导读:本文包含了空间化论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:空间,数据,人口,赫斯,森林,时间,模型。
空间化论文文献综述
徐琼,陈守湖[1]（2019）在《时间的空间化与空间的时间化——谈电视剧《长安十二时辰》的时空叙事》一文中研究指出时间的空间化与空间的时间化,是电视剧《长安十二时辰》主要的叙事策略。时间的空间化,使得一维性的时间变得立体具象起来,空间的丰富性弥补了时间的抽象性。空间的时间化,则使复杂的空间叙事拥有了清晰的脉络,提升了叙事效率。但由于时间的压迫感与空间的扩展性之间的天然冲突,《长安十二时辰》的时空叙事亦存在着不少缺憾。(本文来源于《当代电视》期刊2019年12期）
吴中元,许捍卫,胡钟敏[2]（2019）在《基于腾讯位置大数据的精细尺度人口空间化——以南京市江宁区秣陵街道为例》一文中研究指出精细尺度的人口空间化研究成为当前GIS领域研究的热点。已有的人口空间化方法大多针对区域或城市尺度进行研究,少有对街道、社区甚至住宅小区的亚城市单元人口的研究。该文以南京市江宁区秣陵街道为例,基于腾讯位置大数据,结合人口统计数据、建筑物空间属性数据和住宅小区边界数据,提出了基于腾讯位置大数据的人口空间化方法和住宅小区级别的精细尺度人口估算方法。研究结果表明,该方法在住宅小区空间尺度下的估算结果与实际人口的线性拟合R~2达到0.9494,结果可信度较高,可为今后精细尺度人口空间化研究提供参考。(本文来源于《地理与地理信息科学》期刊2019年06期）
迈克尔·华莱士,大卫·布雷迪,顾梦佳,张开[3]（2019）在《下一个长期波动——世纪之交的空间化、技术官僚控制和工作重构》一文中研究指出戈登等人提出美国资本主义历史上出现过叁个连续的积累的社会结构——"最初的无产阶级化""同质化"和"分割化",与之相对应的占主导地位的"控制体系"分别是"简单控制""技术控制"和"官僚控制"。"控制体系"作为研究当代工作场所的核心概念,用于联系资本积累过程中宏观层面的制度变迁与工作组织的微观层面特征;"控制体系"是一个占支配地位SSA中处理"资本-劳动冲突"的关键机制,旨在通过设计一种能从工人处获取最优合作的策略,化解资本主义生产中劳动控制的根本危机。在此基础上,本文认为资本主义经济发展的下一个长期波动是"空间化SSA"。"空间化SSA"的特点是:"技术官僚控制"的出现,雇主重新控制劳动过程的主要手段是工作的空间重构。下一个长期波动的最终结果是构建弹性积累体系,通过将资本主义积累嵌入一个弹性制度网络,来实现产品和服务的大规模定制。(本文来源于《政治经济学季刊》期刊2019年02期）
洪小瑞[4]（2019）在《基于夜间灯光数据和土地利用数据的能源消费碳排放空间化方法比较研究》一文中研究指出随着全球气温升高,控制碳排放总量成为各界共识。根据各区域碳排放实际情况,研究制定符合当地实际的碳排放减排方案需要较低尺度区域上的碳排放及其空间分布。碳排放的核算多是基于能源终端消费量统计数据计算而来的,能源终端消费量统计数据一般都是以国家或者省级为单位统计的数据,很难获取市级甚至更小尺度区域上的能源终端消费量统计数据,县级及以下区域尺度的碳排放的核算相对较少。本研究在国内外相关研究的基础上,基于DMSP/OLS夜间灯光数据(稳定灯光数据)、土地利用数据和能源终端消耗碳排放数据,构建不同空间尺度的碳排放空间化模型,并利用相关数据对其进行检验。首先模拟夜间灯光数据和我国30个省、自治区和直辖市(除西藏自治区、香港特别行政区、澳门特别行政区和台湾)的能源终端消费量统计数据计算的碳排放量二者之间的定量关系模型,建立碳排放的空间化模型,根据该模型对河南省1km×1km网格上的碳排放量进行空间化(未考虑特殊点源的碳排放,如火电厂等),并根据省级能源终端消费量统计数据计算的碳排放量进行精度验证;然后,基于土地利用数据和不同的土地利用类型碳排放计算方法计算能源消费产生的碳排放量,结合GDP空间分布数据,建立基于土地利用数据的碳排放空间化模型,并对河南省的碳排放进行1km×1km网格上的空间化;最后,对基于两种方法模拟的碳排放空间化数据进行市级尺度、县级尺度和乡级尺度上的对比分析,验证两种方法的模拟效果。主要研究内容及结论如下:(1)基于稳定夜间灯光数据值与能源终端消费量统计数据计算的碳排放量建立的碳排放空间化模型,在0.01的水平上显着相关,拟合优度R~2为0.7231。根据该模型,对基于能源终端消耗量统计数据计算的碳排放量和根据该模型模拟的碳排放量进行精度验证,省级尺度上得出均方根误差RMSE为1651.84×10~4吨,平均相对误差MRE为7.41%,河南省的平均相对误差为9.93%(在10%以内)。总的来看误差较小,精度可以接受。也就是说,基于稳定夜间灯光数据模拟的能源碳排放量精度良好,可以用来模拟碳排放量。基于该模型对河南省1km×1km网格上的碳排放空间化进行模拟,并对格网碳排放汇总计算,得到1999—2013年河南省的碳排放,与终端消费统计数据计算碳排放相比,平均绝对误差为9.73%,精度可以接受。(2)根据河南省的土地利用类型数据和建设用地(农村居民点、城镇建设用地和其他建设用地)的碳排放量计算公式得出碳排放总量,并结合GDP空间分布数据,建立了基于土地利用数据的碳排放空间化模型。根据该模型对河南省2000年、2005年、2010年和2013年碳排放在1km×1km网格上进行空间化,并汇总得到全省的碳排放。将根据土地利用类型数据模拟的碳排放量与能源终端消耗量统计数据计算的碳排放量进行对比,结果表明土地利用数据模拟的能源碳排放量与统计数据计算值一致。(3)对基于稳定夜间灯光数据和土地利用数据两种方法模拟得到的河南省2000年、2005年、2010年和2013年碳排放量进行市级尺度、县级尺度和乡级尺度上的对比分析,结果表明:市级尺度上,经过相对差异和在0.005的水平上回归分析可知,四年数据综合分析平均相对差异为11.50%,对二者进行线性回归拟合,拟合优度R~2为0.946,回归分析的显着性水平达到0.005以上,说明两种方法模拟的结果相差不大,因此这两种方法可以用来模拟市级尺度上的碳排放量;用同样的方法对县级尺度上的模拟结果对比分析,四年平均相对差异为13.75%,回归分析的显着性水平达到0.005,拟合优度R~2为0.8922,说明两种方法模拟的结果在县级尺度上差异不大,相对于市级尺度差异有所增大;乡级尺度上进行回归分析,结果表明乡级尺度上回归分析的效果一般。(4)两种方法的模拟结果随着区域尺度的增大,他们之间的相对差异逐渐增大。总体上看,基于土地利用类型模拟的碳排放空间化结果要优于基于稳定夜间灯光数据模拟结果,经过分析认为,稳定夜间灯光数据主要反映夜间经济和社会活动,未区分点源和非点源碳排放,不能全面反映区域的碳排放,而土地利用数据模拟结果考虑了GDP的空间分布,数据精度相对较高,能相对较准确地反映区域碳排放。(5)两种方法模拟结果,在市级尺度、县级尺度、乡级尺度上其精度呈现逐渐降低趋势,市级模拟精度最高,乡级最低。在要求精度不太高的情况下,市级尺度、县级尺度上可以采用以上两种方法模拟碳排放的空间化;在两种数据均可获取的情况下,建议采用土地利用数据进行碳排放的空间化。(本文来源于《河南大学》期刊2019-06-01）
屈可馨[5]（2019）在《博尔赫斯小说的空间化叙事研究》一文中研究指出豪尔赫·路易斯·博尔赫斯是20世纪阿根廷重要的文学家,其创作风格与思想观念对后来的文学创作有着重要的影响。其创作涵盖小说、诗歌、散文等诸多领域,其中以小说的影响最为深远。博尔赫斯的小说均为短篇小说,且一直被冠以“迷宫小说”的称号,这除了受其小说中隐喻众多的影响之外,也因为其在叙述上呈现出的空间化特点。本文主要采用文本分析法结合相关文献研究展开对博尔赫斯的小说分析,以龙迪勇的《空间叙事研究》为主要理论依据,深入分析其小说中的空间化叙事特点。本文共分四部分,第一部分绪论,该部分主要介绍了博尔赫斯及其作品、文献综述以及选题缘由。第二部分是对博尔赫斯小说中时间形态的空间化的分析,论证了其小说中的循环时间与非线性时间两大空间化特点。第叁部分是对博尔赫斯小说中情节结构的空间化分析,重点分析了套层结构、并置结构以及循环结构等叁方面空间化特点。第四部分分析了博尔赫斯小说中的物理空间、社会空间与心理空间等多维的叙事空间,并进一步说明了该类空间对叙事的作用。(本文来源于《云南师范大学》期刊2019-05-25）
杨璇[6]（2019）在《旅游微博情感空间化方法研究》一文中研究指出随着互联网信息和旅游产业蓬勃发展,大量游客在旅游过程中,将旅游体验、评价感受发布到互联网中,形成大量旅游主题UGC数据,包含丰富的用户旅游活动信息,记录旅游者的活动体验、旅游评价及旅行感受等,为旅游学、旅游地理学,城市地理学等研究提供了新的信息源。新浪微博是当前社交媒体中允许开发者调用接口获取UGC数据的重要平台,带有地理标记的位置微博是研究社会问题和用户行为的重要数据源。新浪微博有广泛用户基础,游客在旅游过程中产生大量微博分享,蕴含丰富旅游地信息和用户信息。本文以新浪微博为基础数据讨论游客情感空间化方法。微博社交平台的用户不仅使用文字传播信息、表情达意,还大量使用各种表情符号。表情符号具有非常强烈的情感色彩,因此单纯对文本情感分析不能真实体现微博情感。旅游景区往往区域范围较小且POI众多,景区内微博点无序分布,需要适用于小空间尺度的旅游景区情感空间可视化方法。在bosonNLI中文语义情感倾向分析的基础上,关注文本和符号两方面的情感量化,结合以符号性质和符号个数为参数的符号情感量化方法,设计综合情感量化计算,获得更真实的微博情感分析结果。同时基于微博文本描述地名与POI一致性和文本与符号情感倾向逻辑一致性两方面指标为微博赋予不同情感权重来表征微博情感贡献,以微博情感为基本元素评估POI情感水平。在微博情感定量计算基础上,通过微博定位信息,以POI为基本单元设计微博情感的空间化视角及表达方法,构建完整的微博情感空间化方法。本文以平遥古城为案例,包括数据获取、流程设计、微博情感量化方法、POI情感计算方法以及空间化方法等一系列完整的方法思路,可支持从多种角度描述POI情感特征和游客情感空间分布模式。比如,在平遥古城实证中获得结论:休闲类POI最受游客欢迎;相同POI在不同时段的情感有起伏变化;同时段的不同类型POI情感特征不同;不同内容表征的情感空间有不同特征,不同性别用户表征的情感空间有不同特征;古城积极情感空间随着时间变化而明显变化,古城整体积极情感分布模式以古城中心为核心有分散和聚拢两种形态等。本文构建微博情感空间化方法,实现微博情感量化和情感空间表达。实证表明,该方法满足旅游景区精细空间化结果的需求,支持从不同属性视角描述景区情感特征和情感空间,研究成果有助于旅游管理者准确把握旅游者兴趣偏好和情感倾向,为旅游景区可持续发展提供科学参考。(本文来源于《河北师范大学》期刊2019-05-22）
成方龙[7]（2019）在《基于多源地理信息的人口数据空间化研究》一文中研究指出人是自然地理环境和社会经济活动的主体,人口空间分布总是受自然因素、社会经济因素、历史因素等的影响。传统的人口统计方法以行政单元为统计单位,假设人口分布在行政单元中呈均衡分布状态,忽略了人口分布是自然环境、社会环境、经济环境等一系列因素综合作用的结果。同时,传统的人口统计数据不仅存在着时空分辨率低的问题,在实际运用过程中也难与自然地理空间单元相匹配,不利于与自然环境、生态、经济等多源数据融合使用。因此,获取高精度的人口空间分布信息变得十分必要,而人口数据空间化是解决上述问题的有效途径之一。本文选取了广州市越秀区、荔湾区、天河区、海珠区、白云区及黄埔区(不含原萝岗区)作为研究区域、人口分布为研究对象。以ArcGIS 10.2、Python语言、SPSS 22.0等作为主要辅助工具,收集了研究区范围内的人口统计数据、行政区划数据、NPP/VIIRS夜间灯光数据、路网分布数据、小区房价数据、POI数据、房屋建筑区面积、土地利用数据、数字高程模型等数据。首先基于地理探测器模型对所选取的人口空间分布影响因子进行识别,剔除无关因素;然后基于单一的人口空间化模型和分区建模思想实现研究区150m格网人口数据空间化。得到主要研究结论如下:(1)在人口空间分布影响因子筛选过程中,本文利用地理探测器模型对所选取的影响因子进行因子探测和交互探测。结果发现:除草地指数和水域指数外,其他因子均通过0.05的显着性检验,表明研究区范围内,草地、水域对人口空间分布的影响几乎可以忽略不计;政府机关和社会团体对人口空间分布的解释力q值最大,公共设施次之,其他建设用地指数解释力最小;另一方面,从交互探测结果来看,自然因素之间的交互作用要远低于社会经济因素之间的影响力,自然因素与社会经济因素相组合的交互影响力也要大于自然因素之间的影响力;大部分影响因子之间都是起双因子增强作用,只有少部分影响因子之间起非线性增强作用,并不存在相互独立起作用和非线性减弱作用的因子。(2)利用土地利用数据和夜间灯光数据,基于普通多元回归思想构建人口空间化模型,实现研究区格网人口数据空间化。其结果表明:大部分街道模拟人口与实际统计人口相对误差百分比超过100%;相关系数R为0.06、拟合优度R~2仅为0.0039;从散点图(5-2)中可以看出,绝大部分街道(镇)人口模拟结果与实际人口数量偏差较大,模拟效果不佳,精度较差。因此,该方法得到的模拟结果与实际偏差巨大,无法满足本文的研究要求。(3)在利用随机森林模型进行人口数据空间化的过程中,本文对人口空间分布影响因子进行重新选取,主要剔除了建设用地(城镇用地指数、农村用地指数和其他建设用地指数),并用更精确的房屋建筑面积作为替代,然后构建随机森林模型,对研究区人口空间分布进行模拟。将模拟人口与实际人口进行相关性分析,相关系数为0.774,相关性较为显着;然后计算平均相对误差,误差结果约为30%,分析发现有33个街道(镇)绝对相对误差百分比超过50%,是造成模型误差整体偏高的原因。相比普通多元线性回归模拟结果,随机森林模型的模拟精度有明显的提高,与实际人口分布较为符合。(4)基于分区建模思想,利用人口集聚度法并结合自身的研究需要,将研究区划分为人口密集地区和非人口密集地区,同时利用逐步回归分析和随机森林模型实现各分区人口数据空间化。然后,将分区建模最优结果进行合并,基于街道(镇)尺度,将分区建模结果与单一的随机森立模型模拟结果跟实际统计结果进行相关性分析、回归分析(拟合优度R~2)及误差分析。由分析结果可知:分区建模结果与街道(镇)实际人口的相关系数为0.834,拟合优度R~2等于0.695,相关性及拟合优度都要优于单一的随机森林模型。在误差分析方面,分区建模模拟结果相对误差百分比在(-30%,30%)之间的比重为51.89%,高于单一的随机森林模型模拟结果;另一方面,绝对相对误差百分比大于50%的街道(镇),分区建模结果只有18个,占街道(镇)总数的16.98%,明显低于单一随机森林模型的31.13%。(5)本文从单一的数学模型及分区建模两个方面实现研究区人口数据空间化,其结果表明:分区建模,选择合适的人口分布影响因子和适宜的人口数据空间化模型,有利于提高人口数据空间化精度,使得人口空间分布与实际情况更加符合。另一方面,该结果与柏中强、董南等人提出的关于提高人口数据空间化精度的措施相一致。(本文来源于《广州大学》期刊2019-05-01）
潘星[8]（2019）在《资本空间化背景下当代城市权利问题研究》一文中研究指出在马克思主义的思想逻辑中,城市权利是一个重要的问题研究领域。为了能够更好地阐述资本空间化背景下的城市权利思想,本文尝试通过分析马克思主义经典着作、马克思主义城市学派和人本主义城市学家的代表着作,梳理出“城市权利”概念的核心要素,再结合国内外相关的案例实践,以期对资本空间化背景下我国城市权利的建构建言献策。具体来说,本文分为四章:第一章作为绪论首先论述了选题的理论背景和现实意义,讨论了国内外关于城市权利问题的研究现状。当下国内外的研究主要是从社会学、政治学等视角对资本空间化视域下的城市权利问题进行的分析研究,本文尝试从马克思主义哲学和政治经济学的视角对城市权利问题进行研究。虽然马克思没有明确提出“城市权利”的概念,但是他的一些经典论述却是“城市权利”思想的理论起源。马克思主义城市学派和人本主义城市学家都在马克思城市思想的基础上深化了“城市权利”的理论逻辑。第二章深入分析资本空间化背景下城市权利的理论内涵。基于资本对空间关系的不平衡塑造这个大背景,城市化过程中势必引发一系列空间问题,而解决这些问题的途径就是重新激发“城市权利”这个概念。城市权利问题最终归因于空间生产问题,要想高扬城市权利,就必须引导空间生产从非正义走向正义。第叁章分析了资本空间化背景下城市权利的相关实践。随着城市化进程的不断加快,城市权利问题已经不再是一个理论性的问题,而是一个实践性的问题。通过反思巴黎城市改建以及我国C城在推进城市化过程中出现的一系列问题,我们提出了要坚持以人为本、维护空间正义的建议。第四章是对前叁章的内容的归纳与总结,通过梳理前面马克思主义经典作家、马克思主义城市学派和人本主义城市学家的城市权利思想,我们基本上澄清了资本空间化与城市权利的关系,这为我国城市居民如何捍卫城市权利提出了良好的建议。我国的城市化建设已经步入了新时代,当前城市权利的建构要以习近平新时代中国特色社会主义思想作为指导,全面贯彻落实党的十九大精神,牢固树立“创新,协调,绿色,开放,共享”的五大发展理念。从资本空间化对城市权利进行研究,有助于推动马克思主义空间理论的创新发展,对建设新时代生态宜居城市,也具有一定的现实意义。(本文来源于《西北农林科技大学》期刊2019-05-01）
刘正廉[9]（2019）在《基于多源地理数据的精细人口空间化方法研究》一文中研究指出人口问题是最为重要的社会问题,随着城镇化的进程持续开展,越来越多的人口进入城市,对城市的精细化管理提出了更高的要求。基于行政单元统计型人口数据,空间分辨率不高,难以反映行政单元内部人口分布的实际情况,不利于人口数据的空间可视化分析与实际应用。人口空间化通过一定方法实现人口数据的格网化,能显着提高人口数据空间分辨率,便于掌握精细化的人口空间分布信息,不仅可以为传统的灾害预防与评估、区域可达性分析、自然人文要素等领域提供有效辅助数据源,并对辅助智慧城市建设、精准化资源调度与服务具有重要现实意义。本文以武汉市为研究区域,考虑数据自身特点以及应用场景,研究相应的不同格网尺度的精细人口空间分布数据的获取方法,并获取了武汉市2015年多个格网尺度的精细人口分布数据。首先是基于NPP/VIIRS夜间灯光和FROMGLC土地利用数据的人口空间化。夜间灯光和土地利用数据具有范围广、更新频率较高、处理方式较为简单等特点,适用于获取大范围且具有较高更新频率的人口空间分布数据。通过夜间灯光对各种土地利用类型进行有灯光区和无灯光区的划分,在此基础上提取各土地利用数据有灯光区面积、无灯光区面积和夜光总值,利用多元线性回归模型构建这些变量因子和统计人口之间的关系进行人口空间化。其次是基于高德地图兴趣点(Points of Interest,POI)以及地理国情监测数据提取的房屋建筑物这两类细粒度地理要素数据,该类数据具有获取难度大、更新速度慢、处理过程较复杂等特点,但该类数据集具有丰富的轮廓和语义信息,更适用于小尺度的精细人口空间化中。通过考虑建筑物属性和建筑物与兴趣点数据的空间位置关系构建特征,利用随机森林模型对提取的高维特征进行训练和预测进行人口空间化。同时考虑到满足不同产业或其他领域研究需求,两类实验均分别从500m,100m和50m叁种格网尺度进行开展。进一步,对研究区的人口空间自相关性开展分析,并尝试使用均值滤波的方法来融入相邻格网人口数据之间的相关性。对本文的实验结果进行总结和分析可得到的结论如下:1)基于夜间灯光数据和土地利用数据的人口空间化结果随着格网尺度的增加精度越高。在500m尺度下的人口空间化结果最好,精度高于WorldPop数据集。表明这两类栅格型数据可以在较大格网尺度的人口空间化结果具有较高的精度。2)基于兴趣点数据和房屋建筑的多尺度人口空间化结果随着格网尺度的增加精度越低。在50m尺度下的人口空间化结果最好,精度为本文实验所有尺度空间化实验结果最佳。该方法空间分辨率和精度都能得到较大提升,表明这两类细粒度地理要素数据更适合较小格网尺度的人口空间化研究。3)研究区人口具有明显的空间自相关关系,呈现主城区高高集聚和远城区低低集聚的基本人口分布格局。基于滤波的格网人口处理实验在部分尺度具有一定的修正作用。综上所述,本文研究了利用高精度数据获取多种格网尺度的精细化人口空间化的方法,分析了不同空间化辅助数据源在不同尺度下人口空间分布拟合效果,可为大数据背景下基于多源数据融合的精细化人口研究提供新的思路。(本文来源于《武汉大学》期刊2019-05-01）
邱歌[10]（2019）在《基于随机森林模型的高精度人口数据空间化》一文中研究指出人口数据是反映人类活动最直观的指标之一。传统的人口数据主要以各级行政单元为单位每十年进行一次普查统计,有着时间分辨率低、不支持高精度空间分析的弊端。随着遥感与地理信息科学技术的发展,代表人口分布信息的人口空间化数据,特别是高分辨率的人口格网数据对于理解和响应众多的社会、经济及环境问题起着越来越至关重要的作用。目前,主流的大尺度人口格网数据的空间分辨率以1KM为主,对于精细化尺度的研究和应用(如城市尺度)有一定的局限性。同时,由于这些研究使用的辅助数据多为传统的土地利用/覆盖类型数据等,并未使用较多的新型数据,其空间化精度有待提高。本研究着重关注主流人口格网数据空间分辨率较低及辅助地理数据使用不全面这两项问题,以河南省郑州市市区为研究区域,获取了多源遥感数据(土地利用/覆盖,夜间灯光,数字高程数据等),及社会经济数据(如商业兴趣点,建筑轮廓数据等)。本研究以乡镇/街道级别行政区划相对应的人口及辅助数据为样本,在随机森林模型中进行建模。随后,根据100M的格网进行分区密度制图,将区/县级别人口普查数据空间化至100M网格内。空间化后的100M人口格网数据随后通过箱线图与乡/镇街道级别人口普查数据进行对比,探究空间化后异常误差出现的原因,并据此重新建模寻求最优建模参数及辅助数据。(1)根据本研究人口空间化结果,郑州市人口大体上呈向中心集中的放射状分布,人口主要集中在中原区东部,二七区东北,及金水区西部。其中,人口密度较高的街道为绿东村街道,建设路街道,平均每百米格网人口密度均超过200人,古荥镇人口密度较低,且人口分布均匀,平均每百米格网人口仅为6.004人。(2)经过本研究结果与其他主流人口格网数据在郑州市市区进行对比,发现本研究人口数据空间化总体精度较好,其中,本文选取的特征库中的特征与郑州市各乡镇/街道级别行政单元人口密度的相关度:R~2=91.28;空间化后的人口与客观人口在郑州市内所有乡镇/街道行政单元上的均方根误差(RMSE)=25783.59,超过了Worldpop(RMSE=31543.66)、中国公里网格人口分布数据集(RMSE=35800.90)、及Gridded Population of the World(RMSE=33791.59)。(3)根据平均精度减少法及Boruta法,本研究对随机森林建模的辅助数据的变量重要度进行了研究,并发现在较为复杂的城市环境下,兴趣点数据,特别是代表居民小区位置的兴趣点,停车场位置点,银行位置点,对于人口的空间分布有着较大的影响,相反的,气温,降水等较为宏观的变量对小区域人口数据空间化建模贡献不大。在今后的小区域城市快速建模中,可使用本研究特征重要度较高的特征对人口的空间分布进行模拟。(本文来源于《内蒙古师范大学》期刊2019-04-01）
空间化论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
精细尺度的人口空间化研究成为当前GIS领域研究的热点。已有的人口空间化方法大多针对区域或城市尺度进行研究,少有对街道、社区甚至住宅小区的亚城市单元人口的研究。该文以南京市江宁区秣陵街道为例,基于腾讯位置大数据,结合人口统计数据、建筑物空间属性数据和住宅小区边界数据,提出了基于腾讯位置大数据的人口空间化方法和住宅小区级别的精细尺度人口估算方法。研究结果表明,该方法在住宅小区空间尺度下的估算结果与实际人口的线性拟合R~2达到0.9494,结果可信度较高,可为今后精细尺度人口空间化研究提供参考。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
空间化论文参考文献
[1].徐琼,陈守湖.时间的空间化与空间的时间化——谈电视剧《长安十二时辰》的时空叙事[J].当代电视.2019
[2].吴中元,许捍卫,胡钟敏.基于腾讯位置大数据的精细尺度人口空间化——以南京市江宁区秣陵街道为例[J].地理与地理信息科学.2019
[3].迈克尔·华莱士,大卫·布雷迪,顾梦佳,张开.下一个长期波动——世纪之交的空间化、技术官僚控制和工作重构[J].政治经济学季刊.2019
[4].洪小瑞.基于夜间灯光数据和土地利用数据的能源消费碳排放空间化方法比较研究[D].河南大学.2019
[5].屈可馨.博尔赫斯小说的空间化叙事研究[D].云南师范大学.2019
[6].杨璇.旅游微博情感空间化方法研究[D].河北师范大学.2019
[7].成方龙.基于多源地理信息的人口数据空间化研究[D].广州大学.2019
[8].潘星.资本空间化背景下当代城市权利问题研究[D].西北农林科技大学.2019
[9].刘正廉.基于多源地理数据的精细人口空间化方法研究[D].武汉大学.2019
[10].邱歌.基于随机森林模型的高精度人口数据空间化[D].内蒙古师范大学.2019
论文知识图
