俄罗斯典型城市扩张时空格局与驱动机制——基于遥感决策融合与多元离散回归模型

李宇, 孟丹, 叶海鹏, 张宁, 郑吉, 李飞, 董锁成

Spatiotemporal pattern and driving forces of typical Russian cities: Based on remote sensing decision fusion and multiple discrete regression model

LI Yu, MENG Dan, YE Haipeng, ZHANG Ning, ZHENG Ji, LI Fei, DONG Suocheng

表1 多源遥感数据来源与用途

Tab. 1 Sources and uses of multi-source remote sensing data

来源 数据 时间分辨率 空间分辨率 用途 名称 处理方法 中国资源卫星 应用中心 GF-1 GF-2 2018年 2018年 2 m 1 m 遥感解译分类 决策融合分类法 美国地质 调查局 Landsat5/7/8 1990年、2000年、2010年 15 m、30 m 遥感解译分类 决策融合分类法 美国海洋与 大气管理局 DEM 2019年 30 m 提取海拔 DEM ArcGIS提取地形 栅格图 提取坡向 ASPECT ArcGIS提取坡向 栅格图 提取坡度 SLOPE ArcGIS提取坡度 栅格图 中国科学院中国 遥感卫星地面站 灯光数据 2012年、2019年 提取灯光指数 LIGHT ArcGIS提取区域 灯光指数栅格图 OpenStreetMap（https://download.geofabrik.de/russia.html） 河流 2019年 提取距离河流的距离栅格图 EDU ArcGIS中欧式距离提取各驱动因素栅格图 交通服务设施点 2019年 提取距离交通设施的距离栅格图 JT 公共服务设施点 2019年 提取距离公共服务设施的距离栅格图 GG 商业服务设施点 2019年 提取距离商业服务的距离栅格图 SF 城市主干道 2019年 提取距离城市主干道的距离栅格图 ROAD 铁路 2019年 提取距离铁路的距离栅格图 RAILWAY