排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
商业空间结构是城市经济活动的重要载体,识别商业中心和商业热点区以及探究其影响因素对于商业资源优化配置显得尤为必要,进而指导城市有序发展。论文以乌鲁木齐主城区为例,利用开放平台大数据兴趣点(point of interest, POI),采用地理学空间统计方法定量识别商业中心和商业热点区,对商业分布和空间集聚特征进行分类和解读,并利用地理探测器方法探寻其影响因素。主要结论如下：① 乌鲁木齐市商业高值区分布在吐乌大高速—和平渠沿线地带,大型商业中心主要有南湖商圈、中山路商圈、友好商圈、会展商圈、米东商圈、铁路局商圈。② 商业热点区呈现“T型”双轴分布,北部新城商业地带与南部传统商业地带共同构成乌鲁木齐市最具活力的商业地带;6类商业热点区的分布可归纳为3种类型,商务和金融服务类为单一点状型,住宿和餐饮服务类为带状延伸型,生活与购物服务类为带状双核型。③地价、集聚效应、路网密度等是影响商业宏观分布的主要因素,其次为人口密度和中心可达性,自然因素如高程、地形起伏度等对商业布局影响有限;各因素对不同类型商业业态的影响程度各异,如人口密度、路网密度对购物类影响较大,中心可达性和地价对于商务、金融类影响较大;就各业态类型网点间的关系而言,商务和金融类协同作用强,餐饮与购物类协同效应较强,共同影响城市商业空间。 相似文献
2.
基于稀疏监测点的监测数据无法直接获取城市内部空气污染的高分辨率空间分布。以武汉市为例,研究了基于土地利用回归(landuseregression,LUR)模型的大气PM2.5浓度高分辨率空间分布模拟。采用双变量相关分析识别出与PM2.5浓度相关性最高的4个影响因子,分别是1000m缓冲区内道路长度,500m缓冲区内水域面积,500m缓冲区内建设用地面积以及工业污染影响。采用PM2.5月平均浓度和识别出的影响因子连同气象条件(月平均温度和月降水量)进行多元线性回归分析,相关系数R2达到0.905,调整后的R2为0.885。在研究区建立均匀格网(2km×2km),利用得到的LUR方程计算格点PM2.5浓度值,应用空间插值制成武汉市主城区夏季PM2.5浓度空间分布模拟图。模拟结果显示,主城区有三个PM2.5浓度高值中心,分别为青山工业区、江北工业区和汉口汉西建材市场区域。汉阳南部、武昌南部的大型湖泊和水域面积比例较大的区域表现为两个PM2.5浓度低值中心。 相似文献
1