基于长三角示范区一体化建设的大背景,考虑生态优化能力标准,结合大数据词频分析法,构建了生态优化能力相关评价指标体系,再通过Criteria Importance Through Intercriteria Correlation(CRITIC)法确定指标权重,以耦合协同度模型评价示...基于长三角示范区一体化建设的大背景,考虑生态优化能力标准,结合大数据词频分析法,构建了生态优化能力相关评价指标体系,再通过Criteria Importance Through Intercriteria Correlation(CRITIC)法确定指标权重,以耦合协同度模型评价示范区一体化发展程度,分析了长三角示范区中各区县的生态优化能力与协同程度。得出以下结论,示范区中吴江区生态优化能力较强,嘉善县最为薄弱;示范区生态优化能力建设协调程度由中级失调逐渐转变为良好协调,建设耦合度处于高耦合阶段,相互影响较大,整体上呈现出有序发展趋势,具有较好的发展潜力。展开更多
通过对比不同数据在南昌市建成区提取上的表现,评估了NPP-VIIRS-like夜间灯光数据(night-timelight,NTL)及其合成数据:兴趣点(point of interest,POI)结合夜间灯光指数(POI&NTL)、基于植被指数构建的城市灯光指数(vegetation adjust...通过对比不同数据在南昌市建成区提取上的表现,评估了NPP-VIIRS-like夜间灯光数据(night-timelight,NTL)及其合成数据:兴趣点(point of interest,POI)结合夜间灯光指数(POI&NTL)、基于植被指数构建的城市灯光指数(vegetation adjusted nighttime urban index,VANUI)和兴趣点结合植被调节NTL城市指数(POI&VANUI)在提取精度和一致性方面的优势。结果显示,基于POI&NTL数据的建成区面积提取具有最小的相对误差,仅为0.06%,表现出最高的精度和可靠性。在建成区的空间分布方面,各种数据提取的建成区范围相似,但在细节和边缘小区域的识别能力上存在差异。特别是,引入了POI数据的提取方法能够有效识别非中心聚集区的建成区,以多源数据融合的POI&VANUI数据在提取建成区范围上表现最广。通过混淆矩阵对建成区提取结果进行了精度验证,结果显示各数据的建成区总体精度均高于80%,Kappa系数均高于60%。以POI&NTL数据提取建成区在总体精度和Kappa系数表示的一致性上都表现出较高水平。POI&VANUI数据在漏分误差和制图精度方面具有一定优势,说明多源数据的融合有利于提取建成区的完整性。展开更多
文摘基于长三角示范区一体化建设的大背景,考虑生态优化能力标准,结合大数据词频分析法,构建了生态优化能力相关评价指标体系,再通过Criteria Importance Through Intercriteria Correlation(CRITIC)法确定指标权重,以耦合协同度模型评价示范区一体化发展程度,分析了长三角示范区中各区县的生态优化能力与协同程度。得出以下结论,示范区中吴江区生态优化能力较强,嘉善县最为薄弱;示范区生态优化能力建设协调程度由中级失调逐渐转变为良好协调,建设耦合度处于高耦合阶段,相互影响较大,整体上呈现出有序发展趋势,具有较好的发展潜力。
