排序方式: 共有23条查询结果,搜索用时 171 毫秒
1.
基于居民点密度的人口密度空间化 总被引:5,自引:0,他引:5
提出了一种基于居民点密度的人口密度空间化方法。以江苏省人口数据空间化为例,在采用核密度估计法得到江苏省镇(乡、街道)居民点密度后,运用基于居民点密度的人口密度空间化计算公式获得江苏省1 000m×1 000m的人口密度格网图,结果表明:江苏省人口分布的热点地区正是在建的三大都市圈(苏锡常都市圈、南京都市圈和徐州都市圈),其中苏锡常都市圈的人口分布呈现各向异性,而南京和徐州都市圈的人口分布则表现为各向同性;人口密度不仅取决于居民点密度,还与平均每个居民点的人口数密切相关,居民点密度大的区域的人口密度不一定大,居民点密度小的区域的人口密度也不一定小。 相似文献
2.
以美国橡树岭国家实验室二氧化碳信息分析中心的中国碳排放数据、统计年鉴中的分省化石能源消费与水泥产量数据为基础,选取NDVI植被指数、DMSP/OLS夜间灯光数据、GDP、工业总产值、人口5个指标,对中国2000年及2010年的分省碳排放结果采用5km×5km格网,运用空间滞后回归模型(SLM)进行空间分布模拟,并对空间模拟结果进行误差分析及纠正,获得2000年及2010年地均碳排放强度空间分布图。结果表明,中国地均碳排放强度存在以下特征:区域差异分布特征明显,主要表现为从东部地区向中西部地区逐渐变小;存在几个明显高值热点及低值冷点区域;随着时间的推移,地域差异特征越发明显,冷点和热点区域分布特征更加显著;2010年各地区地均碳排放强度明显大于2000年。 相似文献
3.
闫庆武 《测绘与空间地理信息》2015,(1):7-9
文章通过分析地理信息科学专业的特点,结合中国矿业大学地理信息科学专业"地图投影"课程教学改革,从教学内容的选取、教学方法的选择、考核方式的改革三个方面论述了地图投影教学与改革的方法。结合专业特点选择教学内容,注重动手能力的培养,强调互动教学与直观教学,结果表明,通过教学改革,激发了学生学习的主动性,提高了学习的兴趣性,教学效果良好。 相似文献
4.
5.
为了寻求一种人口分布的最优估计模型,提高人口分布的拟合效果,文章以2000年第五次人口普查和2010年第六次人口普查数据为基础,以ArcGIS强大的空间分析功能为依托,采用不同的地统计分析模型对江苏省两次普查的人口密度数据进行探索性数据分析,并从中选择最优模型进行克里格插值。结果表明,两次普查间江苏省人口分布整体格局变化不大,但呈现出各地区的整体密度不断增大、空间分布"两极分化"、人口分布重心逐渐南移等特征。 相似文献
6.
基于GIS-SDA的居民点空间分布研究 总被引:22,自引:0,他引:22
空间数据分析(SDA)与GIS相结合是研究地理现象空间分布规律的重要方法。借助1994年和2004年两期RS图像,得到徐州市居民点空间分布数据,运用GIS-SDA方法研究徐州市1994年和2004年的居民点空间分布模式,并总结了11年间居民点空间分布的动态演变规律。通过最近邻距离分析(运用R统计量)得出徐州市居民点空间分布总体上呈现集聚趋势,且2004年的集聚程度比1994年低;通过计算居民点空间分布的K函数值,发现随着研究尺度的变化,1994年和2004年的居民点空间分布集聚程度均出现先增后降过程。运用核函数与泰森多边形法计算两个年份的居民点密度分布,核函数法能够从总体上反映徐州市居民点密度空间分布的地域差异,而泰森多边形法对居民点密度空间分布的细部差异较敏感。 相似文献
7.
8.
利用泰森多边形和格网平滑的人口密度空间化研究——以徐州市为例 总被引:2,自引:0,他引:2
在运用泰森多边形作边界替代得到徐州市区人口密度的分布图后,采用GCAWI法实现了徐州市区人口数据的空间化,提出了采用大小两种格网错置的平滑方法,并运用此方法得到徐州市2000年和2005年的500 m×500 m的格网人口密度分布图。结果表明:①通过对比两个年份的人口密度分布图可以发现,徐州市区人口密度在2000年~2005年期间具有南移东扩的趋势;②利用大小两种格网错置平滑的方法实现了对人口密度空间化与平滑两个功能,平滑后的结果表明,徐州市区人口密度的空间分布具有块状集聚、轴状延伸的格局,整体来看呈现出"大"字形的态势;③通过与直接运用核函数内插得到的人口密度分布图的对比可以发现,前者对反映人口密度分布的细部差异比较敏感,而后者仅能反映出人口密度空间分布的整体格局。 相似文献
9.
10.
基于空间分析的徐州市居民点分布模式研究 总被引:8,自引:1,他引:7
居民点空间分布的研究是聚落地理学的主要内容之一,运用空间分析的方法研究居民点的分布能更准确地刻画出其空间分布的本质规律。本文根据2004年TM遥感图像和城市地图得到徐州市城乡居民点空间分布的信息,继而运用样方分析(QA)法、最近邻距离指数(NNI)、K(d)函数、热点探测技术(NNH)研究了徐州市居民点空间分布格局与模式。结果显示:徐州市居民点的空间分布具有明显的空间依赖性,总体上呈现出集聚分布的特点;随着研究尺度的变大,居民点空间分布的集聚性指数也增大;居民点空间分布的热点区域在微观尺度上具有空间随机性、在中观尺度上具有轴带延伸性、宏观尺度上具有面状集中性的特点。 相似文献