多源数据支持下的城市生态环境评价及其与人类活动的关系

摘要

探究城市生态环境与人类活动的关系,是目前城市化进程中的重要研究内容。结合多源数据,提出了采用兴趣点(point of interest,POI)、开放街道地图(OpenStreetMap,OSM)道路网、住宅区数据构建人类活动指标(住宅区可步行测度指数、街道活力指数、城市功能混合度指数)和利用遥感影像构建城市生态环境指标(遥感生态指数)的方法。并结合多项式回归(polynomial regression,PLR)、随机森林回归(random forest regression,RFR)、极限梯度提升回归(extreme gradient boosting regression,XGB)、支持向量回归机(support vector regression machine,SVR)等机器学习模型,对城市生态环境与人类活动指标进行回归分析。以中国江西省南昌市为例开展实例研究,结果显示:(1)人类活动的3项指标均呈现中心高,向四周逐渐递减的趋势,而城市生态环境指标则表现出相反的态势。(2)在探究城市生态环境与人类活动关系的研究中,XGB的效果最好。(3)街道活力指数、城市功能混合度指数与城市生态环境的相关性更强,住宅区可步行测度指数与城市生态环境的相关性更差。(4)在人类活动影响较小的区域,城市生态环境会受到其他因素的干扰导致预测结果精度不高,而在人类活动强烈的区域预测精度较高。