از آنجایی که مسئله کاربری زمین، ناشی از کوچک شدن شهری در چین، بیشتر و بیشتر برجسته می شود، تحقیق در مورد کوچک شدن و گسترش شهری به ویژه چالش برانگیز و فوری شده است. بر اساس داده‌های نقاط مورد علاقه (POI)، این مقاله محدوده، کمیت و مساحت شهرهای طبیعی را با استفاده از روش‌های آستانه تعریف می‌کند که با استفاده از داده‌های نور شب در سال 2013، انقباض و گسترش شهرها در منطقه تحت تأثیر رودخانه زرد را به دقت شناسایی می‌کند. و 2018. نتایج نشان می دهد که: (1) 3130 شهر طبیعی (48118.75 کیلومتر مربع ) در منطقه تحت تأثیر رودخانه زرد وجود دارد که شامل 604 شهر کوچک شده (8407.50 کیلومتر مربع ) و 2165 شهر در حال گسترش (32972.75 کیلومتر مربع) می شود .). (2) توزیع فضایی شهرهای کوچک و در حال گسترش کاملاً متفاوت است. شهرهای کوچک شده عمدتاً در ناحیه تحت تأثیر رودخانه زرد بالایی قرار دارند، به جز شهرهای اداری لانژو و ینچوان. شهرهای در حال گسترش عمدتاً در ناحیه تحت تأثیر رودخانه زرد میانی و پایینی و شهرهای اداری لانژو و ینچوان توزیع شده اند. (3) شهرهای کوچکتر و در حال گسترش معمولاً شهرهای کوچکتری هستند. نتایج تحقیق یک رویکرد مبتنی بر داده‌های سریع را برای برنامه‌ریزی شهری منطقه‌ای و مدیریت کاربری زمین ارائه می‌کند، برای زمانی که دولت‌های منطقه‌ای و مرکزی خطوط کلی نظارت بر توسعه شهری و برنامه‌ریزی منطقه‌ای را تدوین می‌کنند.

کلید واژه ها:

داده های نور شب ؛ کوچک شدن شهری ; گسترش شهری ; شهر طبیعی ؛ منطقه تحت تاثیر رودخانه زرد

1. مقدمه

انقباض پدیده ای است که همه جا در سیستم های طبیعی و اجتماعی وجود دارد. بسیاری از محققان در زمینه زیست شناسی، اقتصاد، جمعیت شناسی و حتی علوم کامپیوتر و شبکه های اجتماعی تحقیقاتی انجام داده اند [ 1 ، 2 ، 3 ، 4 ، 5 ، 6 ، 7 ، 8 ]. “شهر کوچک” ترجمه مستقیم اصطلاح آلمانی “schrumpfende Stadt” است که برای توصیف پدیده کاهش جمعیت و رکود اقتصادی شهرهای آلمان در طول فرآیند صنعتی‌زدایی استفاده می‌شود [ 9 ]. پدیده خالی بودن املاک و ضایعات زیرساختی مشخصه بارز کوچک شدن شهری است [ 10 ], 11 , 12 ]. از سوی دیگر، تحقیقات در مورد گسترش شهرها هرگز متوقف نشده است، اما توجه بسیار کمتری به کوچک شدن شهرها شده است. از سال 1978، چین یک فرآیند گسترش شهری سریع و در مقیاس بزرگ را تجربه کرده است [ 13 ، 14 ]. این گسترش سریع شهری منجر به برخی مشکلات زیست محیطی و اکولوژیکی شده است [ 15 ، 16 ، 17 ]، مانند تأثیر بر بهره وری پوشش گیاهی شهری، تکامل آب شهری، اثر جزیره گرمایی شهری و غیره. شهرها و شهرک های چین، توجه کارشناسان و محققان مربوطه را به خود جلب کرده است [ 18 ، 19 ]]. در سال‌های اخیر، با پیشرفت‌های فناوری داده‌های بزرگ، محققان بیشتری از داده‌های بزرگ سنجش از دور برای مطالعه مناطق ساخته‌شده شهری، پوشش گیاهی، آب و سایر جنبه‌ها استفاده می‌کنند [ 20 ، 21 ، 22 ]. به طور کلی، مطالعات قبلی در مورد کوچک شدن و گسترش شهرها عمدتاً بر داده های جمعیت و سالنامه های آماری تکیه دارند [ 23 ، 24 ]. با این حال، این داده‌های سنتی دارای محدودیت‌هایی مانند مشکلات در جمع‌آوری، آمار نادرست داده‌ها، استانداردهای آماری مختلف، چرخه‌های طولانی به‌روزرسانی، و بیان فضایی خشن هستند [ 25 ، 26 ]] که منجر به انحراف انقباض و گسترش شهری شناسایی شده می شود. در مواجهه با مشکلات داده ها، و فرآیندهای فنی شناسایی شهرهای در حال کوچک شدن و گسترش، برخی از محققان اخیراً شروع به استفاده از داده های سنتز نور شب به دست آمده توسط ماهواره ها برای شناسایی شهرهای کوچک و در حال گسترش کرده اند [ 27 ، 28 ، 29 ]. نور مصنوعی مشاهده شده توسط ماهواره ها در شب، اندازه گیری های جایگزین موثری را برای فعالیت های مختلف انسانی از مقیاس محلی، منطقه ای و جهانی در چند سال گذشته در اختیار ما قرار می دهد [ 25 ، 30 ، 31 ، 32 ، 33 ، 34 ، 35 ، 36 ،37 ]. در مقایسه با سایر روش‌های رصد سنجش از دور نور مرئی، مادون قرمز نزدیک یا حسگرهای رادار [ 38 ، 39 ، 40 ، 41 ، 42 ، 43 ]، داده‌های نور مصنوعی در شب چشم‌انداز منحصربه‌فردی از شدت نور ارائه می‌دهند که ارتباط نزدیکی با فعالیت‌های اجتماعی-اقتصادی و شهری دارد. پویایی توسعه [ 44 ]. بنابراین، داده‌های نور شب را می‌توان برای تشخیص پویایی فضایی جمعیت‌های مختلف و فعالیت‌های اجتماعی-اقتصادی در سراسر جهان مورد استفاده قرار داد [ 45 ، 46 ، 47 ، 48 ، 49 ].
تاکنون، با استفاده از داده‌های باند روز/شب (DNB) مجموعه رادیومتر تصویربرداری مادون قرمز مرئی (VIIRS) مشارکت مدار قطبی ملی Suomi (NPP)، مطالعات شهری بر حوزه‌های زیر متمرکز شده‌اند: (1) رابطه بین نورهای شبانه NPP-VIIRS داده ها (NTL) و شاخص های اجتماعی-اقتصادی، مانند جمعیت، تولید ناخالص داخلی، و نرخ خالی مسکن [ 50 ، 51 ]؛ (2) کاوش در توزیع فضایی جمعیت و گسترش بیماری های خاص [ 52 ]؛ و (3) نقشه برداری از مناطق ساخته شده و نظارت پویا بر گسترش شهری با استفاده از داده های NPP-VIIRS NTL [ 8 ، 44 ، 53 ، 54 ، 55 ، 56 ، 57]. در حال حاضر، مطالعات کمی بر روی کوچک شدن و گسترش شهری به طور همزمان متمرکز شده است و تحقیقات مرتبط نیاز به تقویت دارند. دو روش اصلی پردازش داده های NTL در حال حاضر برای تحقیقات انقباض و گسترش شهری استفاده می شود. یکی شناسایی انقباض و گسترش شهری با محاسبه تفاوت مقادیر تابش NTL هر شبکه در سال های مختلف است، اما این روش تفاوت نمی تواند تداوم و روند انقباض و گسترش شهری را تعیین کند [ 27 ، 28 ]. مورد دیگر استفاده از داده های NPP-VIIRS NTL برای محاسبه شیب های متغیر مقادیر تابش NTL هر شبکه برای شناسایی کوچک شدن و گسترش یک شهر است [ 58 ].]. با این حال، نویز ظاهری ممکن است در داده‌های NTL وجود داشته باشد، و دامنه مطالعه به جای مناطق شهری، بر کل شهر در سطح استان متمرکز است، و نتایج مطالعه ممکن است به‌طور دقیق نشان‌دهنده کوچک شدن و گسترش شهری نباشد. بنابراین، مطالعه پیشنهادی ما تحقیقات همزمان بر روی انقباض و گسترش شهری را بر اساس داده‌های نور شب انجام می‌دهد.
منطقه آسیب دیده رودخانه زرد به منطقه جغرافیایی اطلاق می شود که از نظر هیدرولوژیکی تحت تأثیر حوضه رودخانه زرد قرار دارد، از جمله مناطق سیلابی و مناطق آبیاری کشاورزی رودخانه زرد [ 59 ].]. هدف اصلی این مطالعه شناسایی انقباض و گسترش شهرهای طبیعی در ناحیه تحت تاثیر رودخانه زرد با محاسبه نرخ تغییرات داده‌های روشنایی شبانه است. ابتدا، POI و داده های شبکه جاده ای برای تعریف مرزهای شهرهای طبیعی استفاده شد. دوم، نرخ تغییر نور شب با داده‌های جمعیت LandScan محاسبه و اعتبارسنجی شد. در نهایت، انقباض و گسترش یک شهر طبیعی با توجه به نتایج محاسبه شده مشخص می شود. ما امیدواریم با استفاده از تجزیه و تحلیل داده های NTL در یک حوضه رودخانه بزرگ، چشم اندازی جدید برای شناسایی دقیق و جامع انقباض و گسترش شهرهای طبیعی ارائه دهیم تا زمینه ای برای حاکمیت توسعه شهری در منطقه آسیب دیده رودخانه زرد فراهم شود.

2. مواد و روشها

2.1. منطقه و داده های مطالعه

2.1.1. سیستم شهری در چین

به طور سنتی، شهرها با استفاده از مرزهای اداری، مانند استان ها، شهرداری ها، شهرهای سطح استان و شهرهای سطح شهرستان در چین تعیین می شوند. با این حال، از زمان اصلاحات اقتصادی چین، سیستم‌های شهری پیچیده هستند و از بخش‌های به‌شدت مرتبط به هم تشکیل شده‌اند، از جمله شبکه‌های انسانی و ارتباطات آن‌ها با ساختمان‌ها و محیط طبیعی [ 60 ، 61 ، 62 ]، که اغلب در سراسر مرزهای اداری پخش می‌شوند. علاوه بر این، تشدید شده با شهرنشینی سریع جهانی فعلی، مورفولوژی شهری و تراکم مناطق عملکردی دستخوش تغییرات عظیمی در چند دهه گذشته شده است [ 63 ، 64 ]، و به ویژه در چین، این تغییر آشکارتر است [ 65 ], 66 , 67 ]. بنابراین، بین مرزهای اداری شهرهای سنتی و شهرهای مرکزی واقعی ناهماهنگی وجود دارد.
در این مطالعه، یک شهر طبیعی با یک محیط ساخته شده کامل و زیربنای منطقه مرکز شهری، که حداقل مساحت 2 کیلومتر مربع را در بر می گیرد، از نزدیک در فضا به هم متصل شده است [ 68] .]. بنابراین، یک شهر طبیعی مرکز یک شهر را می پوشاند. در مقایسه با تحقیقات سنتی مبتنی بر مرزهای اداری، می‌توان وضعیت توسعه شهرها را از طریق تحقیق در مورد شهرهای طبیعی به طور دقیق‌تری بیان کرد و در عین حال توسعه نامتوازن مناطق مختلف را در یک واحد اداری به‌ویژه تشخیص داد و واضح‌تر توصیف کرد. یک منطقه بزرگ شهری با تمرکز بر شناسایی و نقشه برداری شهرهای طبیعی، هر دو ویژگی انقباض و گسترش شهرها در منطقه آسیب دیده رودخانه زرد با استفاده از داده های نور شبانه ماهواره ای مورد مطالعه قرار می گیرند.
2.1.2. منطقه مطالعه
منطقه آسیب دیده رودخانه زرد 13 استان و شهرداری را به طور مستقیم تحت حکومت مرکزی در شرق، مرکزی و غرب چین شامل 531 شهر و شهرستان پوشش می دهد ( شکل 1 a). مساحت کل منطقه آسیب دیده رودخانه زرد 1,412,900 کیلومتر مربع است که مساحت زهکش طبیعی آن 752,000 کیلومتر مربع است .. این منطقه چهار واحد ژئومورفیک (فلات چینگهای-تبت، فلات مغولستان داخلی، فلات لس و دشت هوانگ-هوای-های) از غرب به شرق را در بر می گیرد و شامل انواع گونه های آب و هوایی و سطوح مختلف توسعه اجتماعی-اقتصادی است. این منطقه یکی از پرجمعیت ترین مناطق جهان است و فعالیت های انسانی و اجتماعی-اقتصادی آن بسیار فشرده است. از یک طرف، با اجرای استراتژی توسعه غرب و استراتژی خیزش مرکزی چین در اوایل قرن بیست و یکم، برخی از شهرها به سرعت گسترش یافته اند. از سوی دیگر، مصرف زغال سنگ و جنگل ها در فرآیند صنعتی شدن سریع باعث شده است که برخی از شهرهای متکی بر این منابع از نظر اقتصادی دچار زوال و در نتیجه کوچک شدن شهرها شوند.
2.1.3. منابع اطلاعات
این مطالعه از پنج نوع داده استفاده می‌کند، از جمله داده‌های NPP–VIIRS در سال‌های 2013 و 2018 ( https://www.ngdc.noaa.gov/eog/viirs/download_dnb_composites.html )، داده‌های LandScan در سال‌های 2013 و 2018 ( https://landscan) .ornl.gov/l.andscan-datasets )، POI و داده های شبکه جاده در سال 2018 ( https://lbs.amap.com/ )، انواع داده های POI و شبکه جاده ها در جدول 1 ، و مرزهای اداری شهرها نشان داده شده است. در سال 2018 ( https://www.resdc.cn/Default.aspx ).
با پیشرفت علم و فناوری، از داده های چند منبعی برای مطالعه توسعه و تغییرات در زمینه های مختلف استفاده می شود. داده های بزرگ چند منبعی برای نظارت بر انقباض و گسترش شهرها استفاده می شود ( جدول 2 ). تصاویر نور شب داده های ماهواره ای NPP-VIIRS هستند که توسط اداره ملی اقیانوسی و جوی (NOAA) ارائه شده است. در واقع، یکی از اولین استفاده‌های داده‌های برنامه ماهواره‌ای هواشناسی دفاعی (DMSP) استخراج محدوده شهر [ 69 ] است، و داده‌های پایدار نور شب NPP-VIIRS همچنین می‌توانند به طور موثر تغییرات دینامیکی یک شهر را نظارت کنند [ 54 ].]. به طور کلی، داده های جمعیت شناختی نمی توانند به طور دقیق و موثر جمعیت شناور و جمعیت دائمی را تشخیص دهند و سری های زمانی داده های آماری پیوسته نیستند. بنابراین، ما از داده های LandScan در سال های 2013 و 2018 به عنوان داده های جمعیت استفاده می کنیم که توسط آزمایشگاه ملی Oak Ridge (ORNL) ارائه شده است. این داده‌ها برای مطابقت با شرایط داده‌ها و ماهیت جغرافیایی هر کشور و منطقه منفرد (یک استاندارد جامعه برای داده‌های توزیع جمعیت جهانی)، با وضوح فضایی تقریباً 1 کیلومتر طراحی شده‌اند.
در سال 2018، 6236574 نقطه POI و 2851714 داده شبکه جاده ای در منطقه تحت تاثیر رودخانه زرد وجود دارد. بر اساس خدمات مبتنی بر موقعیت مکانی نقشه AutoNavi (LBS) و رابط برنامه‌نویسی کاربردی (API)، مرزهای مناطق شهری طبیعی و بلوک‌های داخلی شهری برای تمایز شهرهای اداری مجدداً تعریف می‌شوند.
2.1.4. پردازش داده ها
در این مطالعه، از روش ویژگی ثابت شبه برای شناسایی داده های نور شب برای تعیین آستانه تشخیص شهر استفاده شده است [ 70 ]. در مرحله اول، به دلیل تغییرات آب و هوایی فصلی و تفاوت در فعالیت های انسانی ناشی از آب و هوا، ما داده های نور شب را از ژانویه تا آوریل و جولای تا اکتبر انتخاب کردیم. سپس از مرز برداری ناحیه آسیب دیده رودخانه زرد برای قطع داده های نور شب 7 ماه هر سال استفاده می شود. در نهایت، میانگین سالانه شدت نور شبانه با میانگین گیری داده های 7 ماه پس از برش به دست می آید ( شکل 1 b,c).
حسگر VIIRS ماهواره NPP وضوح فضایی داده ها را بهبود می بخشد. وضوح نقطه فرعی 400 متر است و پدیده اشباع وجود ندارد. با این حال، تصاویر NPP–VIIRS نه تنها شامل شدت نور دائمی شهرها، شهرک‌ها و مناطق دیگر، بلکه نور موقت و نویز پس‌زمینه نیز می‌شود. نویز پس‌زمینه می‌تواند باعث ایجاد مقادیر منفی در تصاویر شود، و سطح اجسام با آلبدو بالا مانند برف می‌تواند مقادیر پیکسل آن را در تصاویر بسیار بالاتر از مقادیر واقعی آن کند، و بنابراین، تصویر نیاز به پردازش قبلی دارد.

در مرحله اول، به منظور جلوگیری از تاثیر تغییر شکل شبکه و اطمینان از اینکه مساحت منطقه مورد مطالعه قبل و بعد از طرح ریزی بدون تغییر باقی می ماند، با اشاره به مبحث WGS84، این تحقیق سیستم مختصات پروجکشن کلیه تصاویر را به طرح ریزی مساحت مساوی آلبرس تبدیل می کند. نمونه برداری مجدد را انجام می دهد. ثانیاً، تصویر نور شب توسط مرز برداری یک شهر طبیعی که توسط داده‌های POI تعریف شده است، پوشانده می‌شود و سپس تصویر نور شب منطقه تحقیقاتی استخراج می‌شود. مطالعات قبلی نشان داده‌اند که بین صرفه‌جویی و روشنایی همبستگی مثبت و معناداری وجود دارد [ 71]. پکن، شانگهای، گوانگژو و شنژن توسعه‌یافته‌ترین شهرهای چین هستند، به این معنی که مقدار پیکسل در سایر مناطق نمی‌تواند از بالاترین مقدار نور شبانه در این چهار منطقه شهری در تئوری تجاوز کند [ 72 ]. اگر مقادیر پیکسل در مناطق دیگر بالاتر از حداکثر مقدار روشنایی نور شبانه این چهار کلان شهر در چین باشد، آنها به عنوان مقادیر غیرعادی در نظر گرفته می شوند که می تواند ناشی از نور ثابت آتش سوزی نفت یا گاز باشد [ 73 ]. در نهایت، مقدار روشنایی غیرعادی نور ناشی از نویز پس‌زمینه در داده‌های نور فیلتر نمی‌شود [ 74 ، 75 ]، و بنابراین، یک فرآیند حذف نویز یکپارچه مورد نیاز است. در این مقاله، 0.30× 10-9 w·cm – 2 ·sr را می گیریم-1 به عنوان آستانه پردازش نویز داده های نور شب برای به دست آوردن داده های نور شب پایدار [ 76 ، 77 ]. مقادیر غیرعادی در داده ها به صورت زیر در رابطه (1) پردازش می شوند:

D N( ن ، من )⎧⎩⎨⎪⎪⎪⎪D N( ن ، من ) = D N ( n , k )، دی ن ( ن ، من ) > t h r m a xD N( ن ، من ) = D N ( ن ، من )، t h r m i n ≤ D N( ن ، من ) ≤ تی ه آرm a xD N( ن ، من ) = 0 ، D N  ( ن ، من ) < t h r m i nDN(�،من){DN(�،من) = DN(�،ک)، DN(�،من) > thrحداکثرDN(�،من) = DN(�،من)، thrدقیقه ≤ DN(�،من) ≤ thrحداکثرDN(�،من) = 0، DN(�،من) < thrدقیقه
در معادله (1) D N( ن ، من )DN(�،من)نشان دهنده مقدار تابش پیکسل i در سال n و  D N( n ,k ) DN(�،ک)نشان دهنده حداکثر مقدار تابش هشت پیکسل که مستقیماً در مجاورت پیکسل i- امین قرار دارند ( D N( n , k )DN(�،ک) ≤≤ تی ه آرm a xthrحداکثر، اگر مقادیر پیکسل مجاور بزرگتر از تی ه آرm a xthrحداکثر، حداکثر مقدار هشت پیکسل مجاور در هر پیکسل در هشت ناحیه مجاور مجاور انتخاب می شود). پس از این فرآیند، مقادیر پیکسل داده های تصحیح شده NPP-VIIRS همگی کمتر از تی ه آرm a xthrحداکثر، و بزرگتر از صفر است.
در این مطالعه، ما به طور کمی انقباض و گسترش شهرها را در منطقه تحت تأثیر رودخانه زرد در سال‌های 2013 و 2018 شناسایی و توصیف کرده‌ایم. ابتدا از داده‌های POI و داده‌های شبکه جاده‌ای برای تعریف یک شهر طبیعی استفاده می‌کنیم. در مرحله دوم، بر اساس یک شهر طبیعی، داده‌های NPP-VIIRS توسط ویژگی‌های شبه ثابت پردازش می‌شوند تا تغییر نور شب را شناسایی کنند و نتایج با داده‌های Landscan مقایسه می‌شوند. در نهایت، انقباض و گسترش یک شهر را می توان با نرخ تغییر نور شب تعریف کرد ( شکل 2 ).

2.2. مواد و روش ها

2.2.1. بازتعریف شهرهای طبیعی

از آنجایی که مرزهای اداری شهرها نمی توانند به طور دقیق مناطق مرکزی شهری را منعکس کنند، جایی که فعالیت های انسانی و اقتصادی-اجتماعی فشرده است، محققان بیشتری اخیرا از روش های ترکیبی داده های چند منبعی برای مطالعه سیستم های شهری واقعی استفاده کرده اند [ 78 ، 79 ، 80 ، 81 ، 82 ، 83 ]. در تحقیقات مبتنی بر داده، مناطق مرکزی شهری با داده های چند منبعی که نشان دهنده فعالیت های انسانی و فعالیت های اقتصادی-اجتماعی است، شناسایی و تعریف می شوند. داده های چند منبع شامل تصاویر سنجش از دور [ 84 ، 85 ]، تراکم جمعیت [ 86 ]، مناطق ساخته شده [ 87 ]، شبکه جاده [ 88 ]]، نقاط مورد علاقه [ 86 ]، و داده های رسانه های اجتماعی دارای برچسب جغرافیایی [ 89 ]. در مطالعات فوق، مرزهای شهری به طور کلی به عنوان مناطق متمرکز فعالیت های انسانی و مراکز شهری فعال تعریف می شوند [ 78 ]. به منظور توصیف صحیح انقباض و گسترش شهری، این مقاله یک شهر را بازتعریف می کند تا منطقه مرکزی واقعی و طبیعی آن را منعکس کند. به عبارت دیگر شهر طبیعی توصیف طبیعی و عینی محدوده شهری با توجه به تراکم سکونتگاه ها و فعالیت های انسانی است [ 90 ، 91 ].
فرآیند تعریف مجدد یک شهر استفاده از داده های POI برای ایجاد مرزهای منطقه مرکز شهری یک شهر طبیعی است. شکل 3 روند تعریف مجدد شهر ژنگژو را به عنوان مثال نشان می دهد که شامل پنج مرحله زیر است. ابتدا چگالی نقاط مورد نظر محاسبه شده و نقشه چگالی نقاط مورد علاقه با تفکیک فضایی 500 متر با استفاده از تابع چگالی هسته در ArcGIS تولید می شود. ثانیاً، با توجه به مطالعه Song، مقدار آستانه بهینه چگالی POI 50 نقطه بر کیلومتر مربع است و مناطقی با تراکم POI بیش از 50 نقطه در کیلومتر مربع انتخاب شده اند [ 68 ].]. سپس داده‌های شطرنجی به داده‌های برداری تبدیل می‌شوند، با توجه به نتایج تحقیقات سانگ، مناطق با مساحت بیشتر از 2 کیلومتر مربع انتخاب و به عنوان شهر طبیعی تعریف می‌شوند. در نهایت، مرز شهر طبیعی با داده های شبکه راه اصلاح می شود. داده های جاده برخی از مرزهای غیرعادی شهر را تصحیح می کند و داخل شهر را با جزئیات بیشتری تقسیم می کند.
2.2.2. شهرهای کوچک و در حال گسترش را شناسایی کنید

بر اساس تعریف مجدد یک شهر طبیعی، شهرهای کوچک و در حال گسترش با بازنگری داده های NPP-VIIRS در سال های 2013 و 2018 شناسایی می شوند. مقادیر متوسط ​​داده های شطرنجی یا داده های برداری هر شهر طبیعی در یک چند ضلعی ذخیره می شوند و تغییر تغییر می کند. نسبت بین سال اولیه و سال پایانی نور شب در شهرهای کوچک و در حال گسترش محاسبه می شود. داده‌های نور شب شهرها در منطقه آسیب‌دیده رودخانه زرد پوشانده شده و نویز در ArcGIS حذف می‌شود و سپس نرخ تغییر نور همه شهرها محاسبه می‌شود. معادله محاسبه به صورت زیر است:

r1 = NTL2018–NTL2013 NTL2013× 100 % �1 = NTL2018-NTL2013 NTL2013× 100%
r2 = ترکیدن2018–ترکیدن2013ترکیدن2013 × 100 % �2 = ترکیدن2018-ترکیدن2013ترکیدن2013 × 100%
در معادله (2) r1�1نشان دهنده میزان تغییر نور و NTL نشان دهنده روشنایی نور شب است. در معادله (3) r2�2نشان دهنده نرخ تغییر نور و POP نشان دهنده تراکم جمعیت است.
ما شیب تغییر تابش هر پیکسل را محاسبه کرده ایم و سپس انقباض و گسترش یک شهر را بر اساس مقدار شیب تعریف می کنیم. اندازه گیری مقیاس پیکسلی 500 متر × 500 متر را می توان به پنج دسته طبقه بندی کرد: گسترش قابل توجه ( r1�1 ≥≥0.30)، گسترش ملایم (0.10 << r1�1 <<0.30)، پایدار (0.10- ≤≤ r1�1 ≤≤0.10)، انقباض خفیف (-0.30 << r1�1 <<0.10-) و انقباض شدید ( r1�1 ≤≤-0.30) [ 92 ]. با همان آستانه، ما همچنین از داده‌های جمعیت LandScan برای سال‌های 2013 و 2018 برای مقایسه نتایج منابع داده مختلف و ارتباطات بالقوه بین آنها استفاده کردیم.

3. نتایج

3.1. شهرهای بازتعریف شده از POI و جاده ها در سال 2018 تفسیر شدند

بر اساس داده‌های POI و شبکه جاده در سال 2018، ما در نهایت 3130 شهر طبیعی را در منطقه تحت تأثیر رودخانه زرد بازتعریف کردیم ( شکل 4 ). این شهرهای طبیعی شامل شهرهای اداری در سطح استان و شهرستان در چین است که مساحتی معادل 48118.75 کیلومتر مربع را پوشش می دهد .، 0.50124٪ از مساحت چین را تشکیل می دهد. در مقایسه با شهرهای اداری منتشر شده توسط ایالت، تعداد شهرهای طبیعی به وضوح بیشتر است و تعدادی شهر طبیعی در داخل یک شهر اداری وجود دارد. هر چه سطح اداری یک شهر بالاتر باشد، شهرهای طبیعی بیشتری در آن شناسایی می شوند. توزیع شهرهای طبیعی در منطقه آسیب دیده رودخانه زرد از شرق به غرب ناهموار است. شهرهای طبیعی بزرگتر عمدتاً در مناطق مرکزی و شرقی متراکم شده اند، در حالی که شهرهای طبیعی در منطقه غربی نسبتاً کوچک هستند که با مناطق شهری اداری سنتی متفاوت است.
این اولین باری است که توسعه شهرهای طبیعی در منطقه آسیب دیده رودخانه زرد به صورت مکانی تحلیل و نقشه برداری می شود. بزرگترین شهر طبیعی در جنوب منطقه اداری تیانجین (2103.25 کیلومتر مربع ) واقع شده است. دومین شهر طبیعی بزرگ در محل اتصال Taiyuan، Jinzhong، و Lvliang (957.50 کیلومتر مربع ) واقع شده است. سومین شهر طبیعی در منطقه اداری ژنگژو (833.00 کیلومتر مربع ) واقع شده است. و چهارمین شهر طبیعی در منطقه اداری جنان (816.75 کیلومتر مربع ) واقع شده است.
با توجه به قانون Zipf [ 71 ، 93 ]، شکل 5 رابطه بین مساحت و تعداد شهرهای طبیعی را نشان می دهد، که در آن با افزایش مساحت، تعداد شهرهای طبیعی کاهش می یابد. 2335 شهر طبیعی با مساحت 2 تا 10 کیلومتر مربع ( 60/74 درصد)، 743 شهر طبیعی (74/23 درصد) در 100 تا 100 کیلومتر مربع ، 48 شهر طبیعی (53/1 درصد) در فاصله 100 تا 500 کیلومتر مربع و 4 شهر طبیعی وجود دارد. شهرهایی با مساحت بیش از 500 کیلومتر مربع ( 0.13%).

3.2. الگوی توزیع فضایی انقباض و گسترش شهری در منطقه تحت تأثیر رودخانه زرد

3.2.1. شهرهای کوچک و در حال گسترش شناسایی شده بر اساس داده‌های 2013–2018 NPP–VIIRS

با استفاده از داده‌های NPP-VIIRS در سال‌های 2013 و 2018، 604 شهر کوچک (19.30%) با مساحت کل 8407.5 کیلومتر مربع شناسایی و از 3130 شهر طبیعی نقشه‌برداری شدند. 2165 شهر در حال گسترش (69.17%) با مساحت 32972.75 کیلومتر مربع برچسب گذاری و نقشه برداری شدند. همچنین 361 شهر پایدار (53/11 درصد) با مساحت کل 5/6738 کیلومتر مربع شناسایی شد. با توجه به رابطه (2) نرخ تغییر شهرها را محاسبه می کنیم. شکل 6 a توزیع فضایی انقباض و گسترش شهرهای طبیعی را در منطقه تحت تاثیر رودخانه زرد نشان می دهد.
در همین حال، در مقایسه با نتایج محاسبه‌شده توسط داده‌های جمعیت Landscan در همان دوره ( شکل 6 ب)، بین تعداد شهرهای کوچک و در حال گسترش و نتایج به‌دست‌آمده از داده‌های NPP-VIIRS تفاوت وجود دارد. تعداد شهرهای کوچک و در حال گسترش شناسایی شده توسط داده های نور شب NPP-VIIRS بیشتر از شهرهای شناسایی شده توسط داده های جمعیت LandScan است ( شکل 7 ). با مقایسه نتایج داده‌های نور شب و داده‌های جمعیت Landscan، می‌توان دریافت که تعداد شهرهای کوچک و در حال گسترش شناسایی‌شده توسط داده‌های جمعیتی کمتر از داده‌های نور شب است و تعداد شهرهای اساساً پایدار بیش از شهرهای نور شب است. داده ها.
3.2.2. الگوی کلی فضایی انقباض
نتایج تجزیه و تحلیل داده‌های نور شب نشان می‌دهد که انقباض و گسترش شهرهای طبیعی در منطقه تحت تأثیر رودخانه زرد از سال 2013 تا 2018 مشهود است و توسعه شهری نامتوازن است، همراه با فرآیند انقباض و گسترش ترکیبی. شکل 6توزیع فضایی انقباض و گسترش طبیعی شهری را در منطقه آسیب دیده رودخانه زرد نشان می دهد. شهرهای کوچک شده عمدتاً در بخش بالایی رودخانه زرد به جز شهرهای اداری لانژو و یین‌چوان و همچنین در بخش میانی و پایین‌دست خوشه شهر تایوان-جینژونگ-لولیانگ، مناطق اطراف منطقه اداری تیانجین توزیع شده‌اند. و محل اتصال استان های شاندونگ، هنان و آنهویی. علاوه بر این، مناطق اطراف شهرهای اداری ژنگژو و جینان نیز درجات مختلفی از انقباض را تجربه کرده اند.
نرخ انقباض شهرهای طبیعی در منطقه آسیب دیده رودخانه زرد در بازه زمانی 2013 تا 2018 به 19.3 درصد رسیده است. در میان شهرهای طبیعی در حال کوچک شدن، نسبت شهرهای به شدت در حال کوچک شدن 53.31 درصد است که تنها 2.48 درصد آن شهرهایی با وسعت هستند. بیش از 100 کیلومتر مربع ، و 97.52٪ شهرهایی با مساحت کمتر از 100 کیلومتر مربع هستند . علاوه بر این، نسبت شهرهای در حال کوچک شدن با مساحت بیش از 10 کیلومتر مربع ، تنها 32.30 درصد است و با مساحت کمتر از 10 کیلومتر مربع ، 67.70 درصد است. شهرهای با انقباض خفیف 46.69 درصد را به خود اختصاص داده اند که تنها 1.06 درصد آن را شهرهایی با مساحت بیش از 100 کیلومتر مربع و 98.94 درصد را شهرهای با مساحت کمتر از 100 کیلومتر مربع تشکیل می دهند .. علاوه بر این، تنها 29.08 درصد از شهرهای با مساحت بیش از 10 کیلومتر مربع و 70.92 درصد از شهرهای با مساحت کمتر از 10 کیلومتر مربع ( جدول 3 ). مشاهده می‌شود که بیشتر شهرهای کوچک‌تر، شهرهایی با مساحت کوچک‌تر هستند که می‌تواند عمدتاً به دلیل کوچک بودن مساحت شهری، منابع عقب مانده از جنبه‌های مختلف، مشکلات در جذب سرمایه‌گذاری و کمبود استعداد باشد. علاوه بر این، از آنجایی که شهرهای بزرگ می توانند سرمایه گذاری بیشتر و جمع آوری استعدادها را جذب کنند، نشاط اقتصادی شهرها منفجر می شود، در حالی که شهرهای کوچک اطراف شهرهای بزرگ هیچ رقابت اصلی، استعداد یا جریان سرمایه به شهرهای بزرگ اطراف ندارند، که در نهایت منجر به آن شهر کوچک به تدریج کوچک می شود.
3.2.3. الگوی کلی فضایی رشد
در سال‌های اخیر، با تسریع روند شهرنشینی در چین، بسیاری از شهرها در حالت بی‌نظمی توسعه یافته‌اند که بیشتر شهرهای منطقه آسیب دیده رودخانه زرد را نیز تحت تأثیر قرار داده است. همانطور که در شکل 6 نشان داده شده است ، شهرهای گسترش یافته عمدتاً در قسمت میانی و پایین دست منطقه آسیب دیده رودخانه زرد که شهرهای بیشتری وجود دارد، توزیع شده اند. به جز تعداد کمی از شهرهای کوچک و پایدار، بیشتر شهرهای پایین دست شهر توسعه یافته هستند. علاوه بر این، شهرهای اداری لانژو و ینچوان در بخش بالایی رودخانه زرد نیز روند گسترش آشکاری دارند.
نرخ گسترش شهرهای طبیعی در منطقه تحت تأثیر رودخانه زرد بین سال‌های 2013 تا 2018 به 69.17 درصد رسیده است. در میان شهرهای طبیعی در حال گسترش، تعداد شهرهای با گسترش ملایم 17.64 درصد است که در این میان شهرهایی با مساحت طبیعی بیش از بیش از 100 کیلومتر مربع 1.83 درصد، مساحت طبیعی کمتر از 100 کیلومتر مربع 98.94 درصد، انبساط خفیف بیش از 10 کیلومتر مربع 29.32 درصد و مساحت طبیعی کمتر از 10 درصد را به خود اختصاص می دهند. کیلومتر 2 70.68 درصد است. تعداد شهرهای با وسعت قابل توجه 82.36 درصد است که 1.35 درصد آن را شهرهایی با مساحت طبیعی شهری بیش از 100 کیلومتر مربع تشکیل می دهند .و 98.65% شهرهایی با مساحت شهری طبیعی کمتر از 100 کیلومتر مربع هستند . همچنین 99/22 درصد از شهرهای با مساحت بیش از 10 کیلومتر مربع و 01/77 درصد از شهرهای کمتر از 10 کیلومتر مربع ( جدول 4)). گسترش شهری مرحله ای اجتناب ناپذیر در فرآیند شهرنشینی است که نه تنها نتیجه انتخاب بازار، بلکه نتیجه مداخله فضایی فعال دولت است. از آنجایی که بخش‌های پایین‌دست منطقه آسیب‌دیده رودخانه زرد عمدتاً دشت‌ها هستند و برخی شهرها در امتداد دریای زرد و دریای بوهای پراکنده هستند، با شرایط ترافیکی مناسب، بنادر بیشتر و مراکز حمل‌ونقل محلی، منطقه‌ای و ملی توسعه‌یافته. علاوه بر این، با حمایت از استراتژی توسعه اقتصادی ملی، شهرهای ساحلی تابش می کنند تا توسعه شهرهای اطراف را هدایت کنند، که باعث می شود شهرهای پایین دست منطقه آسیب دیده رودخانه زرد به سرعت توسعه یافته و به طور قابل توجهی گسترش پیدا کنند. شهرهای اداری لانژو و ینچوان، در بخش بالایی رودخانه زرد، به ترتیب مراکز استان گانسو و منطقه خودمختار نینگشیا هوی هستند. منابع در تمام جنبه ها نسبتاً متمرکز است که منجر به توسعه سریع اقتصادی در دو منطقه و گسترش سریع شهری شده است. به طور کلی، گسترش شهرهای طبیعی در منطقه آسیب دیده رودخانه زرد به این صورت است که تعداد شهرهای در حال گسترش در پایین دست بسیار بیشتر از شهرهای میانی و بالادست است.

4. بحث

بر خلاف مطالعات قبلی در مورد تعریف شهرهای در حال کوچک شدن و گسترش در سطح شهر اداری بر اساس داده های آماری سنتی، شهر طبیعی را به عنوان معیار تعریف می کنیم که با ساختار کالبدی فضایی شهر همخوانی بیشتری دارد. روشی گسترده و دقیق برای توصیف و درک آخرین ویژگی های توزیع شهرهای در حال کوچک شدن و گسترش. شهر طبیعی بازتعریف شده از محدودیت‌های توسعه مستقل مناطق شهری متعدد در یک شهر اداری فراتر می‌رود و به توضیح تغییرات در هر شهر طبیعی کمک می‌کند. این مطالعه از روش های کمی برای تعیین مناطق کوچک و در حال گسترش یک شهر استفاده می کند.
علاوه بر این، هنوز در این کار نواقصی وجود دارد که باید اصلاح شود. با توجه به تغییر لامپ های خیابانی دیود ساطع نور (LED)، طیف نور شب تغییر می کند [ 94 ، 95 ]. طول موج نور ساطع شده توسط چراغ های LED سفید معمولاً کمتر از 500 نانومتر (آبی) است و انتقال لامپ خیابانی از لامپ (نارنجی) فشار قوی سدیم (HPS) به لامپ LED با روشنایی سطح ثابت می تواند منجر به کاهش خاصی در تشعشع مشاهده شده توسط حسگرهای نور شب به همین دلیل، 30 درصد کاهش روشنایی نور در شب ممکن است به دلیل انتقال از HPS به چراغ های LED باشد، نه کاهش واقعی روشنایی شب [ 96 ].]، و بنابراین تغییرات شهری شناسایی شده نمی تواند به اندازه مفهومی مورد انتظار باشد. در مقایسه با نتایج همان دوره داده های LandScan، تفاوت هایی در توزیع شهرهای کوچک و در حال گسترش وجود دارد، تعداد شهرهای تغییر یافته شناسایی شده توسط LandScan به طور قابل توجهی کمتر از داده های نور شب است. اگرچه داده های نور شب دقت خود را در شناسایی انقباض و گسترش شهری ثابت می کند، روش محاسبه شیب تغییر در روشنایی هر پیکسل در شب همچنان دارای عدم قطعیت خاصی است. تغییر شیب مقدار روشنایی نور شب برای شناسایی شهرهای کوچک و در حال گسترش استفاده می شود که می تواند تغییر ناحیه نور ضعیف شب را دست کم بگیرد. دلیل آن این است که برای مناطقی که نور شب ضعیفی دارند، شیب تغییر روشنایی محاسبه‌شده نیز می‌تواند کوچک باشد. به این معنی که بیشتر این مناطق راکد و اندکی در حال کوچک شدن هستند. علاوه بر این، با توجه به توسعه سریع اقتصاد شهری در منطقه روشنایی قوی شبانه، شیب تغییر روشنایی نور شبانه محاسبه‌شده بیشتر از 1 است و این نتایج همه برای محاسبه در محاسبات آماری 1 در نظر گرفته می‌شوند. همانطور که محصولات داده به روز می شوند و بهبود می یابند، ما چرخه تحقیقات را به شناسایی و نقشه برداری دقیق تر از شهرهای کوچک و در حال گسترش گسترش خواهیم داد.
کوچک شدن یا گسترش یک شهر تنها توسط یک عامل تعیین نمی شود، بلکه اثرات برهم نهی عوامل خارجی مختلف است. دلایل کوچک شدن انواع مختلف شهرها متفاوت است. کوچک شدن شهرهای کوچک و متوسط ​​در مناطق توسعه یافته ساحلی می تواند ناشی از صنایع تولیدی پایین به عنوان پایگاه صنعتی آنها باشد. به عنوان مثال، ساختار صنعتی آنها به تدریج از صنعت تولید به سمت اطلاعات، فناوری و صنایع ثالث تغییر یافته است، در حالی که صنایع تولیدی پایین به تدریج به آسیای جنوب شرقی منتقل شده است، جایی که می توان نیروی کار ارزان تری را در دسترس قرار داد، که منجر به کوچک شدن صنایع کوچک می شود. و شهرهای متوسط ​​تولیدی ساحلی [ 97]. از آنجا که منابع معدن زغال سنگ به تدریج تمام می شود، در حال حاضر روند کلی کاهش تدریجی صنعت معدن زغال سنگ شهری در شهرهای وابسته به منابع وجود دارد. شهرهای صنعتی کوچک و متوسط ​​مبتنی بر صنعت معدن زغال سنگ قادر به ایجاد شغل نیستند و در نتیجه تعداد زیادی از جمعیت را از دست می دهند [ 98 ، 99 ].]. شهرهای بزرگ با جذب جمعیت روستاها و شهرهای اطراف به عنوان مکمل، امکانات خدمات عمومی مناسبی دارند و باعث هجوم جمعیت شهرهای کوچک اطراف به شهرهای بزرگ و کوچک شدن شهرهای کوچک می شود. جمعیت شهرهای کوچک و متوسط ​​در زمین چندان کاهش نیافته است، زیرا هنوز در مرحله اولیه انقباض است. با این حال، افزایش جمعیت شهرهای بزرگ باعث گسترش قابل توجه شهری شده است [ 100 ، 101 ، 102 ]. بنابراین، عوامل انقباض و گسترش شهری نیاز به بررسی بیشتر در تحقیقات آینده دارد.

5. نتیجه گیری ها

با بازتعریف شهر طبیعی و استفاده از داده های نور شب برای شناسایی شهر در حال کوچک شدن و گسترش، توزیع فضایی شهرهای کوچک و در حال گسترش را تحلیل و نقشه برداری کردیم. ما از یک روش نرخ تغییر برای شناسایی شهرهای کوچک و در حال گسترش استفاده می‌کنیم و بر اساس داده‌های POI و داده‌های شبکه جاده‌ای، این روش 3130 شهر طبیعی را در منطقه آسیب‌دیده رودخانه زرد بازتعریف می‌کند. در مقایسه با شهرهای اداری مورد استفاده در مطالعات قبلی، مفهوم شهر طبیعی و روش ما با موفقیت شهرهای در حال تغییر را شناسایی می‌کند که به خوبی با قانون Zipf مطابقت دارد. ما 604 شهر در حال کوچک شدن را بر اساس داده های نور شب شناسایی کرده ایم که از این تعداد 322 شهر به شدت کوچک شده و 282 شهر کوچک شده اند. شهرهای به شدت در حال کوچک شدن کانون توجه برنامه ریزی شهری آینده خواهند بود. زیرا شهرهایی که به شدت در حال کوچک شدن هستند، مقدار زیادی از زمین های خالی را باقی می گذارند. البته برنامه ریزی شهرها در حال گسترش نیز بسیار مهم است. شهرهای کوچک شده عمدتاً در بخش بالایی رودخانه زرد و شهرهای کوچک اطراف شهرهای مرکزی چندین مرکز استان اصلی توزیع شده‌اند. 2165 شهر برای توسعه شناسایی شده است که از این تعداد 1783 شهر به طور قابل توجهی در حال گسترش و 382 شهر اندکی گسترش یافته اند. شهرهای در حال گسترش عمدتاً در بخش میانی و پایین دست رودخانه زرد و لانژو و یینچوان در بخش بالایی قرار دارند. 361 شهر وجود دارد که اساساً پایدار شناخته شده اند و این شهرها به کندی در حال رشد هستند.
برای کاربردهای بیشتر داده‌های NTL، شناسایی انقباض ناحیه نور ضعیف و گسترش ناحیه نور قوی باید در آینده بهبود یابد، زیرا روش مورد استفاده در این مقاله می‌تواند انقباض ناحیه نور ضعیف و گسترش ناحیه نور قوی را دست کم بگیرد. در عین حال، این نتیجه به ما نشان می دهد که لازم است تحقیقات میدانی برای درک علل ایجاد و تغییر روشنایی شبانه شهری انجام شود. به طور خاص، علت پرت های NTL را می توان برای مناطق دارای نقاط پرت بررسی کرد، به جای صاف کردن یا حذف نقاط پرت. علاوه بر این، این مقاله شهرهای واقع در منطقه آسیب دیده رودخانه زرد را به عنوان نمونه ای برای شناسایی شهرهای کوچک و در حال گسترش و تجزیه و تحلیل توزیع فضایی آنها در نظر می گیرد.

منابع

  1. کالوینو، اف. کریسکوئولو، سی. منون، سی. Secchi، A. نوسانات رشد و اندازه: یک مطالعه در سطح شرکت. جی. اکون. دین کنترل 2018 ، 90 ، 390-407. [ Google Scholar ] [ CrossRef ]
  2. Gabaix, X. قوانین قدرت در اقتصاد: مقدمه. جی. اکون. چشم انداز 2016 ، 30 ، 185-206. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  3. برویدو، ا. Clauset, A. شبکه های بدون مقیاس نادر هستند. نات. اشتراک. 2019 ، 10 ، 1-10. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  4. زو، ی. ژانگ، بی. وانگ، کیو. لی، دبلیو. Cai, X. اصل کمترین تلاش و توزیع Zipf. J. Phys. Conf. سر. 2018 ، 1113 ، 012007. [ Google Scholar ] [ CrossRef ]
  5. ژائو، دبلیو. شیونگ، دی. ون، اف. وانگ، ایکس. نظارت بر منطقه دریاچه بر اساس دمای سطح زمین در فلات تبت از سال 2000 تا 2018. محیط زیست. Res. Lett. 2020 ، 15 ، 084033. [ Google Scholar ] [ CrossRef ]
  6. Barabasi, AL منشاء انفجار و دم سنگین در پویایی انسان. طبیعت 2005 ، 435 ، 207-211. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  7. پینتو، سی ام. لوپس، AM; Machado, JT مروری بر قوانین قدرت در پدیده های زندگی واقعی. اشتراک. علمی غیر خطی عدد. شبیه سازی 2012 ، 17 ، 3558-3578. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  8. هوانگ، Q. او، سی. گائو، بی. یانگ، ی. لیو، ز. ژائو، ی. Dou, Y. تشخیص پویایی اندازه شهر در چین با رویکرد ساعت رتبه بندی و داده های شبانه DMSP/OLS. Landsc. طرح شهری. 2015 ، 137 ، 138-148. [ Google Scholar ] [ CrossRef ]
  9. هاوسرمن، اچ. Siebel, W. Die schrumpfende Stadt und die Stadtsoziologie. در Soziologische Stadtforschung. Kölner Zeitschrift für Soziologie und Sozialpsychologie ; Friedrichs, J., Ed. VS Verlag für Sozialwissenschaften: ویسبادن، آلمان، 1988; جلد 29، ص 78–94. [ Google Scholar ]
  10. مارتینز-فرناندز، سی. آئودیراک، آی. فول، اس. کانینگهام-سابوت، E. کوچک شدن شهرها: چالش های شهری جهانی شدن. بین المللی J. Urban Reg. Res. 2012 ، 36 ، 213-225. [ Google Scholar ] [ CrossRef ]
  11. هاس، ا. رینک، دی. گروسمن، ک. برنت، ام. میخننکو، وی. مفهوم سازی انقباض شهری. محیط زیست Plan A 2014 , 46 , 1519-1534. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  12. Oswalt, P. Shrinking Cities (جلد 1: تحقیقات بین المللی) ; Hatje Cantz Verlag: Ostfildern-Ruit، آلمان، 2006. [ Google Scholar ]
  13. گو، سی. Pang، HF تکامل فضاهای شهری سازی چین: رویکرد فضایی هسته. علمی Geogr. گناه 2009 ، 29 ، 10-14. [ Google Scholar ]
  14. لو، دی. یائو، اس. لی، جی. لیو، اچ. گائو، X. تحلیل جامع فرآیند شهرنشینی بر اساس شرایط چین. Econm. Geogr. 2007 ، 27 ، 883-887. [ Google Scholar ]
  15. جیانگ، سی. وو، زی. چنگ، جی. Qian, L. تجزیه و تحلیل اثرات تغییر پوشش زمین بر بهره وری اولیه خالص گیاهی در استان گوانگدونگ. جی. نات. منبع. 2016 ، 31 ، 961-972. [ Google Scholar ]
  16. چن، ک. وانگ، ایکس. لی، دی. Xue, D. تکامل مورفولوژیکی رودخانه و بدنه آب در منطقه شهری شهر گوانگژو در 1990-2010. علمی Geogr. گناه 2013 ، 33 ، 223-230. [ Google Scholar ]
  17. ژائو، دبلیو. لی، ا. هوانگ، Q. گائو، ی. لی، اف. ژانگ، ال. یک روش بهبود یافته برای ارزیابی خدمات خنک‌کننده پوشش گیاهی در تنظیم محیط حرارتی: مطالعه موردی در Xiamen، چین. Ecol. Indic 2019 , 98 , 531–542. [ Google Scholar ] [ CrossRef ]
  18. ما، ایکس. او هست.؛ هوانگ، تی. وانگ، ی. تحلیل ویژگی‌های الگوی مکانی-زمانی و عوامل محرک گسترش زمین شهری: به‌عنوان مثال در نظر گرفتن خوشه شهر دشت‌های مرکزی. اکولو اقتصاد 2020 ، 36 ، 105–111، 167. [ Google Scholar ]
  19. تان، م. لی، ایکس. Lu, C. گسترش زمین شهری و از دست دادن زمین های قابل کشت در شهرهای بزرگ چین در دهه 1990. علمی چین سر. D-Earth Sci. 2005 ، 48 ، 1492-1500. [ Google Scholar ] [ CrossRef ]
  20. شیا، اچ. ژائو، جی. Qin، Y. یانگ، جی. کوی، ی. آهنگ، اچ. ما، ال. جین، ن. Meng, Q. تغییرات در سطح آب در طول سال‌های 1989-2017 در حوضه رودخانه Huai با استفاده از داده‌های Landsat و موتور Google Earth. Remote Sens. 2019 ، 11 ، 1824. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  21. شیا، اچ. Qin، Y. فنگ، جی. منگ، کیو. کوی، ی. آهنگ، اچ. لیو، جی. پویایی فنولوژی جنگل به تغییرات آب و هوا و توپوگرافی در یک منطقه انتقال جغرافیایی و آب و هوایی: کوه های Qinling در چین مرکزی. جنگل‌ها 2019 ، 10 ، 1007. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  22. وانگ، آر. شیا، اچ. Qin، Y. نیو، دبلیو. پان، ال. لی، آر. فو، پی. پایش دینامیکی منطقه آبهای سطحی طی سال‌های 1989-2019 در دشت هتائو با استفاده از داده‌های Landsat در موتور Google Earth. Water 2020 , 12 , 3010. [ Google Scholar ] [ CrossRef ]
  23. میخننکو، وی. توروک، I. شهرهای اروپای شرقی – الگوهای رشد و زوال، 1960-2005. بین المللی طرح. گل میخ. 2008 ، 13 ، 311-342. [ Google Scholar ] [ CrossRef ]
  24. آلوز، دی. باریرا، AP; Guimarães، MH; Panagopoulos، T. مسیرهای تاریخی شهرهای در حال کوچک شدن پرتغال: گونه‌شناسی انقباض شهری. شهرها 2016 ، 52 ، 20-29. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  25. لی، ایکس. خو، اچ. چن، ایکس. لی، سی. پتانسیل تصویربرداری نور شبانه NPP-VIIRS برای مدل‌سازی اقتصاد منطقه‌ای چین. Remote Sens. 2013 , 5 , 3057–3081. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  26. Ma, T. ویژگی‌های فضایی-زمانی شهرنشینی در چین از دیدگاه داده‌های بزرگ سنجش از راه دور نور شبانه. J. Geo-Inform. علمی 2019 ، 21 ، 59–67. [ Google Scholar ]
  27. دو، ز. Li، X. رشد یا انقباض: پدیده های جدید توسعه منطقه ای در دلتای رودخانه مروارید که به سرعت در حال شهرنشینی است. Acta Geogr. گناه 2017 ، 72 ، 1800-1811. [ Google Scholar ]
  28. لیو، اف. زو، ایکس. چن، جی. لین، ایکس. تحقیق در مورد شناسایی کمی و تحلیل علت انقباض شهری از ابعاد و مقیاس‌های مختلف: مطالعه موردی شمال شرق چین در طول دوره تحول. مد. Urban Res. 2018 ، 7 ، 37–46. [ Google Scholar ]
  29. پروپاستین، پ. کاپاس، ام. ارزیابی نورهای شبانه مشاهده شده توسط ماهواره برای پایش پارامترهای اجتماعی و اقتصادی در جمهوری قزاقستان. GISci. Remote Sens. 2013 ، 49 ، 538-557. [ Google Scholar ] [ CrossRef ]
  30. عروسک، CH; مولر، جی پی. Elvidge، سی دی تصاویر شبانه به عنوان ابزاری برای نقشه برداری جهانی پارامترهای اجتماعی و اقتصادی و انتشار گازهای گلخانه ای. آمبیو جی. هوم. محیط زیست 2000 ، 29 ، 157-162. [ Google Scholar ] [ CrossRef ]
  31. ژو، ی. اسمیت، اس جی. ژائو، ک. ایمهوف، م. تامسون، ا. باند-لامبرتی، بی. اسرار، GR; ژانگ، ایکس. او، سی. Elvidge، CD نقشه جهانی وسعت شهری از نور شب. محیط زیست Res. Lett. 2015 ، 10 ، 054011. [ Google Scholar ] [ CrossRef ]
  32. ژو، ی. اسمیت، اس جی. الویج، سی دی; ژائو، ک. تامسون، ا. Imhoff، M. روشی مبتنی بر خوشه برای نقشه‌برداری مناطق شهری از چراغ‌های شب DMSP/OLS. سنسور از راه دور محیط. 2014 ، 147 ، 173-185. [ Google Scholar ] [ CrossRef ]
  33. ژائو، ام. چنگ، دبلیو. ژو، سی. لی، ام. وانگ، ن. لیو، کیو. فضایی سازی تولید ناخالص داخلی و تفاوت های اقتصادی در جنوب چین بر اساس تصاویر نور شبانه NPP-VIIRS. Remote Sens. 2017 , 9 , 673. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  34. ژو، ی. لی، ایکس. اسرار، GR; اسمیت، اس جی. Imhoff، M. رکورد جهانی دینامیک شهری سالانه (1992-2013) از نورهای شبانه. سنسور از راه دور محیط. 2018 ، 219 ، 206-220. [ Google Scholar ] [ CrossRef ]
  35. وانگ، ال. وانگ، اس. ژو، ی. لیو، دبلیو. هو، ی. ژو، جی. Wang, F. نقشه برداری تراکم جمعیت در چین بین سال های 1990 و 2010 با استفاده از سنجش از دور. سنسور از راه دور محیط. 2018 ، 210 ، 269-281. [ Google Scholar ] [ CrossRef ]
  36. هوانگ، Q. یانگ، ایکس. گائو، بی. یانگ، ی. ژائو، ی. کاربرد تصاویر نور شبانه DMSP/OLS: یک متاآنالیز و یک مرور ادبیات سیستماتیک. Remote Sens. 2014 , 6 , 6844–6866. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  37. لی، دی. ژائو، ایکس. لی، ایکس. سنجش از دور انسان ها – چشم اندازی از نور شبانه. ژئو اسپات. Inf. علمی 2016 ، 19 ، 69-79. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  38. اشنایدر، آ. فریدل، MA; Potere, D. نقشه برداری مناطق شهری جهانی با استفاده از داده های MODIS 500-m: روش ها و مجموعه داده های جدید بر اساس ‘مناطق بوم شهری’. سنسور از راه دور محیط. 2010 ، 114 ، 1733-1746. [ Google Scholar ] [ CrossRef ]
  39. خو، جی. ژائو، ی. ژونگ، ک. ژانگ، اف. لیو، ایکس. Sun، C. اندازه‌گیری دینامیک مکانی-زمانی سطح غیرقابل نفوذ در گوانگژو، چین، از سال 1988 تا 2015، با استفاده از تصاویر سری‌های زمانی Landsat. علمی کل محیط. 2018 ، 627 ، 264-281. [ Google Scholar ] [ CrossRef ]
  40. استراموندو، اس. بوزانو، اف. مارا، اف. وگمولر، یو. Cinti، FR; مورو، ام. Saroli، M. فرونشست ناشی از شهرنشینی در شهر رم با تکنیک پیشرفته InSAR و تحقیقات ژئوتکنیکی شناسایی شد. سنسور از راه دور محیط. 2008 ، 112 ، 3160-3172. [ Google Scholar ] [ CrossRef ]
  41. پارک، ی. گلدمن، جی. اندازه‌گیری الگوهای منظره پیوسته با شاخص‌های ماتریس هم‌وقوع سطح خاکستری (GLCM): جایگزینی برای معیارهای پچ؟ Ecol. اندیک. 2020 , 109 , 105802. [ Google Scholar ] [ CrossRef ]
  42. کوفر، م. پففر، ک. اسلیوزاس، آر. Baud, I. استخراج مناطق زاغه نشین از تصاویر VHR با استفاده از واریانس GLCM. IEEE J. Sel. بالا. Appl. زمین Obs. Remote Sens. 2016 ، 9 ، 1830-1840. [ Google Scholar ] [ CrossRef ]
  43. لیو، ی. جیانگ، ی. پایداری رشد شهری اسلام آباد، پاکستان، در طول 3 دهه گذشته: دیدگاهی مبتنی بر تشخیص تغییر تاریخ‌گذاری مبتنی بر شی. جئوژورنال 2020 . [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  44. ما، تی. ژو، سی. پی، تی. هاینی، اس. Fan، J. تخمین کمی پویایی شهرنشینی با استفاده از سری زمانی داده‌های نور شبانه DMSP/OLS: مطالعه موردی مقایسه‌ای از شهرهای چین. سنسور از راه دور محیط. 2012 ، 124 ، 99-107. [ Google Scholar ] [ CrossRef ]
  45. عروسک، CNH؛ مولر، J.-P. مورلی، جی جی نقشه برداری فعالیت اقتصادی منطقه ای از تصاویر ماهواره ای نور در شب. Ecol. اقتصاد 2006 ، 57 ، 75-92. [ Google Scholar ] [ CrossRef ]
  46. ژانگ، Q. Seto، KC نقشه برداری پویایی شهرنشینی در مقیاس منطقه ای و جهانی با استفاده از داده های نور شبانه DMSP/OLS چند زمانی. سنسور از راه دور محیط. 2011 ، 115 ، 2320-2329. [ Google Scholar ] [ CrossRef ]
  47. Lo, CP مدل سازی جمعیت چین با استفاده از داده های شبانه سیستم اسکن خط عملیاتی DMSP. فتوگرام مهندس Remote Sens. 2001 , 67 , 1037–1047. [ Google Scholar ]
  48. قوش، ت. پاول، RL; الویج، سی دی; باگ، KE; ساتون، رایانه شخصی؛ اندرسون، S. روشن کردن توزیع جهانی فعالیت اقتصادی. Geogr را باز کنید. J. 2010 ، 3 ، 147-160. [ Google Scholar ]
  49. ژائو، ام. ژو، ی. لی، ایکس. ژو، سی. چنگ، دبلیو. لی، ام. Huang، K. ساخت مجموعه ای از داده های ثابت نور شبانه (1992-2018) در آسیای جنوب شرقی با ادغام DMSP-OLS و NPP-VIIRS. IEEE Trans. Geosci. Remote Sens. 2020 , 58 , 1843–1856. [ Google Scholar ] [ CrossRef ]
  50. دیکنسون، بی. گوشال، گ. دوتیوالا، ایکس. سادیلک، ع. کاوتز، اچ. استنتاج تصاویر ماهواره ای شبانه از تحرک انسان. در مجموعه مقالات سی و چهارمین کنفرانس AAAI در مورد هوش مصنوعی (AAAI-20)، هیلتون، نیویورک، ایالات متحده آمریکا، 7 تا 12 فوریه 2020؛ جلد 34، ص 394–402. [ Google Scholar ]
  51. لوین، ن. Zhang، Q. تجزیه و تحلیل جهانی عوامل کنترل کننده سطوح نور شبانه VIIRS از مناطق پرجمعیت. سنسور از راه دور محیط. 2017 ، 190 ، 366-382. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  52. بهارتی، ن. تاتم، ای جی. فراری، ام جی; Grais، RF؛ جیبو، ا. گرنفل، بی تی نوسانات فصلی سرخک در نیجر را با استفاده از تصاویر نورهای شب توضیح می دهد. Science 2011 ، 334 ، 1424-1427. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  53. ما، تی. ژو، ی. ژو، سی. هاینی، اس. پی، تی. Xu، T. برآورد نور شبانه از ویژگی‌های مکانی-زمانی پویایی شهرنشینی با استفاده از داده‌های ماهواره‌ای DMSP/OLS. سنسور از راه دور محیط. 2015 ، 158 ، 453-464. [ Google Scholar ] [ CrossRef ]
  54. ژائو، ام. ژو، ی. لی، ایکس. چنگ، دبلیو. ژو، سی. ما، تی. لی، ام. Huang، K. نقشه برداری دینامیک شهری (1992-2018) در آسیای جنوب شرقی با استفاده از داده های ثابت نور شبانه از DMSP و VIIRS. سنسور از راه دور محیط. 2020 ، 248 ، 111980. [ Google Scholar ] [ CrossRef ]
  55. شی، ک. هوانگ، سی. یو، بی. یین، بی. هوانگ، ی. Wu, J. ارزیابی داده های ترکیبی نور شبانه NPP-VIIRS برای استخراج مناطق شهری ساخته شده. سنسور از راه دور Lett. 2014 ، 5 ، 358-366. [ Google Scholar ] [ CrossRef ]
  56. هو، ایکس. کیان، ی. پیکت، STA; ژو، دبلیو. نقشه‌برداری شهری نیازمند رویکردهای به‌روز برای ارائه دیدگاه‌های متنوع شهرنشینی کنونی است: تلاشی جدید برای نقشه‌برداری مناطق شهری با داده‌های نور شبانه. Landsc. طرح شهری. 2020 , 195 , 103709. [ Google Scholar ] [ CrossRef ]
  57. لیو، ز. او، سی. ژانگ، Q. هوانگ، Q. یانگ، ی. استخراج دینامیک گسترش شهری در چین با استفاده از داده های نور شبانه DMSP-OLS از سال 1992 تا 2008. Landsc. طرح شهری. 2012 ، 106 ، 62-72. [ Google Scholar ] [ CrossRef ]
  58. لی، ایکس. لی، ایکس. دنگ، جی. رشد و انقباض نواحی سریع شهرنشینی چین از دیدگاه حقوق مالکیت: مطالعه موردی دونگوان. تروپ Geogr. 2019 ، 39 ، 1-10. [ Google Scholar ]
  59. شن، دبلیو. ژنگ، ز. Qin، Y. لی، ی. ویژگی‌های فضایی و زمانی و نیروی محرکه سلامت اکوسیستم در یک منطقه عملکرد اکولوژیکی مهم در چین. بین المللی جی. محیط زیست. Res. عمومی. سلامتی. 2020 ، 17 ، 5075. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  60. بتنکورت، ال. وست، جی. نظریه یکپارچه زندگی شهری. طبیعت 2010 ، 467 ، 912-913. [ Google Scholar ] [ CrossRef ]
  61. جانسون، نماینده پارلمان اثرات زیست محیطی گسترش شهری: بررسی ادبیات و دستور کار پیشنهادی پژوهشی. محیط زیست طرح. پاسخ: اقتصادی فضا. 2016 ، 33 ، 717-735. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  62. Webster, C. دسترسی به قیمت: مورفولوژی شهری، طراحی و بازارهای گمشده. Prog. طرح. 2010 ، 73 ، 77-111. [ Google Scholar ] [ CrossRef ]
  63. راماچاندرا، تلویزیون؛ بهارث، ق. Sowmyashree، MV نظارت بر شهرنشینی و پیامدهای آن در یک شهر بزرگ از فضا: الگوهای فضایی و زمانی و شاخص های آن. جی. محیط زیست. مدیریت 2015 ، 148 ، 67-81. [ Google Scholar ] [ CrossRef ]
  64. تاوبنبوک، اچ. اش، تی. فلبیر، آ. ویزنر، ام. راث، ا. Dech, S. نظارت بر شهرنشینی در شهرهای بزرگ از فضا. سنسور از راه دور محیط. 2012 ، 117 ، 162-176. [ Google Scholar ] [ CrossRef ]
  65. ژو، سی. Ye, C. ویژگی ها و علل رشد فضایی شهری در کلان شهرهای چین. Acta Geogr. گناه 2013 ، 68 ، 728-738. [ Google Scholar ]
  66. فنگ، جی. لیو، ی. بازسازی فضای داخلی شهری در چین در دوره گذار: ویژگی ها، مدل ها و مکانیسم ها. Prog. Geogr. 2007 ، 26 ، 93-106. [ Google Scholar ]
  67. جیانگ، ز. ژای، دبلیو. منگ، ایکس. Long، Y. شناسایی شهرهای کوچک شده با داده های NPP-VIIRS Nightlight در چین. ج. طرح شهری. توسعه دهنده 2020 , 146 , 04020034. [ Google Scholar ] [ CrossRef ]
  68. آهنگ، ی. لانگ، ی. وو، پی. وانگ، ایکس. آیا همه شهرها شکل شهری مشابهی دارند یا خیر؟ بازتعریف شهرهای دارای نقاط مورد علاقه همه جا و ارزیابی آنها با شاخص هایی در سطح شهر و بلوک در چین. بین المللی جی. جئوگر. Inf. علمی 2018 ، 32 ، 2447-2476. [ Google Scholar ] [ CrossRef ]
  69. لوین، ن. Kyba، CCM؛ ژانگ، Q. سانچز دی میگل، آ. رومان، MO; لی، ایکس. پورتنوف، کارشناسی; مولتان، آل. جیچو، ا. میلر، SD; و همکاران سنجش از دور چراغ‌های شب: بررسی و چشم‌اندازی برای آینده سنسور از راه دور محیط. 2020 , 237 , 111443. [ Google Scholar ] [ CrossRef ]
  70. وی، ی. لیو، اچ. آهنگ، دبلیو. یو، بی. Xiu، C. عادی سازی تصاویر نور شبانه سری های زمانی DMSP-OLS برای تحلیل رشد شهری با ویژگی های شبه ثابت. Landsc. طرح شهری. 2014 ، 128 ، 1-13. [ Google Scholar ] [ CrossRef ]
  71. خو، ک. چن، اف. لیو، ی. حقیقت رشد اقتصادی چین: شواهدی از داده های جهانی نور شبانه. اقتصاد Res. J. 2015 ، 50 ، 17-29. [ Google Scholar ]
  72. وو، دبلیو. ژائو، اچ. جیانگ، اس. روش مبتنی بر قانون Zipf برای نقشه‌برداری مناطق شهری با استفاده از داده‌های نور شبانه NPP-VIIRS. Remote Sens. 2018 , 10 , 130. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  73. شی، ک. یو، بی. هوانگ، ی. هو، ی. یین، بی. چن، ز. چن، ال. وو، جی. ارزیابی توانایی داده‌های نور شبانه NPP-VIIRS برای تخمین تولید ناخالص داخلی و مصرف برق چین در مقیاس‌های چندگانه: مقایسه با داده‌های DMSP-OLS. Remote Sens. 2014 ، 6 ، 1705-1724. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  74. رومان، MO; وانگ، ز. سان، س. کلب، وی. میلر، SD; مولتان، ا. شولتز، ال. بل، جی. استوکس، EC; پاندی، بی. و همکاران مجموعه محصولات چراغ های شب مرمر سیاه ناسا. سنسور از راه دور محیط. 2018 ، 210 ، 113-143. [ Google Scholar ] [ CrossRef ]
  75. لی، تی. میلر، SD; ترک، اف جی; شولر، سی. جولیان، آر. دیو، اس. وانگ، اس. حسگر قابل مشاهده روز/شب NPOESS VIIRS. گاو نر عامر هواشناسی Soc. 2006 ، 87 ، 191-200. [ Google Scholar ] [ CrossRef ]
  76. لی، ایکس. Gong, L. تصحیح و برازش تصاویر نور شب DMSP/OLS و VIIRS/DNB. گاو نر Surv. نقشه 2019 ، 7 ، 138-146. [ Google Scholar ]
  77. ما، تی. ژو، سی. پی، تی. هاینی، اس. فن، جی. پاسخ چراغ‌های شبانه برگرفته از Suomi-NPP VIIRS به فعالیت‌های اجتماعی-اقتصادی در شهرهای چین. سنسور از راه دور Lett. 2014 ، 5 ، 165-174. [ Google Scholar ] [ CrossRef ]
  78. لانگ، ی. شن، ی. جین، ایکس. نقشه برداری مناطق شهری در سطح بلوک برای همه شهرهای چین. ان صبح. دانشیار Geogr. 2015 ، 106 ، 96-113. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  79. ژنگ، کیو. زنگ، ی. دنگ، ج. وانگ، ک. جیانگ، آر. Ye, Z. شناسایی “شهرهای ارواح” با استفاده از مجموعه داده های سنجش از راه دور چند منبع: مطالعه موردی در دلتای رودخانه یانگ تسه. Appl. Geogr. 2017 ، 80 ، 112-121. [ Google Scholar ] [ CrossRef ]
  80. شانگ، اس. دو، اس. دو، اس. Zhu, S. برآورد جمعیت در مقیاس ساختمان با استفاده از داده های فضایی چند منبعی. شهرها 2020 . [ Google Scholar ] [ CrossRef ]
  81. ما، س. گونگ، ز. کانگ، جی. تائو، آر. دانگ، الف. اندازه‌گیری انقباض شهری عملکردی با داده‌های بزرگ جغرافیایی چند منبعی: مطالعه موردی منطقه بزرگ پکن-تیانجین-هبی. Remote Sens. 2020 , 12 , 2513. [ Google Scholar ] [ CrossRef ]
  82. ژانگ، جی. ژانگ، ال. Qin، Y. وانگ، ایکس. ژنگ، زی. تأثیر محیط ساخته شده بر شناخت کم کربن مسکونی شهری در ژنگژو، چین. جی. پاک. تولید 2020 ، 271 ، 122429. [ Google Scholar ] [ CrossRef ]
  83. ژنگ، ز. شن، دبلیو. لی، ی. Qin، Y. وانگ، L. ارزش ویژه فضایی فضای سبز پارک با استفاده از KD2SFCA و API نقشه وب: مطالعه موردی ژنگژو، چین. Appl. Geogr. 2020 , 123 , 102310. [ Google Scholar ] [ CrossRef ]
  84. کای، جی. هوانگ، بی. Song, Y. استفاده از داده های بزرگ جغرافیایی چند منبعی برای شناسایی ساختار شهرهای چند مرکزی. سنسور از راه دور محیط. 2017 ، 202 ، 210-221. [ Google Scholar ] [ CrossRef ]
  85. هوانگ، بی. ژائو، بی. Song، Y. نقشه‌برداری کاربری زمین شهری با استفاده از یک شبکه عصبی پیچیده عمیق با تصاویر سنجش از دور چندطیفی با وضوح فضایی بالا. سنسور از راه دور محیط. 2018 ، 214 ، 73-86. [ Google Scholar ] [ CrossRef ]
  86. جین، ایکس. لانگ، ی. سان، دبلیو. لو، ی. یانگ، ایکس. تانگ، جی. ارزیابی سرزندگی شهرها و شناسایی شهرهای ارواح در چین با داده های جغرافیایی در حال ظهور. شهرها 2017 ، 63 ، 98-109. [ Google Scholar ] [ CrossRef ]
  87. Xu, H. استخراج ویژگی‌های زمین ساخته‌شده شهری از تصاویر Landsat با استفاده از تکنیک ترکیب شاخص موضوعی. فتوگرام مهندس Remote Sens. 2007 ، 73 ، 1381-1391. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  88. طولانی، Y. بازتعریف سیستم شهری چین با داده های جدید در حال ظهور. Appl. Geogr. 2016 ، 75 ، 36-48. [ Google Scholar ] [ CrossRef ]
  89. شلتون، تی. پورتویس، ا. Zook, M. رسانه های اجتماعی و شهر: بازاندیشی نابرابری اجتماعی- فضایی شهری با استفاده از اطلاعات جغرافیایی تولید شده توسط کاربر. Landsc. طرح شهری. 2015 ، 142 ، 198-211. [ Google Scholar ] [ CrossRef ]
  90. جیانگ، بی. یین، جی. لیو، قانون Q. Zipf برای تمام شهرهای طبیعی در سراسر جهان. بین المللی جی. جئوگر. Inf. علمی 2015 ، 29 ، 498-522. [ Google Scholar ] [ CrossRef ]
  91. برگس، آر. تشخیص شهرهای طبیعی در هلند-تصاویر ماهواره‌ای شبانه و قانون Zipf. Rev. Reg. Res. 2018 ، 38 ، 111-140. [ Google Scholar ] [ CrossRef ]
  92. ژو، ی. لی، سی. ما، ز. هو، اس. ژانگ، جی. لیو، دبلیو. شناسایی الگوهای انقباض و رشد یک شهر در حال کوچک شدن در چین بر اساس داده‌های نور شبانه: مطالعه موردی ییچون. پایداری 2019 ، 11 ، 6906. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  93. جیانگ، بی. تائو، قانون J. Zipf برای همه شهرهای طبیعی در ایالات متحده: یک دیدگاه جغرافیایی. بین المللی جی. جئوگر. Inf. علمی 2011 ، 25 ، 1269-1281. [ Google Scholar ] [ CrossRef ]
  94. فالچی، ف. سینزانو، پی. الویج، سی دی; کیت، دی.م. Haim, A. محدود کردن تأثیر آلودگی نوری بر سلامت انسان، محیط زیست و دید ستارگان. جی. محیط زیست. مدیریت 2011 ، 92 ، 2714-2722. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  95. دی میگل، ع. اوبه، ام. زامورانو، جی. کوسیفاج، م. رابی، جی. اندازه‌گیری‌های Tapia, C. Sky Quality Meter در دنیایی که تغییر رنگ می‌دهد. دوشنبه نه. آر.آسترون. Soc. 2017 ، 467 ، 2966-2979. [ Google Scholar ] [ CrossRef ]
  96. کیبا، سی سی; کوستر، تی. دی میگل، ع. باگ، ک. جیچو، ا. هولکر، اف. گوانتر، L. نور مصنوعی سطح زمین در شب افزایش درخشندگی و وسعت. علمی Adv. 2017 , 3 , e1701528. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  97. وانگ، ام. سان، ج. وو، ک. مطالعه مقدماتی در مورد رشد و انقباض شهرهای صنعتی و تجاری در منطقه ساحلی جنوب شرقی: مطالعه موردی Yiwu، استان ژجیانگ. طرح پکن Rev. 2019 , 3 , 36–41. [ Google Scholar ]
  98. هو، ی. لیو، ی. Sun، H. فرآیند و عوامل رشد و انقباض شهری: مطالعه موردی شهرهای معدنی در استان هیلونگجیانگ. علمی Geogr. گناه 2020 ، 40 ، 1450-1459. [ Google Scholar ]
  99. Qu، Y. Cui, L. در مورد کوچک شدن و توسعه اقتصادی جمعیت شهری با منابع فرسوده در استان هیلونگجیانگ. نه اقتصاد Tra. 2020 ، 1 ، 7–9. [ Google Scholar ]
  100. دنگ، سی. لیانگ، پی. لیو، سی. تجزیه و تحلیل ویژگی‌های در حال تغییر و عوامل مؤثر بر کوچک شدن فضا-زمان شهر در گروه شهر جریان میانی رودخانه یانگ تسه. J. Urban Stud. 2020 ، 41 ، 80-88. [ Google Scholar ]
  101. لیو، ی. لی، جی. شیائو، اس. سو، تی. چگونه انقباض شهری بر عرضه خدمات عمومی محلی تأثیر می گذارد؟ توسعه شهری گل میخ. 2020 ، 7 ، 11-18. [ Google Scholar ]
  102. یانگ، ایکس. یو، ال. معضل توسعه و استراتژی های شهرهای کوچک در زمینه کاهش توسعه: مطالعه موردی دانیانگ. در مجموعه مقالات کنفرانس سالانه برنامه ریزی شهری چین 2019، چونگ کینگ، چین، 19 تا 21 اکتبر 2019؛ جلد 12. [ Google Scholar ]
Ijgi 10 00005 g001 550
شکل 1. ( الف ) موقعیت منطقه آسیب دیده رودخانه زرد و نمای کلی منطقه مورد مطالعه. ( ب ) داده های نور شب منطقه تحت تأثیر رودخانه زرد در سال 2018؛ ( ج ) داده های نور شب از منطقه تحت تأثیر رودخانه زرد در سال 2013.
Ijgi 10 00005 g002 550
شکل 2. چارچوب تحلیلی.
Ijgi 10 00005 g003 550
شکل 3. نموداری از روش مبتنی بر POI برای تعریف مجدد شهرها: نمونه ای از شهر طبیعی ژنگژو، شهری در سطح استان در استان هنان، چین.
Ijgi 10 00005 g004 550
شکل 4. توزیع شهرهای طبیعی در سراسر منطقه مورد مطالعه.
Ijgi 10 00005 g005 550
شکل 5. رابطه بین مناطق طبیعی شهر و تعداد شهرهای طبیعی.
Ijgi 10 00005 g006a 550 Ijgi 10 00005 g006b 550
شکل 6. توزیع فضایی انقباض و گسترش طبیعی شهر در منطقه آسیب دیده رودخانه زرد. ( الف ) کوچک شدن و گسترش شهرها با نسبت کوچک شدن و گسترش داده های شبانه؛ و ( ب ) کوچک شدن و گسترش شهرها با نسبت کوچک شدن و گسترش در داده های جمعیتی.
Ijgi 10 00005 g007 550
شکل 7. رابطه بین کاهش و گسترش شهری و تعداد شهرها.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید