars GPS data of Guang[J]. Acta Geographica Sinica, 2016, 71(3): 471-483. |
[24] |
翁翎燕. 基于突变级数法的江苏省资源环境承载力评价及障碍因素诊断[J]. 水土保持研究, 2018, 25(3): 354-359. Weng Lingyan. Evaluation of resources and environment carrying capacity based on catastrophe progression method and diagnosis of its obstacle indicators in Jiangsu province[J]. Research of Soil and Water Conservation, 2018, 25(3): 354-359. |
[25] |
THOM R. Structural Stability and Morphogenesis[M]. Boulder: Colorado Westview Press, 1994: 25-63.
|