POI和夜间灯光融合数据用于城乡结合部空间划定的研究——以武汉市为例

孟滢滢; 周思赜; 聂艳; 曾怀文; 于婧

doi:10.13203/j.whugis20220597

POI和夜间灯光融合数据用于城乡结合部空间划定的研究——以武汉市为例

孟滢滢^1,,
周思赜¹,
聂艳²,
曾怀文³,
于婧^1, ,

1.
湖北大学区域开发与环境响应湖北省重点实验室,湖北武汉,430062
2.
华中师范大学地理过程分析与模拟湖北省重点实验室,湖北武汉,430079
3.
深圳市城市空间规划建筑设计有限公司,广东深圳,518039

基金项目:

教育部人文社会科学研究青年基金 20YJC630207

详细信息

作者简介:
孟滢滢,硕士,研究方向为国土空间规划。623173312@qq.com

通讯作者:
于婧,博士,教授。yjing@hubu.edu.cn

计量
- 文章访问数: 536
- HTML全文浏览量: 62
- PDF下载量: 73
出版历程
- 收稿日期: 2024-03-27
- 网络出版日期: 2023-07-02
- 刊出日期: 2025-03-04

Spatial Delimitation of Urban-Rural Fringe Based on POI and Nighttime Light Data： A Case Study of Wuhan City

1.
Hubei Key Laboratory of Regional Development and Environmental Response, Hubei University, Wuhan430062, China
2.
Hubei Provincial Key Laboratory for Geographical Process Analysis and Simulation, Central China Normal University, Wuhan430079, China
3.
Shenzhen Urban Space Planning and Architectural Design Co. Ltd, Shenzhen518039, China

摘要

摘要:
城乡结合部边界识别是城乡精细规划与治理的基础工作,对于土地可持续利用、城乡一体化等进程具有推动作用。以往城乡结合部划分存在数据源单一、获取困难、时空分辨率低的不足,基于电子地图的兴趣点（point of interest,POI）和国家极地轨道伙伴关系（national polar-orbiting partnership,NPP）卫星的夜间灯光融合数据,构建NPP &POI综合指数；结合城乡空间结构关系,提出了一种新的城乡结合部空间识别方法。以武汉市为例,采用断裂点分析法识别空间突变点,求得城乡结合部边界,利用土地利用结构信息熵、归一化植被指数(normalized difference vegetation index,NDVI)以及人口密度数据对划定结果进行验证和比较,并对典型区域进行了野外实地校核。结果表明,相较于单独采用POI、夜间灯光和人口密度数据,NPP &POI综合指数考虑了夜间灯光与POI中设施类型、光照强度和分辨率差异,其划分识别出的城乡结合部边界准确度更高、时效性更强；相较于土地利用、景观等数据,NPP &POI综合指数更能表征城乡发展活力,定量识别出城乡潜在中心区与多层结构对于城乡基础设施的配置、产业分工、生态职能划分等研究具有参考意义。NPP &POI综合指数在城乡空间上的二次突变规律证实了城乡结合部作为城市扩张过程中产生的地域实体客观存在,为城乡三元结构理论提供了实证支撑。
- NPP &POI综合指数 /
- 城乡结合部 /
- 断裂点分析法 /
- 城乡空间结构 /
- 夜间灯光数据
Abstract:
Objectives
The identification of urban-rural fringe boundaries is a fundamental task for fine urban and rural planning and governance, and it plays a vital role in promoting sustainable land use and urban-rural integration. The traditional methods for delineating urban-rural boundaries have many limitations, such as reliance on single data sources, difficulty in data acquisition, and low temporal and spatial resolution.
Methods
This paper proposes a novel method for identifying urban-rural fringe boundaries, based on the fusion of points of interest (POI) from electronic map and nighttime light data of national polar-orbiting partnership (NPP) satellite, in conjunction with the spatial structure of urban and rural space. Taking Wuhan City as a case study, this paper employs break point analysis to identify spatial mutation points and determine urban-rural fringe boundaries. The results are validated and compared using land use structure entropy, normalized difference vegetation index, and population density data, with field verification conducted in selected typical areas.
Results
The results show that by considering differences in facility types, light intensity, and resolution in POI and nighttime light data, the NPP &POI composite index for boundary delineation offers higher accuracy and timeliness compared to the boundaries identified using POI, nighttime light, and population density data individually. NPP &POI data can more effectively reflect the vitality of urban-rural development compared to land use and landscape data. The quantitative identification of potential central areas and multi-layered structures in urban-rural settings is significant for research on urban-rural infrastructure allocation, industrial division, and ecological function distribution.
Conclusions
The secondary mutation pattern of NPP &POI data in urban-rural spaces confirms the objective existence of urban-rural fringe areas as territorial entities emerging from urban expansion, providing empirical support for the urban-rural triad structure theory.
- NPP &POI composite index /
- urban-rural fringe /
- break point analysis /
- structure of urban and rural space /
- nighttime light data
http://ch.whu.edu.cn/cn/article/doi/10.13203/j.whugis20220597

HTML全文

重力垂直梯度是指重力沿其铅垂方向的导数,它表示的是地球重力场强度在垂直方向上的变化率,比重力具有更高的空间分辨率,是重力测量学和地球物理学中的重要地球物理量^[1]。重力垂直梯度对近地表的密度变化以及地球内部的质量运动有较为敏锐的探测能力^[2],与重力相比,重力垂直梯度在探测埋藏较浅的密度异常体时反应更为敏锐,表现的特征更丰富全面^[3]。因此研究重力垂直梯度及其时变特征,可以获取地球表层及其内部物质的空间分布、运动和变化^[4]。在地球物理探测领域,为满足油气勘探的需要,重力垂直梯度测量开始得到重视和应用^[5],随着重力垂直梯度测量精度的提高,重力垂直梯度测量技术已成为资源探测和地质勘探的关键技术之一^[6-7]。在物理大地测量学中,利用重力垂直梯度可以进行精化似大地水准面的研究^[8-9]。在地球动力学中,重力垂直梯度数据已应用于断层活动、冰后回弹和震源研究^[10],使人们对这些动力学事件以及灾害预测有了进一步认识^[11]。综上所述,重力垂直梯度测量数据可以为大地测量学、地球物理学和地球动力学等研究领域提供丰富的信息,对地球科学和空间科学的发展有着重要的意义^[5]。

地面上的传统重力垂直梯度测量方法主要有3种：利用高精度相对重力仪测定重力垂直梯度,利用绝对重力仪的重力观测数据确定重力垂直梯度以及利用重力梯度仪直接测得重力垂直梯度。

利用相对重力仪测量重力垂直梯度时,通常将两台高精度相对重力测量仪器置于位置高低不同处同时观测,然后交换两台仪器反复观测,获取两点间的重力差值以求得重力垂直梯度值。这种测量方法成本较高,操作复杂,测量效率较低,测量仪器不易便携,测量环境复杂时仪器稳定性较差,因此不利于广泛应用于重力垂直梯度测量领域。

与相对重力仪获取重力垂直梯度不同,绝对重力仪首先采集自由落体运动或上抛运动下落的距离⁃时间序列^[12],然后在时间序列中获取重力垂直梯度信息^[13-14]。绝对重力仪观测时存在的误差源较为复杂^[15-17],观测数据中存在的有色噪声难以消除,测量方法适用性不强^[12]。

除此之外,重力梯度仪也是测量重力垂直梯度的重要工具之一,经过一个多世纪的发展,重力梯度仪经历了扭力测量、旋转加速度计测量、超导测量、量子技术测量等。其中扭秤式重力梯度仪操作繁琐,需要测得不同方向上的独立偏转角后才能确定重力梯度分量,测量周期较长；旋转加速度计式重力梯度仪是通过测量两点间的加速度差获取重力梯度分量信息,作为目前实际生产应用较为广泛的重力梯度仪,其测量精度优于10 E（1 E=10^-9/s²）^[18-19],但其对加速度计的测量精度要求较高,而加速度计复杂的降噪过程限制了其发展；超导重力梯度仪作为一种相对测量仪器,通过磁力弹簧振子和位移检测两部分实现重力信号的测量^[20],设备结构复杂,体积大,不易搬运；量子重力梯度仪利用原子云落下时引力场拉力的细微变化探测微重力的变化,造价较高且易受磁场和热场的干扰^[21]。因此,克服现有重力垂直梯度测量方法的缺点,高效获取高精度的重力垂直梯度信息仍然是当前面临的挑战^[22]。

三维跟踪测量系统结合了激光干涉测距技术、光电探测技术、计算机及控制技术、现代数值计算理论等,能对空间运动目标进行跟踪并实时测量目标的空间三维坐标^[23]。它采用极坐标测量原理,具有高精度、高效率、实时跟踪等特点,测量时可达亚微米级精度,数据输出速率高达2 000 Hz^[24],测量时不易受周围环境的影响且操作简单。三维跟踪测量技术目前已较广泛应用于精密工程测量、机器人研发等领域^[25-27]。

基于此,为方便测量不同地区的重力垂直梯度信息,简化重力垂直梯度测量的复杂性,本文提出了一种三维跟踪抛物运动的重力垂直梯度测量方法。

1 重力垂直梯度的测量原理与方法

本文中重力垂直梯度的测量原理示意图如图1所示,在真空环境中,利用三维跟踪技术与时间采集器来同步追踪抛物运动的靶球,获取靶球运动的三维坐标时间序列。

图 1 重力垂直梯度测量原理示意图

Figure 1. Sketch Map of Vertical GravityGradient Measurement

下载: 全尺寸图片幻灯片

基于上述测量系统,在真空环境中,获取抛物运动靶球的三维坐标时间序列后,采用3倍中误差法对测量序列进行粗差剔除,利用附有限制条件的间接平差法从三维坐标时间序列中提取重力垂直梯度信息。

设起始时刻 $t_{0}$ 处抛物运动的靶球坐标为 $(X_{0}, Y_{0}, Z_{0})$ ,第 $i$ 时刻 $t_{i}$ 处抛物运动靶球的坐标为 $(x_{i}, y_{i}, z_{i}) (i = 1,2, \dots, n)$ ；在X轴、Y轴、Z轴3个方向上,抛物运动靶球的初速度分别为 $v_{x} 、 v_{y} 、 v_{z}$ ；测点处重力加速度值大小为 $g$ ,重力垂直梯度值大小为 $K$ ；重力加速度 $g$ 与X轴、Y轴、Z轴的夹角分别为 $α 、 β 、 γ$ ,在真空环境中,落体仅受重力作用,可认为重力加速度的方向不发生改变, $α 、 β 、 γ$ 为固定量； $t_{0}$ ~ $t_{i}$ 时刻抛物运动靶球下落的距离为 $s$ ,则根据抛物运动的原理, $t_{i}$ 时刻的观测方程为：

\{\begin{array}{l} x_{i} = x_{0} + v_{x} (t_{i} - t_{0}) + 0.5 (g + 0.5 s K) (t_{i} - t_{0})^{2} c o s α \\ y_{i} = y_{0} + v_{y} (t_{i} - t_{0}) + 0.5 (g + 0.5 s K) (t_{i} - t_{0})^{2} c o s β \\ z_{i} = z_{0} + v_{z} (t_{i} - t_{0}) + 0.5 (g + 0.5 s K) (t_{i} - t_{0})^{2} c o s γ \end{array}

(1)

约束方程为：

c o s^{2} α + c o s^{2} β + c o s^{2} γ = 1

(2)

式（1）中的 $x_{i} 、 y_{i} 、 z_{i}$ 和 $t_{i}$ 均为观测值,其余值均作为未知参数求解,误差方程可以用矩阵表达为：

V = A \hat{x} - l

(3)

限制条件方程用矩阵表达为：

C \hat{x} - W_{x} = 0

(4)

式中, $V$ 表示改正数； $A$ 表示误差方程的系数； $\hat{x}$ 表示未知参数； $l$ 表示误差方程的自由项； $C$ 表示限制条件方程的系数； $W_{x}$ 表示限制条件方程的自由项。对式（3）及式（4）中各项参数单独求导：

A = {[\begin{matrix} \begin{array}{l} 1 \\ 0 \\ 0 \\ t_{i} - t_{0} \\ 0 \\ 0 \\ - [v_{x} + (g + \frac{1}{2} s K) (t_{i} - t_{0}) c o s α] \\ - \frac{1}{2} [(t_{i} - t_{0})^{2} s i n α (g + \frac{1}{2} s K)] \\ 0 \\ 0 \\ \frac{1}{2} (t_{i} - t_{0})^{2} c o s α \\ \frac{1}{4} (t_{i} - t_{0})^{2} c o s α \end{array} & \begin{array}{l} 0 \\ 1 \\ 0 \\ 0 \\ t_{i} - t_{0} \\ 0 \\ - [v_{y} + (g + \frac{1}{2} s K) (t_{i} - t_{0}) c o s β] \\ 0 \\ - \frac{1}{2} [(t_{i} - t_{0})^{2} s i n β (g + \frac{1}{2} s K)] \\ 0 \\ \frac{1}{2} (t_{i} - t_{0})^{2} c o s β \\ \frac{1}{4} (t_{i} - t_{0})^{2} c o s β \end{array} & \begin{array}{l} 0 \\ 0 \\ 1 \\ 0 \\ 0 \\ t_{i} - t_{0} \\ - [v_{z} + (g + \frac{1}{2} s K) (t_{i} - t_{0}) c o s γ] \\ 0 \\ 0 \\ - \frac{1}{2} [(t_{i} - t_{0})^{2} s i n γ (g + \frac{1}{2} s K)] \\ \frac{1}{2} (t_{i} - t_{0})^{2} c o s γ \\ \frac{1}{4} (t_{i} - t_{0})^{2} c o s γ \end{array} \end{matrix}]}^{T}

l = [\begin{matrix} x_{i} - [x_{0}^{0} + v_{x}^{0} (t_{i} - t_{0}^{0}) + \frac{1}{2} (g^{0} + \frac{1}{2} s K^{0}) (t_{i} - t_{0}^{0})^{2} c o s α^{0}] \\ y_{i} - [y_{0}^{0} + v_{y}^{0} (t_{i} - t_{0}^{0}) + \frac{1}{2} (g^{0} + \frac{1}{2} s K^{0}) (t_{i} - t_{0}^{0})^{2} c o s β^{0}] \\ z_{i} - [z_{0}^{0} + v_{z}^{0} (t_{i} - t_{0}^{0}) + \frac{1}{2} (g^{0} + \frac{1}{2} s K^{0}) (t_{i} - t_{0}^{0})^{2} c o s γ^{0}] \end{matrix}]

C = [\begin{matrix} 0 & 0 & 0 & \begin{matrix} 0 & 0 & 0 & \begin{matrix} 0 & - 2 s i n α c o s α & - 2 s i n β c o s β & \begin{matrix} - 2 s i n γ c o s γ & \begin{matrix} 0 & 0 \end{matrix} \end{matrix} \end{matrix} \end{matrix} \end{matrix}]

W_{x} = 1 - c o s^{2} α^{0} - c o s^{2} β^{0} - c o s^{2} γ^{0}

则法方程可以表示为：

\{\begin{array}{l} N_{b b} \hat{x} + C^{T} K_{s} - A^{T} P l = 0 \\ C \hat{x} - W_{x} = 0 \end{array}

(5)

式中, $N_{b b} = A^{T} P A$ ； $K_{s}$ 、 $P$ 分别表示对应于限制条件方程的联系数向量和权阵, $K_{s} = (C {N_{b b}}^{- 1} C^{T})^{- 1} (C {N_{b b}}^{- 1} Α^{T} P l - W_{x})$ ,此处 $P$ 设为单位阵。

对式（5）加入阻尼因子 $μ$ ：

\{\begin{array}{l} (N_{b b} + μ I) \hat{x} + C^{T} K_{s} - A^{T} P l - μ \hat{x} = 0 \\ C \hat{x} - W_{x} = 0 \end{array}

(6)

式中, $μ$ 为常数； $I$ 表示单位阵。加入阻尼因子后,可以避免方程在解算过程中出现病态性的问题,并能提高迭代算法中数值的稳定性,在保证成功率的前提下加速收敛过程。若不加入阻尼因子,可能会出现病态方程,导致方程无解或使得迭代过程发散。

考虑到方程中含有较多的未知参数并且未知参数的值不能直接获取,需先对未知参数设置初值,而在初值设置时可能存在误差,因此采用迭代的方法求解未知参数。将式（6）整理为迭代方程：

x^{k + 1} = (N_{b b}^{} {+ μ I)}^{- 1} (- C^{T} N_{c c}^{- 1} (C (N_{b b} {+ μ I)}^{- 1} (W + μ I x^{k}) - W_{x}) + W + μ x^{k})

(7)

式中, $W = A^{T} P l$ ； $N_{c c} = C (N_{b b}^{} {+ μ I)}^{- 1} C^{T}$ ； $x^{k}$ 为第k次的求解结果。

对式（7）进行迭代求解：

\hat{x} = {[\begin{matrix} {\hat{x}}_{0} & {\hat{y}}_{0} & {\hat{z}}_{0} & \begin{matrix} {\hat{v}}_{x} & {\hat{v}}_{y} & {\hat{v}}_{z} & \begin{matrix} \begin{matrix} {\hat{t}}_{0} & \hat{α} & \hat{β} \end{matrix} & \hat{γ} & \begin{matrix} \hat{g} & \hat{K} \end{matrix} \end{matrix} \end{matrix} \end{matrix}]}^{T}

(8)

解出 $\hat{x}$ 后,代入式（3）可求得 $V$ ,最后即可求出：

\hat{L} = L + V

(9)

\hat{X} = X^{0} + \hat{x}

(10)

综上所述,获取重力垂直梯度信息的具体过程如下：

1）利用激光跟踪仪获取抛物运动的三维坐标时间序列；

2）对获取的三维坐标时间序列进行粗差剔除；

3）输入粗差剔除后的三维坐标时间序列 $t_{i}$ 、 $x_{i}$ 、 $y_{i}$ 、 $z_{i}$ ；

4）设定式（1）中各参数的初值；

5）建立误差方程和限制条件方程表达式,根据各参数初值及抛物运动的三维坐标时间序列确定式（3）和式（4）中的系数矩阵 $A$ 、 $l$ 、 $C$ 、 $W_{x}$ ；

6）建立法方程,确定式（5）中的法方程系数 $N_{b b}$ 、联系数向量 $K_{s}$ 、权阵 $P$ 以及式（6）中的阻尼系数 $μ$ ；

7）迭代求解,由式（7）得到迭代方程后设置迭代过程的收敛条件： $|{\hat{K}}^{k} - {\hat{K}}^{k - 1}| < ε$ ,当重力垂直梯度值第k次的迭代结果满足收敛条件时,输出解算结果,得到重力垂直梯度信息,不满足条件时重复步骤4）~7）。

2 仿真实验

2.1 理论精度分析

本文提出的重力垂直梯度测量方法中,主要误差源是三维跟踪测量误差和时间测量误差。三维跟踪技术和时间采集器动态追踪抛物运动的靶球时,三维跟踪测量误差和时间测量误差会在三维坐标时间序列中引入随机误差,影响重力垂直梯度的测量精度。

为了验证本文中重力垂直梯度测量方法的有效性,在保证落体测量精度为微米级的前提下,根据实验原理进行仿真实验。在三维坐标时间序列中分别加入三维跟踪测量随机误差和时间测量随机误差,设三维跟踪测量的实时操作系统跟踪测量频率为2 000 Hz,下落距离为1 m。

首先设定式（1）中各未知参数的初值,其中 $x_{0} = 1 m$ , $y_{0} = 1 m$ , $z_{0} = 1 m$ , $v_{x} = 0.012 m / s$ , $v_{y} = 0.01 m / s$ , $v_{z} = 0.01 m / s$ , $t_{0} = 0$ , $α = 89.4 °$ , $β = 89.2 °$ , $γ = 1 °$ , $g = 9.798 76 m / s^{2}$ , $K = 3 086 E$ ,根据式（1）和式（2）仿真出不含测量随机误差的抛物运动三维坐标时间序列；然后在不含有任何测量随机误差的三维坐标时间序列中引入三维跟踪测量随机误差和时间测量随机误差,生成含有测量随机误差的三维坐标时间序列；最后对序列进行迭代求解后得到重力垂直梯度信息,其中迭代过程的收敛条件中 $ε = 1 \times 10^{- 4}$ E。

根据上述仿真实验流程,考虑到三维跟踪测量系统的测量精度^[28],当落体测量精度达到微米级时,对抛物运动坐标时间序列同时加入均值为0 μm、标准差为10 μm的三维跟踪测量随机误差和均值为0 ns、标准差为10 ns的时间测量随机误差,30次测量结果取其平均值作为一次观测值,并重复实验1 000次,统计重力垂直梯度的解算结果与实验时重力垂直梯度初值3 086 E之间的差值,统计结果如表1所示,抛物运动测量重力垂直梯度的理论精度如图2所示。

表 1 抛物运动测量重力垂直梯度误差统计/E

Table 1. Error Statistics of Vertical Gravity GradientMeasured by Parabolic Motion/E

测量随机误差	最大值	最小值	平均值	标准差	均方根值
10 μm+10 ns	10.77	-8.97	0.06	1.31	1.31

下载: 导出CSV

| 显示表格

图 2 抛物运动测量重力垂直梯度的理论精度

Figure 2. Theoretical Accuracy of Measuring VerticalGravity Gradient by Parabolic Motion

下载: 全尺寸图片幻灯片

如表1和图2所示,落体测量精度达到微米级时,基于三维跟踪抛物运动的重力垂直梯度测量方法稳定性较好,同时加入激光跟踪测量误差和时间测量误差后,重力垂直梯度的测量误差整体在-8.97~10.77 E之间,平均值为0.06 E,均方根值为1.31 E,整体在较小范围内波动。

2.2 三维跟踪测量误差分析

为了分析三维跟踪测量误差对重力垂直梯度测量的影响,假设时间测量误差为0且落体测量精度达到微米级,对无误差的三维坐标时间序列分别加入均值为0 μm、标准差分别为1 μm、5 μm、10 μm的三维跟踪测量随机误差,将这些测量随机误差平均分配于三维坐标序列的x、y、z 3个方向上,30次测量结果取其平均值作为一次观测值,并重复实验1 000次,生成含有三维跟踪测量随机误差的三维坐标时间序列后进行迭代求解,统计解算结果与实验时重力垂直梯度初值（3 086 E）之间的差值,统计结果如表2所示,三维跟踪测量误差对重力垂直梯度测量的影响如图3所示。

表 2 三维跟踪测量误差对抛物运动测量重力垂直梯度的影响统计

Table 2. Statistics of the Influence of 3D TrackingMeasurement Error on Vertical Gravity Gradientby Parabolic Motion

三维跟踪测量随机误差/μm	最大值/E	最小值/E	平均值/E	标准差/E	均方根值/E
1	1.12	-0.95	0.01	0.33	0.35
5	7.09	-5.02	0.05	0.65	0.65
10	10.06	-12.30	-0.02	1.30	1.31

下载: 导出CSV

| 显示表格

图 3 三维跟踪测量误差对抛物运动测量重力垂直梯度的影响

Figure 3. Influence of 3D Tracking Measurement Error on Vertical Gravity Gradient by Parabolic Motion

下载: 全尺寸图片幻灯片

从表2和图3中可以看出,落体测量精度为微米级时,对三维坐标时间序列中引入的三维跟踪测量误差越大,重力垂直梯度的测量精度越低,平均值均接近于0,且三维跟踪随机测量误差增大时,重力垂直梯度测量误差的标准差逐渐增大,分别为0.33 E、0.65 E、1.30 E,测量方法的稳定性随之降低。加入1 μm的激光跟踪测量误差时,重力垂直梯度的测量误差在-0.95~1.12 E之间；加入5 μm的激光跟踪测量误差时,重力垂直梯度测量误差在-5.02~7.09 E之间；加入10 μm的激光跟踪测量误差时,激光跟踪测量误差对测量重力垂直梯度的影响达到最大,测量误差在-12.30~10.06 E之间。

2.3 时间测量误差分析

分析时间测量误差对重力垂直梯度测量的影响时,假设其余各项误差均不影响重力垂直梯度的测量和解算,且三维跟踪测量落体精度达到微米级,分别将均值为0 ns、标准差分别为1 ns、5 ns、10 ns的时间测量随机误差加入无误差的三维坐标时间序列,30次测量结果取其平均值作为一次观测值,并重复实验1 000次,生成含有时间测量随机误差的三维坐标时间坐标序列后进行迭代求解,统计解算结果与实验时重力垂直梯度初值（3 086 E）的差值,统计结果如表3所示,时间测量随机误差对重力垂直梯度测量的影响如图4所示。

表 3 时间测量误差对抛物运动测量重力垂直梯度的影响统计

Table 3. Statistics of the Influence of Time MeasurementError on Vertical Gravity Gradient by Parabolic Motion

时间测量随机误差/ns	最大值/E	最小值/E	标准差/E	均方根值/E
1	0.01	0.00	0.00	0.00
5	0.03	-0.03	0.01	0.01
10	0.06	-0.06	0.02	0.02

下载: 导出CSV

| 显示表格

图 4 时间测量误差对抛物运动测量重力垂直梯度的影响

Figure 4. Influence of Time Measurement Error on Vertical Gravity Gradient by Parabolic Motion

下载: 全尺寸图片幻灯片

从表3和图4中可以看出,落体测量精度达到微米级时,加入的时间测量随机误差越大,对重力垂直梯度测量的影响越大,时间测量随机误差为10 ns时,重力垂直梯度测量误差达到最大,为±0.06 E,标准差和均方根值均为0.02 E。总体来说,时间测量随机误差对重力垂直梯度测量的影响较小,加入时间测量随机误差后,重力垂直梯度测量误差整体控制在较小范围内,测量方法仍具有较好的稳定性。

3 结语

本文提出了一种高精度三维跟踪抛物运动的重力垂直梯度测量方法,并通过仿真实验验证了该方法的有效性。这种新型测量方法使用三维激光测量技术动态追踪抛物运动,结合时间采集器获取抛物运动目标的三维坐标时间序列,并通过最小二乘迭代法解算出重力垂直梯度信息。

基于三维跟踪测量技术的重力垂直梯度测量方法主要有两个误差来源：三维跟踪测量误差和时间测量误差。采用控制变量的方法分别讨论了每个误差源对抛物运动测量重力垂直梯度的影响。实验结果表明,落体测量精度达到微米级时,三维跟踪测量误差是影响本文重力垂直梯度测量方法的主要误差,时间测量误差对重力垂直梯度测量的影响较小,且引入时间测量随机误差后,该方法仍具有较好的稳定性。

http://ch.whu.edu.cn/cn/article/doi/10.13203/j.whugis20220597

图 1 不同带宽下武汉市NPP &POI处理效果对比

Figure 1. Comparison of NPP &POI Processing Effects Under Different Search Distances in Wuhan City

下载: 全尺寸图片幻灯片

图 2 NPP &POI剖面线与等值线示意图

Figure 2. Schematic Diagram of NPP &POI Section Lines and Isolines

下载: 全尺寸图片幻灯片

图 3 NPP &POI及其等值面面积随距离变化图

Figure 3. Variation of NPP &POI and the Isosurface Area with Distance

下载: 全尺寸图片幻灯片

图 4 武汉市城乡结合部边界

Figure 4. Urban-Rural Fringe Boundary of Wuhan City

下载: 全尺寸图片幻灯片

图 5 选定剖面线处遥感影像

Figure 5. Remote Sensing Images at Section Lines

下载: 全尺寸图片幻灯片

图 6 武汉市城乡结合部土地利用类型分布图

Figure 6. Distribution Map of Land Use Types in Urban Rural Fringe of Wuhan City

下载: 全尺寸图片幻灯片

图 7 武汉市城乡结合部空间形态

Figure 7. Spatial Form in Urban-Rural Fringe of Wuhan City

下载: 全尺寸图片幻灯片

图 8 验证格网及其测算值

Figure 8. Verification Grid and Its Measured Value

下载: 全尺寸图片幻灯片

图 9 验证样带指标测算值

Figure 9. Verification of the Transect Index Measurements

下载: 全尺寸图片幻灯片

图 10 验证单元影像示例

Figure 10. Examples of Validation Cell Images

下载: 全尺寸图片幻灯片

图 11 武汉市城乡结合部边界与人口密度分布图

Figure 11. Distribution Map of Boundary and Population Density in the Urban Rural Area of Wuhan City

下载: 全尺寸图片幻灯片

图 12 实地考察点位分布图

Figure 12. Distribution Map of Site Investigation Points

下载: 全尺寸图片幻灯片

表 1 武汉市POI分类统计

Table 1 Statistics of POI Classification in Wuhan City

功能类别	一级行业分类	数量/条
文体类	旅游景点、休闲娱乐、运动健身、教育培训、文化传媒、自然地物	53 966
商业类	美食、酒店、购物、生活服务、丽人、汽车服务、金融	68 508
产业类	公司企业	70 204
公服类	医疗、交通设施、政府机构	33 640
居住类	房地产	119 543

下载: 导出CSV

表 2 不同剖面线上NPP &POI断裂点数值统计表

Table 2 Statistics of NPP &POI Breakpoint Values on Different Profile Lines

剖面线序号	NPP &POI综合指数断裂点平均值
1~30	0.109
31~60	0.095
61~90	0.105
91~120	0.103
121~150	0.097
151~180	0.114

下载: 导出CSV

表 3 2010-2020年武汉市不同区域的NDVI分布情况

Table 3 Distribution of NDVI in Different Areas of Wuhan City from 2010 to 2020

年份	城市核心区		城乡结合部		乡村
年份	平均值	标准差	平均值	标准差	平均值	标准差
2010	0.412	0.122	0.557	0.175	0.708	0.120
2011	0.418	0.102	0.576	0.176	0.721	0.124
2012	0.407	0.113	0.541	0.190	0.710	0.145
2013	0.410	0.110	0.535	0.196	0.691	0.151
2014	0.393	0.110	0.536	0.187	0.713	0.147
2015	0.394	0.103	0.547	0.193	0.710	0.155
2016	0.383	0.103	0.515	0.189	0.692	0.153
2017	0.386	0.100	0.541	0.188	0.719	0.148
2018	0.404	0.093	0.538	0.183	0.725	0.136
2019	0.410	0.094	0.501	0.183	0.694	0.144
2020	0.431	0.101	0.523	0.184	0.718	0.158
总变化量	0.019	-0.021	-0.034	0.009	0.010	0.038

下载: 导出CSV

参考文献(21)

[1]	陈宏胜, 李志刚, 王兴平. 中央—地方视角下中国城乡二元结构的建构： “一五计划” 到“十二五规划” 中国城乡演变分析[J]. 国际城市规划, 2016, 31（6）： 62-67. CHEN Hongsheng, LI Zhigang, WANG Xingping. The Construction of Urban-Rural Dual Structure from a Central-Local Government Perspective： Study on the Evolution of Urban and Rural China from the First Five-Year Plan to the Twelfth Five-Year Plan[J]. Urban Planning International, 2016, 31（6）： 62-67.
[2]	刘玉, 冯健. 城乡结合部农业地域功能实现程度及变化趋势：以北京为例[J]. 地理研究, 2017, 36（4）： 673-683. LIU Yu, FENG Jian. Analysis on Execution and Change of Regional Function of Agriculture in Rural-Urban Fringe： A Case Study of Beijing[J]. Geographical Research, 2017, 36（4）： 673-683.
[3]	ZHONG S J, WANG M S, ZHU Y, et al. Urban Expansion and the Urban–Rural Income Gap： Empirical Evidence from China[J]. Cities, 2022, 129： 103831.
[4]	BRYANT C, RUSSWURM L H. The Impact of Non-Farm Development on Agriculture： A Synthesis[J]. Plan Canada, 1979, 19（2）： 122-139.
[5]	GU C L, CHEN T, DING J H, et al. The Study of the Urban Fringes in Chinese Megalopolises[J]. Acta Geographica Sinica, 1993, 48（4）： 317-328.
[6]	SHARP J S, CLARK J K. Between the Country and the Concrete： Rediscovering the Rural-Urban Fringe[J]. City & Community, 2008, 7（1）： 61-79.
[7]	黄祥. 基于综合景观指数的城乡结合部边界划分[J]. 地理空间信息, 2015, 13（4）： 7-9. HUANG Xiang. Urban-Rural Fringe Division Based on the Landscape Pattern Index[J]. Geospatial Information, 2015, 13（4）： 7-9.
[8]	吴京航, 桂志鹏, 申力, 等. 顾及格网属性分级与空间关联的人口空间化方法[J]. 武汉大学学报（信息科学版）, 2022, 47（9）： 1364-1375. WU Jinghang, GUI Zhipeng, SHEN Li, et al. Population Spatialization by Considering Pixel-Level Attribute Grading and Spatial Association[J]. Geomatics and Information Science of Wuhan University, 2022, 47（9）： 1364-1375.
[9]	厉飞, 闫庆武, 邹雅婧, 等. 利用夜间灯光POI的城市建成区提取精度研究：以珞珈一号01星和NPP/VIIRS夜间灯光影像为例[J]. 武汉大学学报（信息科学版）, 2021, 46（6）： 825-835. LI Fei, YAN Qingwu, ZOU Yajing, et al. Extraction Accuracy of Urban Built-up Area Based on Nighttime Light Data and POI： A Case Study of Luojia 1-01 and NPP/VIIRS Nighttime Light Images[J]. Geomatics and Information Science of Wuhan University, 2021, 46（6）： 825-835.
[10]	杨洋, 黄庆旭, 章立玲. 基于DMSP/OLS夜间灯光数据的土地城镇化水平时空测度研究：以环渤海地区为例[J]. 经济地理, 2015, 35（2）： 141-148. YANG Yang, HUANG Qingxu, ZHANG Liling. The Spatial-Temporal Measurement on the Land Urbanization Level Using DMSP/OLS Nighttime Light Data—A Case Study of Bohai Rim[J]. Economic Geography, 2015, 35（2）： 141-148.
[11]	周亮, 赵琪, 杨帆. 基于POI与NPP/VIIRS灯光数据的城市群边界定量识别[J]. 地理科学进展, 2019, 38（6）： 840-850. ZHOU Liang, ZHAO Qi, YANG Fan. Identification of Urban Agglomeration Boundary Based on POI and NPP/VIIRS Night Light Data[J]. Progress in Geography, 2019, 38（6）： 840-850.
[12]	张志刚, 张安明, 郭欢欢. 基于DMSP/OLS夜间灯光数据的城乡结合部空间识别研究：以重庆市主城区为例[J]. 地理与地理信息科学, 2016, 32（6）： 37-42. ZHANG Zhigang, ZHANG Anming, GUO Huanhuan. Spatial Recognition of the Urban-Rural Fringe Based on DMSP/OLS Nighttime Light Data： A Case Study of the Main Urban Areas of Chongqing[J]. Geography and Geo⁃Information Science, 2016, 32（6）： 37-42.
[13]	YANG J M, LI X L, LI S M, et al. The Woody Plant Diversity and Landscape Pattern of Fine-Resolution Urban Forest Along a Distance Gradient from Points of Interest in Qingdao[J]. Ecological Indicators, 2021, 122： 107326.
[14]	HE X, ZHOU C S, ZHANG J, et al. Using Wavelet Transforms to Fuse Nighttime Light Data and POI Big Data to Extract Urban Built-up Areas[J]. Remote Sensing, 2020, 12（23）： 3887.
[15]	李强, 李小波, 刘剑锋. 城乡结合部规划建设模式评析与土地利用导向设计[J]. 地域研究与开发, 2015, 34（5）： 143-147. LI Qiang, LI Xiaobo, LIU Jianfeng. Analysis and Assessment of the Mode of Planning and Construction and Design of Land Use Guidance in Rural-Urban Continuum[J]. Areal Research and Development, 2015, 34（5）： 143-147.
[16]	陈韦, 肖志中, 林建伟, 等. 武汉从“多规合一” 向空间规划改革的探索：基于武汉市新一轮城市总规修编的思考[J]. 城市规划, 2018, 42（S2）： 32-37. CHEN Wei, XIAO Zhizhong, LIN Jianwei, et al. Wuhan’s Exploration on Transformation from “Multi-Plan Integration” to Spatial Planning Reform： Reflections on the New Round of the City Master Plan of Wuhan[J]. City Planning Review, 2018, 42（S2）： 32-37.
[17]	闵捷. 农地城市流转特征与时空规律研究[D]. 武汉：华中农业大学, 2007. MIN Jie. Study on the Feature and Spatial-Temporal Regulation of Rural-Urban Land Conversion[D]. Wuhan： Huazhong Agricultural University, 2007.
[18]	杨喜平, 方志祥, 赵志远, 等. 顾及手机基站分布的核密度估计城市人群时空停留分布[J]. 武汉大学学报（信息科学版）, 2017, 42（1）： 49-55. YANG Xiping, FANG Zhixiang, ZHAO Zhiyuan, et al. Analyzing Space-Time Variation of Urban Human Stay Using Kernel Density Estimation by Considering Spatial Distribution of Mobile Phone Towers[J]. Geomatics and Information Science of Wuhan University, 2017, 42（1）： 49-55.
[19]	张宁, 方琳娜, 周杰, 等. 北京城市边缘区空间扩展特征及驱动机制[J]. 地理研究, 2010, 29（3）： 471-480. ZHANG Ning, FANG Linna, ZHOU Jie, et al. The Study on Spatial Expansion and Its Driving Forces in the Urban Fringe of Beijing[J]. Geographical Research, 2010, 29（3）： 471-480.
[20]	刘万增, 陆辰妮, 霍亮, 等. 最优信息熵约束的居民地点状要素选取方法[J]. 武汉大学学报（信息科学版）, 2021, 46（8）： 1178-1185. LIU Wanzeng, LU Chenni, HUO Liang, et al. Selection Method of Residential Point Features Constrained by Optimal Information Entropy[J]. Geomatics and Information Science of Wuhan University, 2021, 46（8）： 1178-1185.
[21]	PENG J, HU Y N, LIU Y X, et al. A New Approach for Urban-Rural Fringe Identification： Integrating Impervious Surface Area and Spatial Continuous Wavelet Transform[J]. Landscape and Urban Planning, 2018, 175： 72-79.

施引文献

资源附件(0)

图(12) / 表(3)

计量

文章访问数: 536
HTML全文浏览量: 62
PDF下载量: 73
被引次数: 0

1 重力垂直梯度的测量原理与方法
2 仿真实验
2.1 理论精度分析
2.2 三维跟踪测量误差分析
2.3 时间测量误差分析
3 结语

POI和夜间灯光融合数据用于城乡结合部空间划定的研究——以武汉市为例

作者简介: 孟滢滢,硕士,研究方向为国土空间规划。623173312@qq.com

通讯作者: 于婧,博士,教授。yjing@hubu.edu.cn

计量

出版历程