資源整理，接上篇，本篇是論文。
Paper:
高時空分辨率衛(wèi)星數(shù)據(jù)對于植被指數(shù)的反演是必要的，例如歸一化差異植被指數(shù)（NDVI），將被納入CASA模型中，用于凈初級生產(chǎn)力（NPP）估算，尤其是生長季節(jié)。然而，當(dāng)前的遙感數(shù)據(jù)無法準(zhǔn)確地監(jiān)測高時空分辨率下的植被變化。為了考慮時間和空間信息，已經(jīng)開發(fā)了時空融合模型以從高時間分辨率數(shù)據(jù)（例如，MODIS）獲得時間信息以及來自高空間分辨率數(shù)據(jù)（例如，Landsat）的空間信息。本文首先利用時空融合模型生成具有Landsat數(shù)據(jù)空間分辨率和MODIS數(shù)據(jù)時間分辨率的合成NDVI圖像。接下來，從合成的NDVI時間序列數(shù)據(jù)中提取物候特征，以提高土地覆蓋分類的準(zhǔn)確性。最后，我們評估了將合成NDVI和土地覆蓋分類圖同化到用于合成NPP估計的CASA模型的方法。結(jié)果表明，合成NPP的準(zhǔn)確性優(yōu)于非融合NDVI數(shù)據(jù)的NPP估計，提高土地覆蓋分類精度可提高合成NPP估算的準(zhǔn)確性。此外，月度合成NPP與當(dāng)前和上個月的溫度，降雨量和太陽輻射顯示出顯著的指數(shù)關(guān)系。時空影像融合在對地觀測的進一步應(yīng)用。用于CASA模型和NPP估算。
2.Weighing trees with lasers: Advances, challenges and opportunities/用激光稱重樹木：進步，挑戰(zhàn)和機遇
地面激光掃描（TLS）正在提供令人興奮的新方法來量化樹木和森林結(jié)構(gòu)，特別是地上生物量（AGB）。我們展示了TLS如何解決當(dāng)前估算AGB的方法的一些關(guān)鍵不確定性和局限性，這些方法基于支持所有AGB大規(guī)模估計的經(jīng)驗異步縮放方程（ASE）。 TLS提供非常詳細(xì)的樹形無損測量，與樹木大小和形狀無關(guān)。我們展示了來自各種熱帶和溫帶森林的三維（3D）TLS測量的示例，并描述了如何使用所得到的TLS點云來生成分支和樹干大小，形狀和分布的定量3D模型。這些模型可以極大地改善AGB的估計，提供新的，改進的大規(guī)模ASE，并提供與結(jié)構(gòu)相關(guān)的一系列基本樹屬性的見解。個別3D樹結(jié)構(gòu)的大量詳細(xì)測量也有可能在測量困難迄今為止阻止統(tǒng)計方法檢測和理解尺度，形式和功能的基本模式的領(lǐng)域中開辟新的和令人興奮的研究途徑。我們將討論這些機遇以及仍需克服的一些挑戰(zhàn)，以便更廣泛地采用TLS方法。關(guān)于激光雷達(dá)用于地上生物量AGB的一篇綜述性的文章。LiDAR在森林生物量上具有很強的潛力，但是目前為止昂貴的激光雷達(dá)設(shè)備是限制進一步發(fā)展的原因。如何有效結(jié)合LiDAR，SAR，光學(xué)遙感好地面觀測是關(guān)鍵點。
北極地區(qū)積雪的空間分布和時間動態(tài)對區(qū)域能量平衡和水文循環(huán)有直接影響。然而，由于原位測量的稀疏性，我們對北極地區(qū)積雪的知識非常有限。本研究提出了一種通過跟蹤冰，云和陸地高度衛(wèi)星（ICESat）重復(fù)高度測量觀測測量的許多冰凍北極湖泊的表面高度變化來推導(dǎo)北極地區(qū)積雪信息的新方法。大陸表面的原始ICESat高程產(chǎn)品是通過跟蹤發(fā)射的質(zhì)心和返回的激光波形生成的。由于薄云和吹雪引起的散射效應(yīng)，該產(chǎn)品在冰凍的北極湖面上包含許多偏差測量值。該研究推導(dǎo)出一種操作方法，通過將高程測量從質(zhì)心方案轉(zhuǎn)換為最大振幅峰值方案，產(chǎn)生更可靠的高度測量觀測。在不同的ICESat活動中獲得的重復(fù)高程測量值之間存在時變偏差。本研究中對這些運動間偏差的校正顯著改善了表面高程變化的量化，從而實現(xiàn)了更加一致的后續(xù)積雪估算。除了降雪，湖冰的生長也有助于地表高程的變化。我們開發(fā)了一種測量和消除總湖面高度變化貢獻的方法，這可以更準(zhǔn)確地估算阿拉斯加北部北極地區(qū)277個湖泊冰凍面積積雪。使用阿拉斯加北極沿海平原地面站的原位雪深觀測結(jié)果驗證了結(jié)果。在修正ICESat活動間偏差和湖面相變的貢獻去除后，從重復(fù)ICESat高程測量得到的積雪與現(xiàn)場積雪深度觀測高度相關(guān)，Pearson相關(guān)系數(shù)r為0.88。與地面測量相比，我們積雪估算的均方根誤差（RMSE）約為5厘米。與現(xiàn)有的環(huán)北極沿海地區(qū)以及季節(jié)性凍湖豐富的青藏高原的現(xiàn)場觀測相比，我們的方法可以提供更密集的積雪信息。基于ICESat數(shù)據(jù)在北極的研究，泛第三極的研究在這幾年興起。
時空克里金法（STK）被認(rèn)為是地理統(tǒng)計學(xué)中的基本時空預(yù)測方法。時空回歸克里金法（STRK）將時空回歸與回歸殘差的STK相結(jié)合，由于其能夠同時考慮樣本數(shù)據(jù)中的外部協(xié)變量信息和時空自相關(guān)，因此被廣泛應(yīng)用于各個領(lǐng)域。為了處理STRK趨勢組件中的時空非平穩(wěn)關(guān)系，本文擴展了傳統(tǒng)的STRK，將其與改進的地理和時間加權(quán)回歸（I-GTWR）模型相結(jié)合。基于確定性趨勢和隨機殘差分量的分解，提出了一種新的地理統(tǒng)計模型，即地理和時間加權(quán)回歸時空克里格（GTWR-STK）。為了評估我們的方法的有效性，進行了2002年至2015年中國浙江沿海地區(qū)葉綠素a（Chl-a）預(yù)測的案例研究。結(jié)果表明，所提出的方法產(chǎn)生了可靠的結(jié)果，優(yōu)于GTWR，地理和時間加權(quán)回歸克里金法（GTWR-K）和時空普通克里金法（STOK）模型。另外，采用I-GTWR校準(zhǔn)獲得的最佳時空距離來擬合殘差映射的時空變異圖被證實是可行的，并且它大大簡化了STK插值的殘差估計。時空克里金法的拓展，結(jié)合GWR做了一個拓展，同時考慮到了殘差估計。非常不錯的空間統(tǒng)計方法方面的論文，發(fā)表于IJGIS上。值得進一步關(guān)注。
5.Specialized Villages in Inland China: Spatial and Developmental Issues/中國內(nèi)陸的專業(yè)村：空間與發(fā)展問題
中國專業(yè)村的發(fā)展是一個有趣的趨勢。 本文運用理性的小家庭理論，分工和專業(yè)化概念，以及距離衰減和鄰域效應(yīng)理論來研究中國的專業(yè)村。 我們使用2010年河南?。ㄖ袊畲蟮霓r(nóng)業(yè)省）專業(yè)村的人口普查數(shù)據(jù)作為案例研究的基礎(chǔ)，應(yīng)用代表16種專業(yè)村的虛擬變量，選擇環(huán)境變量，如土地形態(tài)，位置 ，耕地面積和勞動力特征。 我們發(fā)現(xiàn)與專業(yè)化相關(guān)的重要因素是位置和生產(chǎn)因素。 討論了這項研究的政策含義。利用一些社會理論分析和地理學(xué)理論分析問題。小城鎮(zhèn)文明和鄉(xiāng)村振興是接下來的熱點研究。
犯罪分析人員試圖查明警方記錄的犯罪數(shù)據(jù)的規(guī)律性，并以破壞所發(fā)現(xiàn)的模式為中心。這樣做的一種常見方法是熱點映射，將注意力集中在空間聚類上，作為減少犯罪的途徑（Chainey＆Ratcliffe，2005; Clarke＆Eck，2003）。盡管這種分析技術(shù)被廣泛使用，但評估其準(zhǔn)確預(yù)測空間模式的能力的評估工具最近才開始為從業(yè)者所用（Chainey，Tompson，＆Uhlig，2008）。至關(guān)重要的是，沒有人從時空的角度審視這個問題。鑒于警務(wù)機構(gòu)的組織性質(zhì)是基于轉(zhuǎn)變的，在這種時間敏感性下理解犯罪問題是常見的，因此有機會以優(yōu)化預(yù)防和檢測的方式迅速部署資源。本文測試了當(dāng)時間信息被納入分析時是否可以增強熱點預(yù)測。使用街道犯罪數(shù)據(jù)，并采用稱為預(yù)測準(zhǔn)確度指數(shù)（PAI）的評估工具，我們發(fā)現(xiàn)可以針對特定的時間變化增強預(yù)測準(zhǔn)確性，并且這主要受到存在的空間聚類程度的影響。有趣的是，當(dāng)熱點萎縮（與全天熱點相比）時，它們變得更加集中，隨后更加可預(yù)測。這在實踐中是有意義的;因為如果犯罪在特定時間范圍內(nèi)更容易預(yù)測，那么可以智能地使用響應(yīng)資源來減少受害情況。犯罪地理研究的文章，利用時空模式預(yù)測犯罪位置。筆者對工具的有效性比較感興趣，后面有機會考慮分析。
表面反射率可以從大氣頂部的衛(wèi)星測量得出，并提供可靠地監(jiān)測土地變化的重要數(shù)據(jù)集。在本研究中，使用Sentinel-2大氣校正（Sen2Cor）處理器生成Sentinel-2A表面反射率。為了評估該數(shù)據(jù)集，收集并處理了2016年1月至2017年8月北美地區(qū)氣溶膠加成呢網(wǎng)絡(luò)40個站點的地面數(shù)據(jù)。表面反射參考源自太陽光譜矢量（6SV）代碼中衛(wèi)星信號的第二次模擬。使用包括精度，精度和不確定度（A，P和U）的度量來評估由Sen2Cor生成的氣溶膠光學(xué)厚度（AOT），水蒸氣，表面反射率和三個光譜指數(shù)。結(jié)果表明，由于Sen2Cor氣溶膠檢索算法的局限性，Sentinel-2A AOT顯著高估，相對準(zhǔn)確度超過160％。 Sen2Cor表面反射率通常被高估，特別是對于明亮的像素，除了卷云帶。對于12個Sentinel-2A波段，相對A，P和U的平均值分別為4.15％，13.44％和14.92％。在三個光譜指數(shù)中，歸一化差異植被指數(shù)表現(xiàn)最佳，與表面數(shù)據(jù)的相關(guān)系數(shù)為0.973。此外，Sen2Cor表面反射率與其他衛(wèi)星產(chǎn)品進行了比較。 Sentinel-2A和Landsat 8表面反射率之間的平均相關(guān)系數(shù)為0.761。這項研究表明，更好的AOT反演對于將來改善Sen2Cor至關(guān)重要。關(guān)于定量遙感的研究，就當(dāng)前流行的哨兵數(shù)據(jù)展開的基礎(chǔ)研究，分析表面反射率驗證的精度。
本文介紹了克拉科夫市某些類別犯罪的空間分布情況。這些數(shù)據(jù)來自克拉科夫市民通過國家安全風(fēng)險地圖提交的報告。第一階段涉及校準(zhǔn)數(shù)據(jù)。然后，由于在城市的一些區(qū)域中點以高濃度發(fā)生，這可能對所述現(xiàn)象的空間分析具有顯著影響，因此識別出數(shù)據(jù)的空間聚類。作為聚類的結(jié)果，獲得了數(shù)據(jù)的廣義分布并在地圖上呈現(xiàn)?；谟嬎?，對概括之前和之后的數(shù)據(jù)進行了比較分析。采用的方法是核密度估計。對不同分區(qū)邊界內(nèi)的數(shù)據(jù)進行比較，可以評估泛化是否會顯著影響分析現(xiàn)象的密度分布。犯罪地理分析的文章，利用核密度分析和空間聚類分析安全風(fēng)險地圖。
9.Analyzing Agricultural Agglomeration in China/中國農(nóng)業(yè)集聚分析
對中國農(nóng)業(yè)的集聚地理格局及其演化機制的研究很少，這對我國可持續(xù)發(fā)展至關(guān)重要。通過計算1981 - 2012年11種作物的重心坐標(biāo)，基尼系數(shù)，空間自相關(guān)和專業(yè)化指數(shù)，分析了農(nóng)業(yè)集聚的演化模式和機制。我們認(rèn)為，中國種植的空間集中程度逐漸提高，區(qū)域?qū)I(yè)化和多樣化逐步加強。此外，中國的農(nóng)作物產(chǎn)量正從東部省份轉(zhuǎn)移到中西部省份。這與中國制造業(yè)增長形成鮮明對比，后者繼續(xù)集中在沿海和東南地區(qū)。在東北地區(qū)，三江和松嫩平原已成為農(nóng)業(yè)集聚區(qū)，中國東南地區(qū)早期對水產(chǎn)養(yǎng)殖和水稻生產(chǎn)的支配力度逐漸下降?？傊?，本文提供了一個理解中國農(nóng)業(yè)區(qū)域化的政治經(jīng)濟學(xué)框架，重點關(guān)注目標(biāo)，決策行為，路徑依賴和空間效應(yīng)之間的相互作用。分析中國農(nóng)業(yè)時空區(qū)域變化的研究。給出了一個框架。
傳統(tǒng)的基于位置的可訪問性度量是靜態(tài)的，并且不能表示一天中不同時間的可訪問性波動。為了填補這一空白，本研究提出了基于位置的時空可達(dá)性度量，以捕獲基于位置的可訪問性的時間變化。使用時空實用程序透視圖，可以將位置的可訪問性概念化為可從該位置訪問的一組設(shè)施提供的時空實用程序。明確考慮了多個替代方案中個人的設(shè)施選擇行為。引入依賴于時間的設(shè)施吸引力函數(shù)來表示個體在某個設(shè)施處執(zhí)行活動的需要的時間變化。引入的函數(shù)被表述為兩個部分：表示從設(shè)施中的活動參與得到的個體滿足的時間不變分量，以及表示個體動態(tài)強度以在一天的不同時間執(zhí)行某種類型的活動的時變分量。為了證明這些擬議措施的適用性，在中國武漢開展了一項綜合案例研究。案例研究的結(jié)果表明，由于交通條件和個人在一天中不同時間進行活動的強度的動態(tài)變化，所提出的措施可以很好地捕捉到可達(dá)性的時間變化。根據(jù)豐富的設(shè)施信息，擬議的措施需要適度的數(shù)據(jù);并且大多數(shù)這些數(shù)據(jù)可以從社交媒體應(yīng)用程序中提取。社交媒體地理學(xué)和LBS分析時空可達(dá)性的研究。
可持續(xù)城市發(fā)展是區(qū)域決策者關(guān)注的焦點;因此，如何衡量和理解城市發(fā)展是一個重要的研究課題。本文量化了2000 - 2015年浙江省嘉興市作為快速發(fā)展城市的多時相Landsat圖像的土地利用圖上的城市增長量。此外，一種新的方法將啟發(fā)式蝙蝠算法（BA）和深度置信網(wǎng)絡(luò)（DBN）與元胞自動機（CA）模型（DBN-CA）相結(jié)合，該模型被開發(fā)用于模擬2015年的城市擴張并預(yù)測城市的分布。為了獲得DBN的最佳結(jié)構(gòu)，提出了BA的優(yōu)化結(jié)構(gòu)，而優(yōu)化的DBN模型考慮了城市擴展中驅(qū)動力的非線性時空關(guān)系。還進行了DBN-CA與傳統(tǒng)的基于人工神經(jīng)網(wǎng)絡(luò)的CA（ANN-CA）模型之間的比較。該研究表明，所提出的模型比ANN-CA模型更穩(wěn)定和準(zhǔn)確，因為DBN-CA的kappa系數(shù)的最小值和最大值分別為77.109％和78.366％，而ANN-CA的值為63.460％。分別在200個實驗中占76.151％。因此，DBN-CA模型是一種潛在有效的新方法，用于調(diào)查土地利用變化和城市擴張，并允許可持續(xù)性研究來研究城市增長趨勢的健康狀況。深度學(xué)習(xí)與元胞自動機的耦合研究，用于模擬城市擴展和發(fā)展。
我們提出了一個新的框架來測量復(fù)雜軌跡之間的拓?fù)浣Y(jié)構(gòu)的相似性。復(fù)雜軌跡首先由具有節(jié)點和邊的圖結(jié)構(gòu)表示。其次，我們開發(fā)了綜合結(jié)構(gòu)匹配（CSM）算法，以識別感興趣的復(fù)雜軌跡之間的所有共同結(jié)構(gòu)。第三，我們使用Jaccard相似系數(shù)來評估復(fù)雜軌跡之間的相似性。我們使用合成數(shù)據(jù)通過比較VF2和精確圖形編輯距離（EGED）算法來評估CSM方法。結(jié)果表明，CSM算法在計算效率方面優(yōu)于EGED。 CSM比VF2算法更全面，因為它進一步考慮了部分同構(gòu)。我們使用CSM算法來檢驗?zāi)虾＃⊿CS）中反氣旋漩渦的1993年至2012年復(fù)雜軌跡。 CSM成功地找到了與SCS中徹底研究的ACE3軌跡類似的復(fù)雜軌跡。從類似的軌跡，我們確定了南海南部渦旋的主要遷移路徑和一些在18°N平行上傳播的新軌跡，這些軌跡以前沒有報道過。這些發(fā)現(xiàn)有助于我們更好地理解SCS中中尺度渦旋的行為和演化。氣旋軌跡分析的研究，利用數(shù)據(jù)挖掘和圖算法分析氣旋軌跡。
作為陸地生態(tài)系統(tǒng)中最大的生態(tài)系統(tǒng)，森林對于維護生態(tài)系統(tǒng)服務(wù)和調(diào)節(jié)區(qū)域氣候至關(guān)重要。在過去的幾十年里，人工密集森林地區(qū)的樹木面積和空間分布一直受到關(guān)注，而農(nóng)業(yè)區(qū)的稀疏森林，即所謂的農(nóng)林復(fù)合體或森林外樹木（TOF），在現(xiàn)有森林制圖中通常被忽視或遺漏盡管它們在調(diào)節(jié)農(nóng)業(yè)生態(tài)系統(tǒng)方面發(fā)揮了重要作用。我們將Landsat和PALSAR數(shù)據(jù)結(jié)合起來，繪制了華北平原典型農(nóng)業(yè)區(qū)的森林圖?；赑ALSAR和Landsat（PL）數(shù)據(jù)得到的地圖也與PALSAR（JAXA森林地圖）和Landsat的五個現(xiàn)有中等分辨率（30-100米）森林地圖進行了比較：NLCD-China，GlobeLand30，ChinaCover和FROM -GLC。結(jié)果表明，與北方單一Landsat或PALSAR數(shù)據(jù)的森林地圖相比，基于PL的森林地圖具有最高的準(zhǔn)確度（總體準(zhǔn)確度為95±1％，置信區(qū)間為95％，Kappa系數(shù)為0.86）。中國平原（總體準(zhǔn)確度從85±2％到92±1％）。所有森林地圖在密集森林山區(qū)顯示出更高的準(zhǔn)確性，而基于PL和JAXA的森林地圖在平原上顯示出更高的準(zhǔn)確性，因為僅在基于Landsat的森林地圖中存在較高的遺漏錯誤。此外，我們發(fā)現(xiàn)基于PL的森林地圖可以在低森林密度區(qū)域捕獲更多修補的森林信息。這意味著雷達(dá)數(shù)據(jù)在捕獲典型農(nóng)業(yè)區(qū)的森林方面具有優(yōu)勢，這些森林在已發(fā)布的僅基于Landsat的森林地圖中往往缺失。鑒于農(nóng)林復(fù)合生態(tài)系統(tǒng)在調(diào)節(jié)農(nóng)業(yè)生態(tài)系統(tǒng)生態(tài)系統(tǒng)服務(wù)和改進碳儲量估算方面的重要性，本研究表明，PALSAR和Landsat數(shù)據(jù)的整合可以為未來的森林清查工作提供有希望的農(nóng)林復(fù)合估算，目標(biāo)是全面了解農(nóng)林生態(tài)系統(tǒng)的生態(tài)系統(tǒng)服務(wù)以及更準(zhǔn)確的碳預(yù)算庫存。多源衛(wèi)星數(shù)據(jù)融合用于森林清查的初探，基于雷達(dá)和光學(xué)遙感的耦合。
14.Prediction of Suspect Location Based on Spatiotemporal Semantics/基于時空語義的可疑位置預(yù)測
對可疑地點的預(yù)測可以為犯罪調(diào)查提供積極的經(jīng)驗，并為預(yù)防犯罪提供必要的情報。然而，現(xiàn)有研究未能捕捉到嫌疑人復(fù)雜的社會地點過渡模式，缺乏解決數(shù)據(jù)稀疏性問題的能力。本文提出了一種基于時空語義的新型位置預(yù)測模型CMoB（Crime Multi-order Bayes model），以提高預(yù)測性能。特別是，該模型將具有相似時空語義的嫌疑人歸為一個目標(biāo)嫌疑人。然后，基于KDE（核密度估計）平滑方法，應(yīng)用它們的移動性數(shù)據(jù)來估計未觀測位置的馬爾可夫轉(zhuǎn)移概率。最后，通過將從馬爾可夫轉(zhuǎn)移矩陣的多階特性導(dǎo)出的總轉(zhuǎn)移概率整合到基于貝葉斯的公式中，能夠?qū)崿F(xiàn)針對個體嫌疑人的多步位置預(yù)測。移動數(shù)據(jù)集覆蓋了武漢市2012年1月至6月的210名嫌疑人及其18,754個位置記錄的實驗表明，擬議的CMoB模型在數(shù)據(jù)稀疏性的背景下明顯優(yōu)于最先進的可疑位置預(yù)測算法。犯罪地理學(xué)的研究，基于稀疏數(shù)據(jù)的語義分析預(yù)測，結(jié)合時空軌跡與馬爾科夫過程，貝葉斯統(tǒng)計等進行預(yù)測，非常有意思的研究。
為了提高土壤濕度主動被動（SMAP）的空間分辨率，本研究使用來自PROBA-V的數(shù)據(jù)，基于溫度植被干旱指數(shù)（TVDI）修改了降尺度因子模型。在修正模型中，TVDI參數(shù)來自溫度 - 植被空間和增強植被指數(shù)（EVI）。本研究使用SMAP，PROBA-V和中分辨率成像光譜儀衛(wèi)星圖像在華北地區(qū)進行。使用改進的降尺度方法將9km空間分辨率SMAP數(shù)據(jù)縮小到0.3km空間分辨率土壤濕度。根據(jù)現(xiàn)場觀察結(jié)果比較了原始和修改的降尺度因子模型的降尺度精度。結(jié)果表明，這兩種方法都產(chǎn)生了類似的空間分布，其中隨著植被覆蓋率從建成區(qū)域增加到森林，土壤水分估計值增加。然而，基于觀測值和估算值之間的均方根誤差，修正后的模型表明，與原始方法相比，土壤濕度的估算精度提高了4.2％。該研究還表明，縮小的土壤水分有望成為后續(xù)流域尺度研究的數(shù)據(jù)來源。土壤濕度的估算研究，土壤濕度在近年來研究已被證明與生態(tài)水文息息相關(guān)。而土壤濕度的遙感反演近年來也有很多成果。SMAP就是其中一個關(guān)鍵數(shù)據(jù)。本研究的降尺度研究可以提升SMAP的應(yīng)用范圍，提供小尺度流域研究的數(shù)據(jù)源。
城市綠地（UGS）的結(jié)構(gòu)在決定他們支持的生態(tài)系統(tǒng)服務(wù)方面發(fā)揮著重要作用。了解影響UGS景觀結(jié)構(gòu)的因素對于UGS的規(guī)劃和管理至關(guān)重要。在這項研究中，我們基于遙感數(shù)據(jù)評估了城市形態(tài)對中國262個城市UGS結(jié)構(gòu)的影響。我們使用基于Google Earth Engine平臺的6673個Landsat ETM + / OLI圖像場景，在2015年為262個城市制作了土地覆蓋圖。我們使用增強回歸樹分析分析了城市形態(tài)對UGS在這些城市的景觀結(jié)構(gòu)的影響，其中景觀和城市形態(tài)指標(biāo)分別來自土地覆蓋圖作為響應(yīng)和預(yù)測變量。結(jié)果表明，三種城市形態(tài)度量 - 周長面積比，道路密度和復(fù)合地形復(fù)雜度指數(shù) - 均與UGS的選定景觀指標(biāo)顯著相關(guān)。道路密度高的城市擁有較少的UGS面積，而這些城市的UGS更加分散。具有復(fù)雜建筑邊界的城市往往擁有更多零碎的UGS。地形復(fù)雜度較高的城市擁有更多的UGS，但UGS更加分散。我們的研究結(jié)果首次揭示了城市形態(tài)在全國262個城市中塑造UGS景觀結(jié)構(gòu)的重要性。基于GEE提取了城市綠地，并分析了城市形態(tài)對城市綠地景觀的影響。首先城市形態(tài)的重要性是一點，其次這個研究很有力地證明了景觀破碎化的兩面性。另外基于GEE的研究使得全國尺度的30m制圖不在受數(shù)據(jù)和平臺限制。
