基于多源遥感数据的城市环境宜居性研究——以北京市为例

doi:10.6046/gtzyyg.2020.03.22

[1]

田山川

.

国外宜居城市研究的理论与方法

[J].经济地理, 2008(4):535-538.

[本文引用: 1]

Tian

S C

.

Theories and methods of livable cities abroad

[J].Economic Geography 2008(4):535-538.

[本文引用: 1]

[2]

王思瑶, 刘艳红, 张丽宏.

宜居社区环境评价体系的研究进展

[J]. 山西建筑, 2017,43(22):183-185.

[本文引用: 1]

Wang

S Y

, Liu

Y H

, Zhang

L H

.

Research progress on environmental assessment system of livable community

[J]. Shanxi Building, 2017,43(22):183-185.

[本文引用: 1]

[3]

Ruut

V

.

The four qualities of life ordering concepts and measures of the good life

[M]. Dordrecht:Springer Netherlands, 2013: 195-226.

[本文引用: 1]

[4]

Omuta

G E D

.

The quality of urban life and the perception of livability:A case study of neighbourhoods in Benin City,Nigeria

[J]. Social Indicators Research, 1988,20(4):417-440.

DOI:10.1007/BF00302336 URL [本文引用: 1]

[5]

Geller

A L

.

Smart growth:A prescription for livable cities

[J]. American Journal of Public Health, 2003,93(9):1410-1415.

DOI:10.2105/ajph.93.9.1410 URL PMID:12948954 [本文引用: 1]

[6]

Mayer

H

, Knox

P L

.

Slow cities:Sustainable places in a fast world

[J]. Journal of Urban Affairs, 2006,28(4):321-334.

DOI:10.1111/j.1467-9906.2006.00298.x URL [本文引用: 1]

[7]

Okulicz-Kozaryn

A

.

City life:Rankings (livability) versus perceptions (satisfaction)

[J]. Social Indicators Research, 2013,110(2):433-451.

DOI:10.1007/s11205-011-9939-x URL [本文引用: 1]

[8]

Zanella

A

, Camanho

A S

, Dias

T G

.

The assessment of cities’ livability integrating human wellbeing and environmental impact

[J]. Annals of Operations Research, 2015,226(1):695-726.

DOI:10.1007/s10479-014-1666-7 URL [本文引用: 1]

[9]

Leach

J M

, Lee

S E

, Boyko

C T

, et al.

Dataset of the livability performance of the city of Birmingham,UK,as measured by its citizen wellbeing,resource security,resource efficiency and carbon emissions

[J]. Data in Brief, 2017,15:691-695.

URL PMID:29124092 [本文引用: 2]

[10]

Suresh

K

.

What works to make cities good for living?

[J]. Journal of Health Management, 2016,18(3):367-380.

DOI:10.1177/0972063416651564 URL [本文引用: 2]

[11]

Ghasemi

K

, Hamzenejad

M

, Meshkini

A

.

The spatial analysis of the livability of 22 districts of Tehran Metropolis using multi-criteria decision making approaches

[J]. Sustainable Cities and Society, 2018,38:382-404.

DOI:10.1016/j.scs.2018.01.018 URL [本文引用: 1]

[12]

Mouratidis

K

.

Is compact city livable? The impact of compact versus sprawled neighbourhoods on neighbourhood satisfaction

[J]. Urban Studies, 2018,55(11):2408-2430.

DOI:10.1177/0042098017729109 URL [本文引用: 1]

[13]

张文忠

.

中国宜居城市建设的理论研究及实践思考

[J]. 国际城市规划, 2016,31(5):1-6.

[本文引用: 1]

Zhang

W Z

.

Theoretical research and practical thinking on the construction of livable cities in China

[J]. International Urban Planning, 2016,31(5):1-6.

DOI:10.22217/upi URL [本文引用: 1]

[14]

崔凤琪, 唐海萍, 张欣.

京津冀地区城市宜居性评价及影响因素分析:基于2010—2016年面板数据的实证研究

[J]. 北京师范大学学报(自然科学版), 2018,54(5):110-117.

[本文引用: 1]

Cui

F Q

, Tang

H P

, Zhang

X

.

Evaluation of urban livability in Beijing-Tianjin-Hebei region and analysis of influencing factors:An empirical study based on panel data from 2010 to 2016

[J]. Journal of Beijing Normal University(Natural Science), 2018,54(5):110-117.

[本文引用: 1]

[15]

王迎春, 梁旭东, 苗世光, 等.

城市气象研究动向的思考

[J]. 气象, 2012,38(10):1232-1237.

[本文引用: 1]

Wang

Y C

, Liang

X D

, Miao

S G

, et al.

Reflections on the trend of urban meteorological research

[J]. Meteorological, 2012,38(10):1232-1237.

[本文引用: 1]

[16]

Kovats

R S

, Hajat

S

.

Heat stress and public health:A critical review

[J]. Annual Review of Public Health, 2008,29(1):41-55.

DOI:10.1146/annurev.publhealth.29.020907.090843 URL [本文引用: 1]

[17]

White

M A

, Nemani

R R

, Thornton

P E

, et al.

Satellite evidence of phenological differences between urbanized and rural areas of the eastern united states deciduous broadleaf forest

[J]. Ecosystems, 2002,5(3):260-273.

DOI:10.1007/s10021-001-0070-8 URL [本文引用: 1]

We used a 10-year record (1990–99) of composited and cloud-screened reflectances from the Advanced Very High Resolution Radiometer (AVHRR) to test for phenological differences between urban and rural areas in the eastern United States deciduous broadleaf forest (DBF). We hypothesized that well-documented urban heat island effects would be associated with alterations in temperature-sensitive vegetation phenology. Our objectives were thus (a) to investigate possible differences in the start of the growing season (SOS) and end of the growing season (EOS) between the urban and DBF land covers, (b) to investigate related differences in greenness amplitude and fractional cover, and (c) to develop a generalized additive model (GAM) to predict the spatial variation of observed differences. By analyzing individual 1° latitude by 1° longitude blocks, we found that, on average, urbanization is associated with a growing season expansion of 7.6 days. Most of this effect is caused by an earlier SOS in urban areas. In all cases, urban regions had lower fractional cover and greenness amplitude. The GAM model failed to produce a viable model for differences in EOS, probably because it is dominated by photoperiod controls with only a minor temperature impact. SOS differences were predicted with an accuracy of about 2.4 days, with a GAM consisting of smoothed functions of mean annual average temperature, urban fractional cover, and the urban vs DBF greenness amplitude difference. We speculate that evidence of a phenological response to warming indicates that global warming, without reduction in DBF vegetation cover and greenness amplitude, may increase carbon sequestration in mesic deciduous forests.]]>

[18]

Grimm

N B

, Faeth

S H

, Golubiewski

N E

, et al.

Global change and the ecology of cities

[J]. Science, 2008,319(5864):756-760.

URL PMID:18258902 [本文引用: 1]

[19]

Akbari

H

, Pomerantz

M

, Taha

H

.

Cool surfaces and shade trees to reduce energy use and improve air quality in urban areas

[J]. Solar Energy, 2001,70(3):295-310.

DOI:10.1016/S0038-092X(00)00089-X URL [本文引用: 1]

[20]

张继平, 乔青, 刘春兰, 等.

基于最小累积阻力模型的北京市生态用地规划研究

[J]. 生态学报, 2017,37(19):6313-6321.

DOI:10.5846/stxb201606121121 URL [本文引用: 1]

2，占市域总面积的60.20%；生态用地的适宜规模为12417 km2，占市域总面积的75.67%，其中，平原区生态用地的适宜规模为2944 km2，占平原区总面积的46.45%，主要分布于建成区的外围过渡地带；山区生态用地的适宜规模为9473 km2，占山区总面积的94.05%。]]>

Zhang

J P

, Qiao

Q

, Liu

C L

, et al.

Study on ecological land planning in Beijing based on the minimum cumulative resistance model

[J]. Acta Ecologica Sinica, 2017,37(19):6313-6321.

[本文引用: 1]

[21]

Fu

B

, Yu

D L

, Zhang

Y J

.

The livable urban landscape:GIS and remote sensing extracted land use assessment for urban livability in Changchun Proper,China

[J]. Land Use Policy, 2019,87:104048.

DOI:10.1016/j.landusepol.2019.104048 URL [本文引用: 1]

[22]

Shahtahmassebi

A R

, Wu

C

, Blackburn

G A

, et al.

How do modern transportation projects impact on development of impervious surfaces via new urban area and urban intensification? Evidence from Hangzhou Bay bridge,China

[J]. Land Use Policy, 2018,77(77):479-497.

DOI:10.1016/j.landusepol.2018.05.059 URL [本文引用: 1]

[23]

魏伟, 石培基, 冯海春, 等.

干旱内陆河流域人居环境适宜性评价——以石羊河流域为例

[J]. 自然资源学报, 2012,27(11):1940-1950.

DOI:10.11849/zrzyxb.2012.11.013 URL [本文引用: 1]

HEI),利用GIS的叠置分析、缓冲区分析、密度分析等空间分析技术对石羊河流域人居环境适宜性进行了定量综合评价分析。评价结果表明,石羊河流域人居环境指数介于17.13~84.32之间,整体分布格局为:从西南方向到东北方向适宜性依次降低,适宜、较适宜居住区主要分布在中游和中下游地区,不适宜人类居住区占研究区面积的比例很大。石羊河流域人居环境适宜区主要以带状和斑块状分布在石羊河各支流周围,其他区域只有零星分布,与流域内居民点分布的空间格局相吻合。石羊河流域人居环境状况与人口密度呈对数关系,确定系数达到0.851 2,与经济发展水平呈现较明显的正相关性,人居环境评价值与单位面积GDP确定系数达到0.845 4,与道路网密度关系不显著,受道路制约程度较小。一些居民点分布在人居环境恶劣区域,一些村镇分布在靠近沙漠区域内,地形复杂,气候多变,水资源短缺,经济发展滞后,结合新农村建设规划和当地土地利用规划,这部分村落需要异地搬迁以便改善人居环境状况。]]>

Wei

W

, Shi

P J

, Feng

H C

, et al.

Evaluation on the suitability of human settlements in arid inland river basin:A case study of Shiyang River basin

[J]. Journal of Natural Resources, 2012,27(11):1940-1950.

DOI:10.11849/zrzyxb.2012.11.013 URL [本文引用: 1]

(HEI) model to evaluate the environment suitability for human settlements in Shiyang River Basin. Through using spatial analysis technique of GIS such as spatial overlay analysis, buffer analysis and density analysis to establish the spatial situation of nature suitability and spatial pattern for human settlement. The results showed that: the index of nature suitability for human settlement in the Shiyang River Basin was between 17.13 and 84.32. In general, nature suitability for human settlement decreased from southwest to northeast. Considering area, the suitable region was mainly distributed in Minqin oasis, Wuwei oasis and Changning basin, which accounted for about 1080.01 km2, 2.59% of the total area. Comparatively suitable region was mainly distributed around the county in Gulang, Yongchang and north of Tianzhu County, which accounted for about 1100.30 km2. The common suitable region was mainly distributed outside of the county in Yongchang, Jinchuan and most part of Minqin county, which accounted for about 23328.04 km2, 56.08% of the total area. The non-suitable region was mainly distributed upstream and north of the river, which accounted for about 9937.60 km2, 23.89% of the total area. Meanwhile, the most non-suitable region was distributed around the Qilian Mountain which covered by snow and cold desert and the intersecting area between Tengger Desert and Badain Jaran Desert. The total area was about 6154.05 km2, which accounted for 14.79% of the total area. Suitable regions for human inhabitance were distributed mainly around rivers in the form of ribbons and batches, while others are scattered. Their distribution was identical with the residential spatial pattern. There was a clear logarithm correlation between situation of residential environment and population, that is, the coefficient of determination between evaluation value of residential environment and population density reached 0.851 2. There was also positive correlation between situation of residential environment and economics, which reached 0.845 4 between evaluation value of residential environment and GDP. Result also shows the environment is difficult to support the existing population in the Shiyang River Basin. Spatial distribution of population was profoundly affected by severe environment such as the expanded deserts, the wavy terrains, and the changeful climate. Surface water shortage and slow economic growth was the bottleneck of nature suitability for human settlement in the Shiyang River Basin. So according to these problems and various planning, some of the residential parts need to relocate in order to improve situation of residential environment.]]>

[24]

中国人民共和国国家环境保护标准. HJ 192—2015生态环境状况评价技术规范[S].北京: 中国环境科学出版社, 2015.

[本文引用: 1]

National Environmental Protection Standards of the People’s Republic of China. HJ 192-2015 Technical Specification of the Evaluation of the Ecological Environment[S]. Beijing: China Environmental Science Press, 2015.

[本文引用: 1]

[25]

刘建华, 毛政元.

高空间分辨率遥感影像分割方法研究综述

[J].遥感信息, 2009(6):95-101.

URL [本文引用: 1]

Abstract：Remote sensing imagery segmentation is a process of dividing an image into different regions such that each region is,but the union of any two adjacent regions is not,homogeneous.It is one of the key techniques in the object-oriented remote sensing imagery data mining and its application,also quite essential in remote sensing image processing engineering.In this paper,we have a thorough survey on different methods of high spatial resolution remote sensing imagery segmentation,categorizing them into four groups according to the gray or color informationthey are exploiting.The disadvantage of current methods and the proper progress which can be obtained in the near future are pointed out at the end of this essay.]]>

Liu

J H

, Mao

Z Y

.

Review of the method of segmentation of remote sensing images with high spatial resolution

[J].Remote Sensing Information 2009(6):95-101.

URL [本文引用: 1]

[26]

汪求来

.

面向对象遥感影像分类方法及其应用研究

[D]. 南京:南京林业大学, 2008.

[本文引用: 1]

Wang

Q L

.

Object-oriented remote sensing image classification method and application

[D]. Nanjing:Nanjing Forestry University, 2008.

[本文引用: 1]

[27]

张佳, 谢玉凤.

高光谱遥感影像分类方法综述

[J].安徽农学通报, 2017,25(14):155,165.

[本文引用: 1]

Zhang

J

, Xie

Y F

.

Overview of classification methods of hyperspectral remote sensing images

[J].Anhui Agricultural Science Bulletin, 2017,25(14):155,165.

[本文引用: 1]

[28]

McFeeters

S K

.

The use of the normalized difference water index (NDWI) in the delineation of open water features

[J]. International Journal of Remote Sensing, 1996,17(7):1425-1432.

DOI:10.1080/01431169608948714 URL [本文引用: 1]

[29]

Rouse

Jr J W

, Haas

R

, Schell

J

, et al.

Monitoring vegetation systems in the Great Plains with ERTS

[J]. NASA Special Publication, 1974,1:309-317.

[本文引用: 1]

[30]

雷小奇, 王卫星, 赖均.

一种基于形状特征进行高分辨率遥感影像道路提取方法

[J]. 测绘学报, 2009,38(5):457-465.

[本文引用: 1]

Lei

X Q

, Wang

W X

, Lai

J

.

A road extraction method based on shape features for high-resolution remote sensing images

[J]. Journal of Surveying and Mapping, 2009,38(5):457-465.

[本文引用: 1]

[31]

何江

.

超高分辨率遥感影像城市建筑物和道路分类研究

[D]. 兰州:兰州大学, 2019.

[本文引用: 2]

He

J

.

Study on classification of urban buildings and roads in ultra-high resolution remote sensing images

[D]. Lanzhou:Lanzhou University, 2019.

[本文引用: 2]

[32]

谢嘉丽, 李永树, 李何超, 等.

利用灰度共生矩阵纹理特征识别空心村损毁建筑物的方法

[J].测绘通报, 2017(12):90-93,102.

[本文引用: 1]

Xie

J L

, Li

Y S

, Li

H C

, et al.

Method of identifying damaged buildings in hollow villages by using the texture features of gray scale symbiotic matrix

[J].Surveying and Mapping Advisory 2017(12):90-93,102.

[本文引用: 1]

[33]

薛晓娟, 孟庆岩, 王春梅, 等.

北京市热岛效应时空变化的HJ-1B监测分析

[J]. 地球信息科学学报, 2012,14(4):474-480.

DOI:10.3724/SP.J.1047.2012.00474 URL [本文引用: 1]

本文利用2008-2011年HJ-1B/CCD可见光-近红外数据,以及HJ-1B/IRS热红外数据,采用遥感算法反演北京市地表温度,并用MODIS地表温度产品对反演结果进行了初步验证。同时分析了北京市热岛效应的年际、年内变化趋势。另利用热场变异指数分析其空间分布特征,以及NDVI、NDBI与城市下垫面对热岛效应的影响。结果表明:(1)2008-2010年北京市热岛强度总体呈上升趋势,2011年有所缓解,4年热岛强度分别为:5.2℃、5.2℃、9.2℃、8.2℃;(2)北京市2010年四季存在明显热岛现象,夏季最强,春、秋次之,冬季最弱,四季热岛强度分别为8.2℃、9.4℃、9.2℃、4.3℃;(3)2008-2011年北京市热岛空间分布特征表明,房山区和大兴区的南部热岛效应逐年缓解,2011年昌平区热岛效应比前3年明显,植被和水体形成城市冷岛;(4)地表温度与NDVI呈明显负相关,与NDBI呈正相关,城市热岛效应与下垫面类型存在明显相关性。

Xue

X J

, Meng

Q Y

, Wang

C M

, et al.

HJ-1B monitoring and analysis of temporal and spatial variation of heat island effect in Beijing

[J]. Journal of Earth Information Science, 2012,14(4):474-480.

[本文引用: 1]

[34]

Du

C

, Ren

H Z

, Qin

Q M

, et al.

A practical split-window algorithm for estimating land surface temperature from Landsat8 data

[J]. Remote Sensing, 2015,7(1):647-665.

DOI:10.3390/rs70100647 URL [本文引用: 1]

国外宜居城市研究的理论与方法

1

2008

... 随着我国城镇化的推进,城市规模扩张,人口激增,城市环境的宜居性愈受人们关注.目前,学界对城市宜居性并没有统一的定义^[1],在全世界范围内,已经有超过10个评价体系^[2],其中大部分系统从环境、经济、社会、文化和发展理念等方面进行评价^{[3,4,5,6,7,8,9,10,11]},侧重点各有不同.比如国外学者Mouratidis^[12]从公共交通、城市中心通达性和土地混合利用方面评估城市的宜居性; Leach等^[9]从公民福利、资源安全、资源效率与碳排放方面进行城市宜居性评估; Suresh^[10]从饮用水安全、空气污染、道路卫生、污水处理、噪声污染、城市基础设施建设和通勤压力等方面构建评估体系.在国内,张文忠^[13]就空间的差异性、社会的分异和宏观社会经济3方面总结分析城市的宜居性; 崔凤琪等^[14]从舒适水平、便捷水平、幸福水平、发展水平和安全水平5个方面对京津冀地区城市进行评价. ...

国外宜居城市研究的理论与方法

1

2008

... 随着我国城镇化的推进,城市规模扩张,人口激增,城市环境的宜居性愈受人们关注.目前,学界对城市宜居性并没有统一的定义^[1],在全世界范围内,已经有超过10个评价体系^[2],其中大部分系统从环境、经济、社会、文化和发展理念等方面进行评价^{[3,4,5,6,7,8,9,10,11]},侧重点各有不同.比如国外学者Mouratidis^[12]从公共交通、城市中心通达性和土地混合利用方面评估城市的宜居性; Leach等^[9]从公民福利、资源安全、资源效率与碳排放方面进行城市宜居性评估; Suresh^[10]从饮用水安全、空气污染、道路卫生、污水处理、噪声污染、城市基础设施建设和通勤压力等方面构建评估体系.在国内,张文忠^[13]就空间的差异性、社会的分异和宏观社会经济3方面总结分析城市的宜居性; 崔凤琪等^[14]从舒适水平、便捷水平、幸福水平、发展水平和安全水平5个方面对京津冀地区城市进行评价. ...

宜居社区环境评价体系的研究进展

1

2017

... 随着我国城镇化的推进,城市规模扩张,人口激增,城市环境的宜居性愈受人们关注.目前,学界对城市宜居性并没有统一的定义^[1],在全世界范围内,已经有超过10个评价体系^[2],其中大部分系统从环境、经济、社会、文化和发展理念等方面进行评价^{[3,4,5,6,7,8,9,10,11]},侧重点各有不同.比如国外学者Mouratidis^[12]从公共交通、城市中心通达性和土地混合利用方面评估城市的宜居性; Leach等^[9]从公民福利、资源安全、资源效率与碳排放方面进行城市宜居性评估; Suresh^[10]从饮用水安全、空气污染、道路卫生、污水处理、噪声污染、城市基础设施建设和通勤压力等方面构建评估体系.在国内,张文忠^[13]就空间的差异性、社会的分异和宏观社会经济3方面总结分析城市的宜居性; 崔凤琪等^[14]从舒适水平、便捷水平、幸福水平、发展水平和安全水平5个方面对京津冀地区城市进行评价. ...

宜居社区环境评价体系的研究进展

1

2017

... 随着我国城镇化的推进,城市规模扩张,人口激增,城市环境的宜居性愈受人们关注.目前,学界对城市宜居性并没有统一的定义^[1],在全世界范围内,已经有超过10个评价体系^[2],其中大部分系统从环境、经济、社会、文化和发展理念等方面进行评价^{[3,4,5,6,7,8,9,10,11]},侧重点各有不同.比如国外学者Mouratidis^[12]从公共交通、城市中心通达性和土地混合利用方面评估城市的宜居性; Leach等^[9]从公民福利、资源安全、资源效率与碳排放方面进行城市宜居性评估; Suresh^[10]从饮用水安全、空气污染、道路卫生、污水处理、噪声污染、城市基础设施建设和通勤压力等方面构建评估体系.在国内,张文忠^[13]就空间的差异性、社会的分异和宏观社会经济3方面总结分析城市的宜居性; 崔凤琪等^[14]从舒适水平、便捷水平、幸福水平、发展水平和安全水平5个方面对京津冀地区城市进行评价. ...

The four qualities of life ordering concepts and measures of the good life

1

2013

... 随着我国城镇化的推进,城市规模扩张,人口激增,城市环境的宜居性愈受人们关注.目前,学界对城市宜居性并没有统一的定义^[1],在全世界范围内,已经有超过10个评价体系^[2],其中大部分系统从环境、经济、社会、文化和发展理念等方面进行评价^{[3,4,5,6,7,8,9,10,11]},侧重点各有不同.比如国外学者Mouratidis^[12]从公共交通、城市中心通达性和土地混合利用方面评估城市的宜居性; Leach等^[9]从公民福利、资源安全、资源效率与碳排放方面进行城市宜居性评估; Suresh^[10]从饮用水安全、空气污染、道路卫生、污水处理、噪声污染、城市基础设施建设和通勤压力等方面构建评估体系.在国内,张文忠^[13]就空间的差异性、社会的分异和宏观社会经济3方面总结分析城市的宜居性; 崔凤琪等^[14]从舒适水平、便捷水平、幸福水平、发展水平和安全水平5个方面对京津冀地区城市进行评价. ...

The quality of urban life and the perception of livability:A case study of neighbourhoods in Benin City,Nigeria

1

1988

... 随着我国城镇化的推进,城市规模扩张,人口激增,城市环境的宜居性愈受人们关注.目前,学界对城市宜居性并没有统一的定义^[1],在全世界范围内,已经有超过10个评价体系^[2],其中大部分系统从环境、经济、社会、文化和发展理念等方面进行评价^{[3,4,5,6,7,8,9,10,11]},侧重点各有不同.比如国外学者Mouratidis^[12]从公共交通、城市中心通达性和土地混合利用方面评估城市的宜居性; Leach等^[9]从公民福利、资源安全、资源效率与碳排放方面进行城市宜居性评估; Suresh^[10]从饮用水安全、空气污染、道路卫生、污水处理、噪声污染、城市基础设施建设和通勤压力等方面构建评估体系.在国内,张文忠^[13]就空间的差异性、社会的分异和宏观社会经济3方面总结分析城市的宜居性; 崔凤琪等^[14]从舒适水平、便捷水平、幸福水平、发展水平和安全水平5个方面对京津冀地区城市进行评价. ...

Smart growth:A prescription for livable cities

1

2003

... 随着我国城镇化的推进,城市规模扩张,人口激增,城市环境的宜居性愈受人们关注.目前,学界对城市宜居性并没有统一的定义^[1],在全世界范围内,已经有超过10个评价体系^[2],其中大部分系统从环境、经济、社会、文化和发展理念等方面进行评价^{[3,4,5,6,7,8,9,10,11]},侧重点各有不同.比如国外学者Mouratidis^[12]从公共交通、城市中心通达性和土地混合利用方面评估城市的宜居性; Leach等^[9]从公民福利、资源安全、资源效率与碳排放方面进行城市宜居性评估; Suresh^[10]从饮用水安全、空气污染、道路卫生、污水处理、噪声污染、城市基础设施建设和通勤压力等方面构建评估体系.在国内,张文忠^[13]就空间的差异性、社会的分异和宏观社会经济3方面总结分析城市的宜居性; 崔凤琪等^[14]从舒适水平、便捷水平、幸福水平、发展水平和安全水平5个方面对京津冀地区城市进行评价. ...

Slow cities:Sustainable places in a fast world

1

2006

... 随着我国城镇化的推进,城市规模扩张,人口激增,城市环境的宜居性愈受人们关注.目前,学界对城市宜居性并没有统一的定义^[1],在全世界范围内,已经有超过10个评价体系^[2],其中大部分系统从环境、经济、社会、文化和发展理念等方面进行评价^{[3,4,5,6,7,8,9,10,11]},侧重点各有不同.比如国外学者Mouratidis^[12]从公共交通、城市中心通达性和土地混合利用方面评估城市的宜居性; Leach等^[9]从公民福利、资源安全、资源效率与碳排放方面进行城市宜居性评估; Suresh^[10]从饮用水安全、空气污染、道路卫生、污水处理、噪声污染、城市基础设施建设和通勤压力等方面构建评估体系.在国内,张文忠^[13]就空间的差异性、社会的分异和宏观社会经济3方面总结分析城市的宜居性; 崔凤琪等^[14]从舒适水平、便捷水平、幸福水平、发展水平和安全水平5个方面对京津冀地区城市进行评价. ...

City life:Rankings (livability) versus perceptions (satisfaction)

1

2013

... 随着我国城镇化的推进,城市规模扩张,人口激增,城市环境的宜居性愈受人们关注.目前,学界对城市宜居性并没有统一的定义^[1],在全世界范围内,已经有超过10个评价体系^[2],其中大部分系统从环境、经济、社会、文化和发展理念等方面进行评价^{[3,4,5,6,7,8,9,10,11]},侧重点各有不同.比如国外学者Mouratidis^[12]从公共交通、城市中心通达性和土地混合利用方面评估城市的宜居性; Leach等^[9]从公民福利、资源安全、资源效率与碳排放方面进行城市宜居性评估; Suresh^[10]从饮用水安全、空气污染、道路卫生、污水处理、噪声污染、城市基础设施建设和通勤压力等方面构建评估体系.在国内,张文忠^[13]就空间的差异性、社会的分异和宏观社会经济3方面总结分析城市的宜居性; 崔凤琪等^[14]从舒适水平、便捷水平、幸福水平、发展水平和安全水平5个方面对京津冀地区城市进行评价. ...

The assessment of cities’ livability integrating human wellbeing and environmental impact

1

2015

... 随着我国城镇化的推进,城市规模扩张,人口激增,城市环境的宜居性愈受人们关注.目前,学界对城市宜居性并没有统一的定义^[1],在全世界范围内,已经有超过10个评价体系^[2],其中大部分系统从环境、经济、社会、文化和发展理念等方面进行评价^{[3,4,5,6,7,8,9,10,11]},侧重点各有不同.比如国外学者Mouratidis^[12]从公共交通、城市中心通达性和土地混合利用方面评估城市的宜居性; Leach等^[9]从公民福利、资源安全、资源效率与碳排放方面进行城市宜居性评估; Suresh^[10]从饮用水安全、空气污染、道路卫生、污水处理、噪声污染、城市基础设施建设和通勤压力等方面构建评估体系.在国内,张文忠^[13]就空间的差异性、社会的分异和宏观社会经济3方面总结分析城市的宜居性; 崔凤琪等^[14]从舒适水平、便捷水平、幸福水平、发展水平和安全水平5个方面对京津冀地区城市进行评价. ...

Dataset of the livability performance of the city of Birmingham,UK,as measured by its citizen wellbeing,resource security,resource efficiency and carbon emissions

2

2017

... 随着我国城镇化的推进,城市规模扩张,人口激增,城市环境的宜居性愈受人们关注.目前,学界对城市宜居性并没有统一的定义^[1],在全世界范围内,已经有超过10个评价体系^[2],其中大部分系统从环境、经济、社会、文化和发展理念等方面进行评价^{[3,4,5,6,7,8,9,10,11]},侧重点各有不同.比如国外学者Mouratidis^[12]从公共交通、城市中心通达性和土地混合利用方面评估城市的宜居性; Leach等^[9]从公民福利、资源安全、资源效率与碳排放方面进行城市宜居性评估; Suresh^[10]从饮用水安全、空气污染、道路卫生、污水处理、噪声污染、城市基础设施建设和通勤压力等方面构建评估体系.在国内,张文忠^[13]就空间的差异性、社会的分异和宏观社会经济3方面总结分析城市的宜居性; 崔凤琪等^[14]从舒适水平、便捷水平、幸福水平、发展水平和安全水平5个方面对京津冀地区城市进行评价. ...

... [9]从公民福利、资源安全、资源效率与碳排放方面进行城市宜居性评估; Suresh^[10]从饮用水安全、空气污染、道路卫生、污水处理、噪声污染、城市基础设施建设和通勤压力等方面构建评估体系.在国内,张文忠^[13]就空间的差异性、社会的分异和宏观社会经济3方面总结分析城市的宜居性; 崔凤琪等^[14]从舒适水平、便捷水平、幸福水平、发展水平和安全水平5个方面对京津冀地区城市进行评价. ...

What works to make cities good for living?

2

2016

... 随着我国城镇化的推进,城市规模扩张,人口激增,城市环境的宜居性愈受人们关注.目前,学界对城市宜居性并没有统一的定义^[1],在全世界范围内,已经有超过10个评价体系^[2],其中大部分系统从环境、经济、社会、文化和发展理念等方面进行评价^{[3,4,5,6,7,8,9,10,11]},侧重点各有不同.比如国外学者Mouratidis^[12]从公共交通、城市中心通达性和土地混合利用方面评估城市的宜居性; Leach等^[9]从公民福利、资源安全、资源效率与碳排放方面进行城市宜居性评估; Suresh^[10]从饮用水安全、空气污染、道路卫生、污水处理、噪声污染、城市基础设施建设和通勤压力等方面构建评估体系.在国内,张文忠^[13]就空间的差异性、社会的分异和宏观社会经济3方面总结分析城市的宜居性; 崔凤琪等^[14]从舒适水平、便捷水平、幸福水平、发展水平和安全水平5个方面对京津冀地区城市进行评价. ...

... [10]从饮用水安全、空气污染、道路卫生、污水处理、噪声污染、城市基础设施建设和通勤压力等方面构建评估体系.在国内,张文忠^[13]就空间的差异性、社会的分异和宏观社会经济3方面总结分析城市的宜居性; 崔凤琪等^[14]从舒适水平、便捷水平、幸福水平、发展水平和安全水平5个方面对京津冀地区城市进行评价. ...

The spatial analysis of the livability of 22 districts of Tehran Metropolis using multi-criteria decision making approaches

1

2018

... 随着我国城镇化的推进,城市规模扩张,人口激增,城市环境的宜居性愈受人们关注.目前,学界对城市宜居性并没有统一的定义^[1],在全世界范围内,已经有超过10个评价体系^[2],其中大部分系统从环境、经济、社会、文化和发展理念等方面进行评价^{[3,4,5,6,7,8,9,10,11]},侧重点各有不同.比如国外学者Mouratidis^[12]从公共交通、城市中心通达性和土地混合利用方面评估城市的宜居性; Leach等^[9]从公民福利、资源安全、资源效率与碳排放方面进行城市宜居性评估; Suresh^[10]从饮用水安全、空气污染、道路卫生、污水处理、噪声污染、城市基础设施建设和通勤压力等方面构建评估体系.在国内,张文忠^[13]就空间的差异性、社会的分异和宏观社会经济3方面总结分析城市的宜居性; 崔凤琪等^[14]从舒适水平、便捷水平、幸福水平、发展水平和安全水平5个方面对京津冀地区城市进行评价. ...

Is compact city livable? The impact of compact versus sprawled neighbourhoods on neighbourhood satisfaction

1

2018

... 随着我国城镇化的推进,城市规模扩张,人口激增,城市环境的宜居性愈受人们关注.目前,学界对城市宜居性并没有统一的定义^[1],在全世界范围内,已经有超过10个评价体系^[2],其中大部分系统从环境、经济、社会、文化和发展理念等方面进行评价^{[3,4,5,6,7,8,9,10,11]},侧重点各有不同.比如国外学者Mouratidis^[12]从公共交通、城市中心通达性和土地混合利用方面评估城市的宜居性; Leach等^[9]从公民福利、资源安全、资源效率与碳排放方面进行城市宜居性评估; Suresh^[10]从饮用水安全、空气污染、道路卫生、污水处理、噪声污染、城市基础设施建设和通勤压力等方面构建评估体系.在国内,张文忠^[13]就空间的差异性、社会的分异和宏观社会经济3方面总结分析城市的宜居性; 崔凤琪等^[14]从舒适水平、便捷水平、幸福水平、发展水平和安全水平5个方面对京津冀地区城市进行评价. ...

中国宜居城市建设的理论研究及实践思考

1

2016

... 随着我国城镇化的推进,城市规模扩张,人口激增,城市环境的宜居性愈受人们关注.目前,学界对城市宜居性并没有统一的定义^[1],在全世界范围内,已经有超过10个评价体系^[2],其中大部分系统从环境、经济、社会、文化和发展理念等方面进行评价^{[3,4,5,6,7,8,9,10,11]},侧重点各有不同.比如国外学者Mouratidis^[12]从公共交通、城市中心通达性和土地混合利用方面评估城市的宜居性; Leach等^[9]从公民福利、资源安全、资源效率与碳排放方面进行城市宜居性评估; Suresh^[10]从饮用水安全、空气污染、道路卫生、污水处理、噪声污染、城市基础设施建设和通勤压力等方面构建评估体系.在国内,张文忠^[13]就空间的差异性、社会的分异和宏观社会经济3方面总结分析城市的宜居性; 崔凤琪等^[14]从舒适水平、便捷水平、幸福水平、发展水平和安全水平5个方面对京津冀地区城市进行评价. ...

中国宜居城市建设的理论研究及实践思考

1

2016

... 随着我国城镇化的推进,城市规模扩张,人口激增,城市环境的宜居性愈受人们关注.目前,学界对城市宜居性并没有统一的定义^[1],在全世界范围内,已经有超过10个评价体系^[2],其中大部分系统从环境、经济、社会、文化和发展理念等方面进行评价^{[3,4,5,6,7,8,9,10,11]},侧重点各有不同.比如国外学者Mouratidis^[12]从公共交通、城市中心通达性和土地混合利用方面评估城市的宜居性; Leach等^[9]从公民福利、资源安全、资源效率与碳排放方面进行城市宜居性评估; Suresh^[10]从饮用水安全、空气污染、道路卫生、污水处理、噪声污染、城市基础设施建设和通勤压力等方面构建评估体系.在国内,张文忠^[13]就空间的差异性、社会的分异和宏观社会经济3方面总结分析城市的宜居性; 崔凤琪等^[14]从舒适水平、便捷水平、幸福水平、发展水平和安全水平5个方面对京津冀地区城市进行评价. ...

京津冀地区城市宜居性评价及影响因素分析:基于2010—2016年面板数据的实证研究

1

2018

... 随着我国城镇化的推进,城市规模扩张,人口激增,城市环境的宜居性愈受人们关注.目前,学界对城市宜居性并没有统一的定义^[1],在全世界范围内,已经有超过10个评价体系^[2],其中大部分系统从环境、经济、社会、文化和发展理念等方面进行评价^{[3,4,5,6,7,8,9,10,11]},侧重点各有不同.比如国外学者Mouratidis^[12]从公共交通、城市中心通达性和土地混合利用方面评估城市的宜居性; Leach等^[9]从公民福利、资源安全、资源效率与碳排放方面进行城市宜居性评估; Suresh^[10]从饮用水安全、空气污染、道路卫生、污水处理、噪声污染、城市基础设施建设和通勤压力等方面构建评估体系.在国内,张文忠^[13]就空间的差异性、社会的分异和宏观社会经济3方面总结分析城市的宜居性; 崔凤琪等^[14]从舒适水平、便捷水平、幸福水平、发展水平和安全水平5个方面对京津冀地区城市进行评价. ...

京津冀地区城市宜居性评价及影响因素分析:基于2010—2016年面板数据的实证研究

1

2018

... 随着我国城镇化的推进,城市规模扩张,人口激增,城市环境的宜居性愈受人们关注.目前,学界对城市宜居性并没有统一的定义^[1],在全世界范围内,已经有超过10个评价体系^[2],其中大部分系统从环境、经济、社会、文化和发展理念等方面进行评价^{[3,4,5,6,7,8,9,10,11]},侧重点各有不同.比如国外学者Mouratidis^[12]从公共交通、城市中心通达性和土地混合利用方面评估城市的宜居性; Leach等^[9]从公民福利、资源安全、资源效率与碳排放方面进行城市宜居性评估; Suresh^[10]从饮用水安全、空气污染、道路卫生、污水处理、噪声污染、城市基础设施建设和通勤压力等方面构建评估体系.在国内,张文忠^[13]就空间的差异性、社会的分异和宏观社会经济3方面总结分析城市的宜居性; 崔凤琪等^[14]从舒适水平、便捷水平、幸福水平、发展水平和安全水平5个方面对京津冀地区城市进行评价. ...

城市气象研究动向的思考

1

2012

... 由于城市地表类型受人类干扰大,热源丰富,因此城市的生态用地保有量与空间分布,以及城市热岛效应^[15]是当前评价其环境好坏的重要指标^{[16,17,18,19]}.基于遥感影像,可获取城市地表类型,分析城市热环境,进而提取城市热岛效应.鉴于此,本文旨在从城市环境方面入手,以全遥感数据为基础,从多源遥感信息提取的城市生态用地、植被指数和城市热环境构建城市环境宜居性新型评价体系,并以北京市为研究区域开展应用. ...

城市气象研究动向的思考

1

2012

... 由于城市地表类型受人类干扰大,热源丰富,因此城市的生态用地保有量与空间分布,以及城市热岛效应^[15]是当前评价其环境好坏的重要指标^{[16,17,18,19]}.基于遥感影像,可获取城市地表类型,分析城市热环境,进而提取城市热岛效应.鉴于此,本文旨在从城市环境方面入手,以全遥感数据为基础,从多源遥感信息提取的城市生态用地、植被指数和城市热环境构建城市环境宜居性新型评价体系,并以北京市为研究区域开展应用. ...

Heat stress and public health:A critical review

1

2008

... 由于城市地表类型受人类干扰大,热源丰富,因此城市的生态用地保有量与空间分布,以及城市热岛效应^[15]是当前评价其环境好坏的重要指标^{[16,17,18,19]}.基于遥感影像,可获取城市地表类型,分析城市热环境,进而提取城市热岛效应.鉴于此,本文旨在从城市环境方面入手,以全遥感数据为基础,从多源遥感信息提取的城市生态用地、植被指数和城市热环境构建城市环境宜居性新型评价体系,并以北京市为研究区域开展应用. ...

Satellite evidence of phenological differences between urbanized and rural areas of the eastern united states deciduous broadleaf forest

1

2002

... 由于城市地表类型受人类干扰大,热源丰富,因此城市的生态用地保有量与空间分布,以及城市热岛效应^[15]是当前评价其环境好坏的重要指标^{[16,17,18,19]}.基于遥感影像,可获取城市地表类型,分析城市热环境,进而提取城市热岛效应.鉴于此,本文旨在从城市环境方面入手,以全遥感数据为基础,从多源遥感信息提取的城市生态用地、植被指数和城市热环境构建城市环境宜居性新型评价体系,并以北京市为研究区域开展应用. ...

Global change and the ecology of cities

1

2008

... 由于城市地表类型受人类干扰大,热源丰富,因此城市的生态用地保有量与空间分布,以及城市热岛效应^[15]是当前评价其环境好坏的重要指标^{[16,17,18,19]}.基于遥感影像,可获取城市地表类型,分析城市热环境,进而提取城市热岛效应.鉴于此,本文旨在从城市环境方面入手,以全遥感数据为基础,从多源遥感信息提取的城市生态用地、植被指数和城市热环境构建城市环境宜居性新型评价体系,并以北京市为研究区域开展应用. ...

Cool surfaces and shade trees to reduce energy use and improve air quality in urban areas

1

2001

... 由于城市地表类型受人类干扰大,热源丰富,因此城市的生态用地保有量与空间分布,以及城市热岛效应^[15]是当前评价其环境好坏的重要指标^{[16,17,18,19]}.基于遥感影像,可获取城市地表类型,分析城市热环境,进而提取城市热岛效应.鉴于此,本文旨在从城市环境方面入手,以全遥感数据为基础,从多源遥感信息提取的城市生态用地、植被指数和城市热环境构建城市环境宜居性新型评价体系,并以北京市为研究区域开展应用. ...

基于最小累积阻力模型的北京市生态用地规划研究

1

2017

... 本文研究区北京市地处华北平原北端,属于暖温带半湿润大陆性季风气候区.北京市拥有森林、草地、灌丛等自然生态系统^[20],植被覆盖程度不一,且城区内人口密度大,工业集中.城区内地表覆盖类型主要为建筑物、道路、停车场等不透水层,该类型地物比热容小,易吸热升温快. ...

基于最小累积阻力模型的北京市生态用地规划研究

1

2017

... 本文研究区北京市地处华北平原北端,属于暖温带半湿润大陆性季风气候区.北京市拥有森林、草地、灌丛等自然生态系统^[20],植被覆盖程度不一,且城区内人口密度大,工业集中.城区内地表覆盖类型主要为建筑物、道路、停车场等不透水层,该类型地物比热容小,易吸热升温快. ...

The livable urban landscape:GIS and remote sensing extracted land use assessment for urban livability in Changchun Proper,China

1

2019

... 城市环境的人居适宜性取决于多个要素,其中城市用地类型、植被状况、水源地以及交通通达性等因素较为显著^[21,22,23],这些要素均可从遥感数据中反演与提取.本文以水体、植被、道路、建筑用地、裸土以及城市热环境等因子为基础,构建基于遥感数据度量指标的城市人居环境适宜性评价方法,并利用权值法计算城市的生态环境质量指数^[24](ecological quality index, EQI),即 ...

How do modern transportation projects impact on development of impervious surfaces via new urban area and urban intensification? Evidence from Hangzhou Bay bridge,China

1

2018

... 城市环境的人居适宜性取决于多个要素,其中城市用地类型、植被状况、水源地以及交通通达性等因素较为显著^[21,22,23],这些要素均可从遥感数据中反演与提取.本文以水体、植被、道路、建筑用地、裸土以及城市热环境等因子为基础,构建基于遥感数据度量指标的城市人居环境适宜性评价方法,并利用权值法计算城市的生态环境质量指数^[24](ecological quality index, EQI),即 ...

干旱内陆河流域人居环境适宜性评价——以石羊河流域为例

1

2012

... 城市环境的人居适宜性取决于多个要素,其中城市用地类型、植被状况、水源地以及交通通达性等因素较为显著^[21,22,23],这些要素均可从遥感数据中反演与提取.本文以水体、植被、道路、建筑用地、裸土以及城市热环境等因子为基础,构建基于遥感数据度量指标的城市人居环境适宜性评价方法,并利用权值法计算城市的生态环境质量指数^[24](ecological quality index, EQI),即 ...

干旱内陆河流域人居环境适宜性评价——以石羊河流域为例

1

2012

... 城市环境的人居适宜性取决于多个要素,其中城市用地类型、植被状况、水源地以及交通通达性等因素较为显著^[21,22,23],这些要素均可从遥感数据中反演与提取.本文以水体、植被、道路、建筑用地、裸土以及城市热环境等因子为基础,构建基于遥感数据度量指标的城市人居环境适宜性评价方法,并利用权值法计算城市的生态环境质量指数^[24](ecological quality index, EQI),即 ...

1

2015

... 城市环境的人居适宜性取决于多个要素,其中城市用地类型、植被状况、水源地以及交通通达性等因素较为显著^[21,22,23],这些要素均可从遥感数据中反演与提取.本文以水体、植被、道路、建筑用地、裸土以及城市热环境等因子为基础,构建基于遥感数据度量指标的城市人居环境适宜性评价方法,并利用权值法计算城市的生态环境质量指数^[24](ecological quality index, EQI),即 ...

1

2015

... 城市环境的人居适宜性取决于多个要素,其中城市用地类型、植被状况、水源地以及交通通达性等因素较为显著^[21,22,23],这些要素均可从遥感数据中反演与提取.本文以水体、植被、道路、建筑用地、裸土以及城市热环境等因子为基础,构建基于遥感数据度量指标的城市人居环境适宜性评价方法,并利用权值法计算城市的生态环境质量指数^[24](ecological quality index, EQI),即 ...

高空间分辨率遥感影像分割方法研究综述

1

2009

... 基于GF-1高分辨率遥感数据,利用面向对象方法,通过影像分割和影像分类^[25,26,27],将城市生态用地划分为水体、植被、道路、建筑用地、裸土5类,并建立不同地物类型相对应的规则集,见表1. ...

高空间分辨率遥感影像分割方法研究综述

1

2009

... 基于GF-1高分辨率遥感数据,利用面向对象方法,通过影像分割和影像分类^[25,26,27],将城市生态用地划分为水体、植被、道路、建筑用地、裸土5类,并建立不同地物类型相对应的规则集,见表1. ...

面向对象遥感影像分类方法及其应用研究

1

2008

... 基于GF-1高分辨率遥感数据,利用面向对象方法,通过影像分割和影像分类^[25,26,27],将城市生态用地划分为水体、植被、道路、建筑用地、裸土5类,并建立不同地物类型相对应的规则集,见表1. ...

面向对象遥感影像分类方法及其应用研究

1

2008

... 基于GF-1高分辨率遥感数据,利用面向对象方法,通过影像分割和影像分类^[25,26,27],将城市生态用地划分为水体、植被、道路、建筑用地、裸土5类,并建立不同地物类型相对应的规则集,见表1. ...

高光谱遥感影像分类方法综述

1

2017

... 基于GF-1高分辨率遥感数据,利用面向对象方法,通过影像分割和影像分类^[25,26,27],将城市生态用地划分为水体、植被、道路、建筑用地、裸土5类,并建立不同地物类型相对应的规则集,见表1. ...

高光谱遥感影像分类方法综述

1

2017

... 基于GF-1高分辨率遥感数据,利用面向对象方法,通过影像分割和影像分类^[25,26,27],将城市生态用地划分为水体、植被、道路、建筑用地、裸土5类,并建立不同地物类型相对应的规则集,见表1. ...

The use of the normalized difference water index (NDWI) in the delineation of open water features

1

1996

... Classification rules corresponding to each feature type

Tab.1

地类	指数	公式	说明
水体	归一化差值水体指数(normalized difference water index, NDWI)	$NDWI = \frac{ρ_{green} - ρ_{NIR}}{ρ_{green} + ρ_{NIR}}$	式中 $ρ_{green}$ 和 $ρ_{NIR}$ 分别为绿光和近红外波段的反射率.当NDWI $\geq$ 0.12时,为水体^[28]
植被	归一化差值植被指数(normalized difference vegetation index, NDVI)	$NDVI = \frac{ρ_{NIR} - ρ_{red}}{ρ_{NIR} + ρ_{red}}$	式中 $ρ_{red}$ 为红光波段的反射率.当NDVI>0.12时,为植被^[29]
道路	长宽比指数(R)	$R = \frac{L}{W}$	式中: L为图斑对象长度; W为图斑对象宽度.设置阈值R≥3,L≥170像元为道路^[30]
建筑用地	灰度最大差值与亮度的比值(Diff_max); 形状指数(K); 灰度共生矩阵熵(Ent)	$Dif f_{\max} = \frac{i, j \in K_{B} \| c_{i} (v) - c_{j} (v) \|}{c (v)}$ $K = \frac{\sqrt[]{A}}{P}$ $Ent = \overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j = 1}} p (i, j) \times \ln [p (i, j)]$	式中: $c_{i} (v)$ 为对象v在i层的平均亮度值; $c_{j} (v)$ 为对象v在j层的平均值; $K_{B}$ 为所有的对象; c(v)为所有层对象v的平均值^[31]; A与P分别为影像对象的面积和周长; $p (i, j)$ 为像元值i和j出现的概率^[32]
裸土	紧凑度(C)	$C = \frac{n \times m}{b}$	式中: C为紧凑度; n为影像对象的宽; m为对象的长度; b为对象内的像素数^[31]

在提取城市各种生态用地类型的基础上,基于式(1)的方式构建各个生态用地类型对城市环境宜居性的评分标准,见表2,此评分模块用I_{land_cover}表示. ...

Monitoring vegetation systems in the Great Plains with ERTS

1

1974

... Classification rules corresponding to each feature type

Tab.1

地类	指数	公式	说明
水体	归一化差值水体指数(normalized difference water index, NDWI)	$NDWI = \frac{ρ_{green} - ρ_{NIR}}{ρ_{green} + ρ_{NIR}}$	式中 $ρ_{green}$ 和 $ρ_{NIR}$ 分别为绿光和近红外波段的反射率.当NDWI $\geq$ 0.12时,为水体^[28]
植被	归一化差值植被指数(normalized difference vegetation index, NDVI)	$NDVI = \frac{ρ_{NIR} - ρ_{red}}{ρ_{NIR} + ρ_{red}}$	式中 $ρ_{red}$ 为红光波段的反射率.当NDVI>0.12时,为植被^[29]
道路	长宽比指数(R)	$R = \frac{L}{W}$	式中: L为图斑对象长度; W为图斑对象宽度.设置阈值R≥3,L≥170像元为道路^[30]
建筑用地	灰度最大差值与亮度的比值(Diff_max); 形状指数(K); 灰度共生矩阵熵(Ent)	$Dif f_{\max} = \frac{i, j \in K_{B} \| c_{i} (v) - c_{j} (v) \|}{c (v)}$ $K = \frac{\sqrt[]{A}}{P}$ $Ent = \overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j = 1}} p (i, j) \times \ln [p (i, j)]$	式中: $c_{i} (v)$ 为对象v在i层的平均亮度值; $c_{j} (v)$ 为对象v在j层的平均值; $K_{B}$ 为所有的对象; c(v)为所有层对象v的平均值^[31]; A与P分别为影像对象的面积和周长; $p (i, j)$ 为像元值i和j出现的概率^[32]
裸土	紧凑度(C)	$C = \frac{n \times m}{b}$	式中: C为紧凑度; n为影像对象的宽; m为对象的长度; b为对象内的像素数^[31]

在提取城市各种生态用地类型的基础上,基于式(1)的方式构建各个生态用地类型对城市环境宜居性的评分标准,见表2,此评分模块用I_{land_cover}表示. ...

一种基于形状特征进行高分辨率遥感影像道路提取方法

1

2009

... Classification rules corresponding to each feature type

Tab.1

地类	指数	公式	说明
水体	归一化差值水体指数(normalized difference water index, NDWI)	$NDWI = \frac{ρ_{green} - ρ_{NIR}}{ρ_{green} + ρ_{NIR}}$	式中 $ρ_{green}$ 和 $ρ_{NIR}$ 分别为绿光和近红外波段的反射率.当NDWI $\geq$ 0.12时,为水体^[28]
植被	归一化差值植被指数(normalized difference vegetation index, NDVI)	$NDVI = \frac{ρ_{NIR} - ρ_{red}}{ρ_{NIR} + ρ_{red}}$	式中 $ρ_{red}$ 为红光波段的反射率.当NDVI>0.12时,为植被^[29]
道路	长宽比指数(R)	$R = \frac{L}{W}$	式中: L为图斑对象长度; W为图斑对象宽度.设置阈值R≥3,L≥170像元为道路^[30]
建筑用地	灰度最大差值与亮度的比值(Diff_max); 形状指数(K); 灰度共生矩阵熵(Ent)	$Dif f_{\max} = \frac{i, j \in K_{B} \| c_{i} (v) - c_{j} (v) \|}{c (v)}$ $K = \frac{\sqrt[]{A}}{P}$ $Ent = \overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j = 1}} p (i, j) \times \ln [p (i, j)]$	式中: $c_{i} (v)$ 为对象v在i层的平均亮度值; $c_{j} (v)$ 为对象v在j层的平均值; $K_{B}$ 为所有的对象; c(v)为所有层对象v的平均值^[31]; A与P分别为影像对象的面积和周长; $p (i, j)$ 为像元值i和j出现的概率^[32]
裸土	紧凑度(C)	$C = \frac{n \times m}{b}$	式中: C为紧凑度; n为影像对象的宽; m为对象的长度; b为对象内的像素数^[31]

在提取城市各种生态用地类型的基础上,基于式(1)的方式构建各个生态用地类型对城市环境宜居性的评分标准,见表2,此评分模块用I_{land_cover}表示. ...

一种基于形状特征进行高分辨率遥感影像道路提取方法

1

2009

... Classification rules corresponding to each feature type

Tab.1

地类	指数	公式	说明
水体	归一化差值水体指数(normalized difference water index, NDWI)	$NDWI = \frac{ρ_{green} - ρ_{NIR}}{ρ_{green} + ρ_{NIR}}$	式中 $ρ_{green}$ 和 $ρ_{NIR}$ 分别为绿光和近红外波段的反射率.当NDWI $\geq$ 0.12时,为水体^[28]
植被	归一化差值植被指数(normalized difference vegetation index, NDVI)	$NDVI = \frac{ρ_{NIR} - ρ_{red}}{ρ_{NIR} + ρ_{red}}$	式中 $ρ_{red}$ 为红光波段的反射率.当NDVI>0.12时,为植被^[29]
道路	长宽比指数(R)	$R = \frac{L}{W}$	式中: L为图斑对象长度; W为图斑对象宽度.设置阈值R≥3,L≥170像元为道路^[30]
建筑用地	灰度最大差值与亮度的比值(Diff_max); 形状指数(K); 灰度共生矩阵熵(Ent)	$Dif f_{\max} = \frac{i, j \in K_{B} \| c_{i} (v) - c_{j} (v) \|}{c (v)}$ $K = \frac{\sqrt[]{A}}{P}$ $Ent = \overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j = 1}} p (i, j) \times \ln [p (i, j)]$	式中: $c_{i} (v)$ 为对象v在i层的平均亮度值; $c_{j} (v)$ 为对象v在j层的平均值; $K_{B}$ 为所有的对象; c(v)为所有层对象v的平均值^[31]; A与P分别为影像对象的面积和周长; $p (i, j)$ 为像元值i和j出现的概率^[32]
裸土	紧凑度(C)	$C = \frac{n \times m}{b}$	式中: C为紧凑度; n为影像对象的宽; m为对象的长度; b为对象内的像素数^[31]

在提取城市各种生态用地类型的基础上,基于式(1)的方式构建各个生态用地类型对城市环境宜居性的评分标准,见表2,此评分模块用I_{land_cover}表示. ...

超高分辨率遥感影像城市建筑物和道路分类研究

2

2019

... Classification rules corresponding to each feature type

Tab.1

地类	指数	公式	说明
水体	归一化差值水体指数(normalized difference water index, NDWI)	$NDWI = \frac{ρ_{green} - ρ_{NIR}}{ρ_{green} + ρ_{NIR}}$	式中 $ρ_{green}$ 和 $ρ_{NIR}$ 分别为绿光和近红外波段的反射率.当NDWI $\geq$ 0.12时,为水体^[28]
植被	归一化差值植被指数(normalized difference vegetation index, NDVI)	$NDVI = \frac{ρ_{NIR} - ρ_{red}}{ρ_{NIR} + ρ_{red}}$	式中 $ρ_{red}$ 为红光波段的反射率.当NDVI>0.12时,为植被^[29]
道路	长宽比指数(R)	$R = \frac{L}{W}$	式中: L为图斑对象长度; W为图斑对象宽度.设置阈值R≥3,L≥170像元为道路^[30]
建筑用地	灰度最大差值与亮度的比值(Diff_max); 形状指数(K); 灰度共生矩阵熵(Ent)	$Dif f_{\max} = \frac{i, j \in K_{B} \| c_{i} (v) - c_{j} (v) \|}{c (v)}$ $K = \frac{\sqrt[]{A}}{P}$ $Ent = \overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j = 1}} p (i, j) \times \ln [p (i, j)]$	式中: $c_{i} (v)$ 为对象v在i层的平均亮度值; $c_{j} (v)$ 为对象v在j层的平均值; $K_{B}$ 为所有的对象; c(v)为所有层对象v的平均值^[31]; A与P分别为影像对象的面积和周长; $p (i, j)$ 为像元值i和j出现的概率^[32]
裸土	紧凑度(C)	$C = \frac{n \times m}{b}$	式中: C为紧凑度; n为影像对象的宽; m为对象的长度; b为对象内的像素数^[31]

在提取城市各种生态用地类型的基础上,基于式(1)的方式构建各个生态用地类型对城市环境宜居性的评分标准,见表2,此评分模块用I_{land_cover}表示. ...

... [31]

在提取城市各种生态用地类型的基础上,基于式(1)的方式构建各个生态用地类型对城市环境宜居性的评分标准,见表2,此评分模块用I_{land_cover}表示. ...

超高分辨率遥感影像城市建筑物和道路分类研究

2

2019

... Classification rules corresponding to each feature type

Tab.1

地类	指数	公式	说明
水体	归一化差值水体指数(normalized difference water index, NDWI)	$NDWI = \frac{ρ_{green} - ρ_{NIR}}{ρ_{green} + ρ_{NIR}}$	式中 $ρ_{green}$ 和 $ρ_{NIR}$ 分别为绿光和近红外波段的反射率.当NDWI $\geq$ 0.12时,为水体^[28]
植被	归一化差值植被指数(normalized difference vegetation index, NDVI)	$NDVI = \frac{ρ_{NIR} - ρ_{red}}{ρ_{NIR} + ρ_{red}}$	式中 $ρ_{red}$ 为红光波段的反射率.当NDVI>0.12时,为植被^[29]
道路	长宽比指数(R)	$R = \frac{L}{W}$	式中: L为图斑对象长度; W为图斑对象宽度.设置阈值R≥3,L≥170像元为道路^[30]
建筑用地	灰度最大差值与亮度的比值(Diff_max); 形状指数(K); 灰度共生矩阵熵(Ent)	$Dif f_{\max} = \frac{i, j \in K_{B} \| c_{i} (v) - c_{j} (v) \|}{c (v)}$ $K = \frac{\sqrt[]{A}}{P}$ $Ent = \overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j = 1}} p (i, j) \times \ln [p (i, j)]$	式中: $c_{i} (v)$ 为对象v在i层的平均亮度值; $c_{j} (v)$ 为对象v在j层的平均值; $K_{B}$ 为所有的对象; c(v)为所有层对象v的平均值^[31]; A与P分别为影像对象的面积和周长; $p (i, j)$ 为像元值i和j出现的概率^[32]
裸土	紧凑度(C)	$C = \frac{n \times m}{b}$	式中: C为紧凑度; n为影像对象的宽; m为对象的长度; b为对象内的像素数^[31]

在提取城市各种生态用地类型的基础上,基于式(1)的方式构建各个生态用地类型对城市环境宜居性的评分标准,见表2,此评分模块用I_{land_cover}表示. ...

... [31]

在提取城市各种生态用地类型的基础上,基于式(1)的方式构建各个生态用地类型对城市环境宜居性的评分标准,见表2,此评分模块用I_{land_cover}表示. ...

利用灰度共生矩阵纹理特征识别空心村损毁建筑物的方法

1

2017

... Classification rules corresponding to each feature type

Tab.1

地类	指数	公式	说明
水体	归一化差值水体指数(normalized difference water index, NDWI)	$NDWI = \frac{ρ_{green} - ρ_{NIR}}{ρ_{green} + ρ_{NIR}}$	式中 $ρ_{green}$ 和 $ρ_{NIR}$ 分别为绿光和近红外波段的反射率.当NDWI $\geq$ 0.12时,为水体^[28]
植被	归一化差值植被指数(normalized difference vegetation index, NDVI)	$NDVI = \frac{ρ_{NIR} - ρ_{red}}{ρ_{NIR} + ρ_{red}}$	式中 $ρ_{red}$ 为红光波段的反射率.当NDVI>0.12时,为植被^[29]
道路	长宽比指数(R)	$R = \frac{L}{W}$	式中: L为图斑对象长度; W为图斑对象宽度.设置阈值R≥3,L≥170像元为道路^[30]
建筑用地	灰度最大差值与亮度的比值(Diff_max); 形状指数(K); 灰度共生矩阵熵(Ent)	$Dif f_{\max} = \frac{i, j \in K_{B} \| c_{i} (v) - c_{j} (v) \|}{c (v)}$ $K = \frac{\sqrt[]{A}}{P}$ $Ent = \overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j = 1}} p (i, j) \times \ln [p (i, j)]$	式中: $c_{i} (v)$ 为对象v在i层的平均亮度值; $c_{j} (v)$ 为对象v在j层的平均值; $K_{B}$ 为所有的对象; c(v)为所有层对象v的平均值^[31]; A与P分别为影像对象的面积和周长; $p (i, j)$ 为像元值i和j出现的概率^[32]
裸土	紧凑度(C)	$C = \frac{n \times m}{b}$	式中: C为紧凑度; n为影像对象的宽; m为对象的长度; b为对象内的像素数^[31]

在提取城市各种生态用地类型的基础上,基于式(1)的方式构建各个生态用地类型对城市环境宜居性的评分标准,见表2,此评分模块用I_{land_cover}表示. ...

利用灰度共生矩阵纹理特征识别空心村损毁建筑物的方法

1

2017

... Classification rules corresponding to each feature type

Tab.1

地类	指数	公式	说明
水体	归一化差值水体指数(normalized difference water index, NDWI)	$NDWI = \frac{ρ_{green} - ρ_{NIR}}{ρ_{green} + ρ_{NIR}}$	式中 $ρ_{green}$ 和 $ρ_{NIR}$ 分别为绿光和近红外波段的反射率.当NDWI $\geq$ 0.12时,为水体^[28]
植被	归一化差值植被指数(normalized difference vegetation index, NDVI)	$NDVI = \frac{ρ_{NIR} - ρ_{red}}{ρ_{NIR} + ρ_{red}}$	式中 $ρ_{red}$ 为红光波段的反射率.当NDVI>0.12时,为植被^[29]
道路	长宽比指数(R)	$R = \frac{L}{W}$	式中: L为图斑对象长度; W为图斑对象宽度.设置阈值R≥3,L≥170像元为道路^[30]
建筑用地	灰度最大差值与亮度的比值(Diff_max); 形状指数(K); 灰度共生矩阵熵(Ent)	$Dif f_{\max} = \frac{i, j \in K_{B} \| c_{i} (v) - c_{j} (v) \|}{c (v)}$ $K = \frac{\sqrt[]{A}}{P}$ $Ent = \overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j = 1}} p (i, j) \times \ln [p (i, j)]$	式中: $c_{i} (v)$ 为对象v在i层的平均亮度值; $c_{j} (v)$ 为对象v在j层的平均值; $K_{B}$ 为所有的对象; c(v)为所有层对象v的平均值^[31]; A与P分别为影像对象的面积和周长; $p (i, j)$ 为像元值i和j出现的概率^[32]
裸土	紧凑度(C)	$C = \frac{n \times m}{b}$	式中: C为紧凑度; n为影像对象的宽; m为对象的长度; b为对象内的像素数^[31]

在提取城市各种生态用地类型的基础上,基于式(1)的方式构建各个生态用地类型对城市环境宜居性的评分标准,见表2,此评分模块用I_{land_cover}表示. ...

北京市热岛效应时空变化的HJ-1B监测分析

1

2012

... 城市热环境是影响城市人居适宜性的重要因素,其中最为突出的是城市热岛效应.城市热岛是一个相对概念,反映城市与周围郊区的温度差异,本文采用如下公式计算热岛效应强度^[33]: ...

北京市热岛效应时空变化的HJ-1B监测分析

1

2012

... 城市热环境是影响城市人居适宜性的重要因素,其中最为突出的是城市热岛效应.城市热岛是一个相对概念,反映城市与周围郊区的温度差异,本文采用如下公式计算热岛效应强度^[33]: ...

A practical split-window algorithm for estimating land surface temperature from Landsat8 data

1

2015

... 式中: UHI为热岛效应强度; LST_avg为选择区域的平均温度; LST_p为像元的地表温度,本文采用Du等^[34]提出的劈窗算法从Landsat8观测的热红外数据反演得到.根据UHI的数值范围可将城市热岛强度分为4个等级,即强热岛效应(UHI>0.2)、一般热岛效应(0.1<UHI≤0.2)、弱热岛效应(0.05<UHI≤0.1)和无热岛效应(UHI≤0.05). ...

NDVI	单因子评分	说明
[0.5,1]	100	浓密植被
[0.4,0.5)	90	较浓密植被
[0.3,0.4)	80	部分植被覆盖
[0.15,0.3)	70	稀疏植被
[-0.2,0.15)	60	裸土,但不包括水体

与水体的距离/m	单因子评分	说明
<200	100	在水体(例如公园、湿地等)周围
[200,500)	90	直接受水体环境影响大
[500,1 000)	80	水体辐射范围可能受其他建筑的影响
[1 000,1 500)	70	水体辐射范围受其他建筑的影响,常常需要乘坐交通工具才能到达
≥1 500	60	距离水体较远,需要乘坐交通工具才能达到

与主干道的距离/m	单因子评分	说明
<20	100	方便自驾或乘公交
[20,50)	90	比较方便自驾或乘公交
[50,200)	80	要绕过1~2栋建筑物才能到主干道
[200,500)	70	需要步行才能到主干道
≥500	60	比较偏离主干道

热岛效应强度累积直方图比例	单因子评分	说明
[95%,100%]	60	高温,酷热,必须借助降温设施
[80%,95%)	70	温度较高,需要借助降温设施
[60%,80%)	80	温度高,但不影响正常生活
[40%,60%)	90	温度合适
[0,40%)	100	温度低,夏季凉爽

热岛效应强度累积直方图比例	单因子评分	说明
[95%,100%]	60	工业高温区,影响正常生活
[85%,95%)	70	温度较高
[75%,85%)	80	温度高
[60%,75%)	90	温度一般
[45%,60%)	100	温度适中
[35%,45%)	90	温度低
[25%,35%)	80	温度较低,需要保暖措施
[15%,25%)	70	温度低,必须要保暖措施
[0,15%)	60	温度非常低,冰雪覆盖等,需要加强防寒保暖等措施

基于多源遥感数据的城市环境宜居性研究——以北京市为例

A study of the livability of urban environment based on multi-source remote sensing data: A case study of Beijing City

0 引言

1 研究区概况和数据源

2 城市环境宜居性评价方法与指标体系构建

2.1 评价指标计算方法

图1

2.2 整体评分指标

3 结果与分析

3.1 城市生态用地与热环境提取结果

图2

图3

图4

3.2 城市环境宜居性评价

图5

4 结论与讨论

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

地类	单因子评分	说明
植被区	100	植被区作为理论上的最佳居住区
建筑用地	90	已经作为居住区,默认为较适合于居住或办公
裸土	80	裸土种类较多,在城市的裸土可能是潜在的建筑用地和绿地
水体	—	不直接参与评分,水源作为其他像元生态环境的参考
道路	—	不直接参与评分,道路作为其他像元交通通达性的参考

累积直方图比例	权重	说明
I_{land_cover}	0.4	具有决定性作用
I_{water_dist}	0.1	一般影响
I_{road_dist}	0.1	一般影响
I_NDVI	0.2	重要影响
I_UHI	0.2	重要影响

EQI	等级	说明
[90,100]	宜居	居住环境很好
[80,90)	较宜居	居住环境好
[70,80)	一般宜居	居住环境一般
[60,70)	较不宜居	居住环境差
[0,60)	不宜居	居住环境很差

基于多源遥感数据的城市环境宜居性研究——以北京市为例

A study of the livability of urban environment based on multi-source remote sensing data: A case study of Beijing City

0 引言

1 研究区概况和数据源

2 城市环境宜居性评价方法与指标体系构建

2.1 评价指标计算方法

图1

2.2 整体评分指标

3 结果与分析

3.1 城市生态用地与热环境提取结果

图2

图3

图4

3.2 城市环境宜居性评价

图5

4 结论与讨论

参考文献 View Option 原文顺序 文献年度倒序 文中引用次数倒序 被引期刊影响因子

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子