摘 要： 随着互联网和信息技术的发展, 新兴大数据作为驱动创新的源动力蓬勃发展, 反映了人流、物流、信息流等在城市空间上的集聚和流动, 是对传统静态数据的有益补充, 在城市功能识别、职住关系挖掘、交通出行模拟等方面得到了广泛应用, 逐渐成为研究城市问题的热点。回顾了地理国情普查和监测的过程以及主要内容, 分析了大数据在地理国情监测中的应用前景, 以自然资源部2018年国家地理国情监测立项课题——武汉市大数据城市空间格局变化监测试点为例, 探讨了“地理国情+大数据”的研究思路, 旨在通过监测城市土地利用静态地理空间和识别人口、经济、交通等动态社会空间, 从区域城市格局、城乡体系格局和城市空间格局3个方面识别与监测城市空间格局特征和变化, 反映土地利用与其上人类活动的关系, 深层次揭示空间格局变化的内在规律和机制。
关键词： 大数据; 城市空间; 变化监测;
Abstract： With the development of Internet and information technology, the new big data, as the driving force of innovation, is developing quickly and dynamically, which reflects the concentration and flow of people, logistics, information and so on in the urban space. It is a beneficial supplement to the traditional static data, and is widely used in the aspects of urban function identification, job-housing relation mining, traffic trip simulation and so on, which has gradually become a hot topic in the study of urban problems. In this paper, we reviewed the process and main contents of the geographical conditions census and monitoring, and analyzed the application prospect of big data in the geographical conditions monitoring. Taking the project of the Ministry of Natural Resources “the Change Monitoring of Wuhan Urban Spatial Pattern Based on Big Data” for example, we discussed the research ideas of the “Geographical Situation + Big Data”. By monitoring the static geographical space of urban land use and identifying the dynamic behavior space of population, economy and traffic, we will identify the characteristics and monitor the changes of urban spatial pattern from the three aspects of regional urban pattern, urban and rural system pattern and urban spatial pattern, which will reflect the relationship between land use and human activities, and reveal the inherent laws and mechanisms of spatial pattern transformation.
Keyword： big data; urban space; change monitoring;
地理国情监测包括基础性监测和专题性监测两方面, 前者主要针对地表覆盖和地理国情要素开展年度变化更新, 定期反映自然资源环境和城乡建设发展;后者利用基础性监测成果和各类专题资料, 结合地理学、统计学、经济学等方法, 开展一系列跨学科的专项监测和统计分析研究, 努力实现从地理数据、地理信息到地理知识的转变。大数据的蓬勃发展为深化地理国情监测提供了新的契机, 在详实反映土地利用变化的基础上, 开展大数据的收集、爬取、清洗和挖掘分析, 可进一步识别和监测土地利用上的人口、经济、交通等空间分布特征和活动规律, 有效克服传统静态数据的局限性, 突显地理国情的“情”字, 有助于地理国情监测从土地利用走向社会经济活动, 从静态专业工作走向动态大众生活, 在促进城市精细化管理和经济社会协调发展方面发挥更好的支撑作用。
1、 地理国情普查与监测概况
地理国情是空间化、可视化的国情信息, 是从地理的角度分析、研究和描述国情, 是重要的基本国情之一。地理国情普查与监测是综合利用现代测绘技术和各时期已有测绘成果档案, 对地表覆盖和地理国情要素等进行全面普查和监测, 并统计分析其分布特征与差异、变化量和变化频率以及相互关系等, 形成反映各类自然资源、生态环境、社会经济要素的空间分布及其发展变化规律的地理国情数据、地图和报告[1,2]。
党中央、国务院高度重视地理国情普查与监测工作。2011年5月23日, 李克强同志在视察中国测绘创新基地时指出, 地理国情是重要的基本国情, 是搞好宏观调控、促进可持续发展的重要决策依据, 也是建设责任政府、服务政府的重要支撑[3]。2013年2月28日, 国务院下发了国发[2013]9号《关于开展第一次全国地理国情普查的通知》;2013~2015年统一部署组织完成了第一次全国地理国情普查, 摸清了我国陆地地表自然和人文地理要素的“家底”, 2017年4月发布了全国普查公报。
普查之后是监测。2017年4月十二届全国人大常委会第二十七次会议通过了新修订的《中华人民共和国测绘法》, 要求依法开展地理国情监测。2017年5月和7月, 原国家测绘地理信息局先后印发了《关于全面开展地理国情监测的指导意见》和《专题性地理国情监测技术指南 (2017~2020年) 》, 对地理国情监测工作进行了全面部署。2018年1月原国家测绘地理信息局印发了《2018年测绘地理信息工作要点》, 要求全力打造地理国情监测品牌, 全面开展常态化地理国情监测工作。2018年2月中国测绘科学研究院发布了《中国地理国情蓝皮书 (2017版) 》。2018年5月新组建的自然资源部印发了自然资办发[2018]12号《关于下达2018年国家地理国情监测项目生产计划和任务书的通知》, 全面部署了2018年国家地理国情监测工作。
武汉市在按要求完成普查任务后, 率先实现了由普查到监测的转段, 分别于2016年7、8月下发了武政办[2016]85号《武汉市“十三五”时期地理国情监测工作方案》和武政办[2016]104号《武汉市基础测绘发展“十三五”规划》, 调整市地理国情普查领导小组为监测领导小组, 明确了工作目标任务, 落实了财政经费保障, 基本达到了国家关于地理国情监测“进法律、进预算、进职责、进规划”的“四进”要求。2016年起武汉市测绘研究院持续按年度组织开展常态化监测工作, 在自主完成基础性监测的基础上, 联合中国测绘科学研究院、武汉大学、华中师范大学等单位创新开展了一系列跨学科的专题性监测, 包括城市空间格局变化监测、开发区规划实施监测、综合交通网络动态监测、滨江滨湖生态环境监测 (蓝网绿网、低碳城市、海绵城市、资源环境承载力) 、基本公共服务监测和综合地理国情指数等6个方面, 并完成了古田老工业区搬迁改造监测和青山海绵型城市建设示范区实施效果监测两项国家级监测试点项目[4]。
普查与监测期间, 武汉市测绘研究院参编国普办技术规定1部, 主编地方规范1部, 完成的12个项目先后获得各级奖励, 其中“武汉市地理国情普查与成果应用”等3个项目连续3 a获得中国地理信息产业协会优秀工程金奖。2017年4月武汉市测绘研究院出版了首部城市地理国情监测专着, 在汉主办首次“城市地理国情监测高端技术论坛”;2018年1月发布首本城市地理国情普查公报;2017年9月被国普办表彰为“第一次全国地理国情普查先进集体”, 也是全国唯一获此殊荣的市级测绘单位。
2、 大数据在地理国情监测中的应用前景
2.1、 地理国情数据的特点和优势
地理国情监测以每年6月30日为标准时点, 对地表覆盖和地理国情要素进行变化更新。地表覆盖包括种植土地、林草覆盖、房屋建筑 (区) 、铁路与道路、构筑物、人工堆掘地、荒漠与裸露地和水域, 分为伸缩型变化和新生型变化, 重点针对正处于变化中的地类、非人工建设变更为人工建设的地类、建造强度发生显着或根本变化的地类;地理国情要素包括铁路与道路、水系、构筑物、城镇功能单元 (居住小区、工矿企业、单位院落等) , 分为伸缩移位型变化、新生型变化和灭失型变化。
地理国情监测以“所见即所得”为原则, 以真实、客观、准确为特点, 具有全覆盖、内外业、年度更新的优势, 也为各类信息的集成管理提供了公共基底。从自然地理要素来看, 全面摸清了“山水林田湖草”等自然资源家底, 反映了自然资源禀赋、状态和压力;从人文地理要素来看, 详实反映了城市空间格局和建设发展情况, 定期反映了城市的变化区域、数量、强度和类型, 如主城外围新增的房屋建筑 (区) 和道路反映了城市外延增长的边界、规模、速度和轴线, 主城内部新增或竣工建设工地反映了城市更新改造和存量增长情况, 房屋建筑 (区) 的密度和高度反映了城市建设集约程度, 城镇综合功能单元 (居住小区、工矿企业、单位院落等) 反映了城市功能布局的基本情况, 道路密度以及主次支路比例反映了城市道路建设的合理程度。
2.2、 大数据的发展和应用
大数据是指无法在一定范围内用常规软件工具进行捕捉、管理和处理的数据集合, 是海量、高增长率和多样化的信息资产。随着信息技术的发展, 互联网、物联网、云计算等的兴起, 全球数据信息量呈几何指数爆炸增长, 大数据应运而生。在新一代信息基础设施的支撑下, 大数据是物理空间运动过程加速向网络空间映射的结果, 表现为规模巨大、种类多样和内在关联, 具有5 V特征: (1) 数据体量 (Volume) 巨大, 从TB级跃升到PB级; (2) 数据生成、存储、分析、处理的速度 (Velocity) 非常快; (3) 数据模态多样 (Variety) , 多源、异构特征突出; (4) 数据真伪难辨 (Veracity) , 由于数据噪音、缺失、不一致性、歧义等引起的数据不确定性显着; (5) 价值密度低、商业价值 (Value) 高。大数据存在巨大的潜在价值, 但与其呈几何指数爆发式增长相比, 某一对象或模块数据的价值密度较低, 给海量数据的挖掘增加了难度和成本[5]。
与地理国情相关的大数据类型繁多, 主要包括12类: (1) 地理国情普查与监测数据, 包括地表覆盖分类数据、变化图斑和变化属性, 具有自然属性强、年度更新的特点; (2) 基础地理信息数据, 包括数字线划图 (DLG) 、数字高程模型 (DEM) 、数字栅格地图 (DRG) 、数字影像地图 (DOM) 和地名数据等, 是其他数据定位和集成的公共基础; (3) 遥感对地观测数据, 主要包括卫星影像、航片、LiDAR点云和夜光遥感等; (4) 地面观测数据, 包括大地测量数据、地表形变监测数据, 遥感解译样本, 气象、环境、地震、水文、地质灾害、森林火灾、疫情等在线监测数据; (5) 行业普查与调查数据, 包括全国性的土壤普查、水利普查、林业普查、污染源普查、经济普查、地名普查、交通设施普查、营业状况调查、土地利用现状调查等, 以及区域性或城市范围的公众参与问卷调查、交通O-D调查、旧城和文化古迹调查、乡村地理调查等, 具有很强的行业特征和管理属性; (6) 社会经济统计数据, 主要包括以行政区划为单元定期采集、汇总、整理形成的人口、社会、经济、城市建设等方面的统计数据, 具有定期发布、指标统一、可比性强等特点; (7) 行业管理数据, 包括人口, 公共服务设施, 企业, 不动产, 各类审批信息, 居民或企业用水、用电、用气等数据; (8) 志愿者地理数据, 是由大量非专业人员利用智能手机、GPS终端、iPad以及各种定位传感器获取、标注和上传的地理空间数据、图像和视频等多媒体数据; (9) 社交媒体数据, 包括博客、微博、微信、维基、社交网站、点评社区、论坛等, 反映人们对社会事件的舆情; (10) 移动大数据, 是由移动GPS设备记录的用户活动的原始时空轨迹数据, 包括手机信令、百度热力、公交刷卡、浮动车、共享单车、刷卡消费等, 为从微观层面观察社会提供了有效手段;互联网大数据, 如新浪、搜狐网的浏览信息, 百度、谷歌等搜索关键词, 房地产挂牌销售和二手房交易信息等;物联网大数据和实时监测数据, 如路口线圈、监控图像和视频、物流数据、电网数据、水网数据等[6]。
大数据增长迅速, 应用广泛, 在城市管理、公共服务、商业智能和市场营销方面具有巨大的应用潜能, 特别是关于城市问题的研究层出不穷。大数据以其独特的视角, 通过实时动态观察城市, 为提取潜在信息、挖掘蕴藏知识、开展城市体检与问题诊断, 提供了全新的技术手段, 对于最终实现精细化的城市管理具有重要意义。
2.3、“地理国情+大数据”的融合研究潜力
地理国情监测详实地反映了土地利用分布、结构和变化, 但有很大的局限性, 未能反映土地利用上的人类活动。统计年鉴包括人口、经济等资料, 但往往是基于一定统计单元 (全市、区、街道或乡镇) 的统计指标, 无法反映统计单元上人口、经济等要素空间分布的非均质性。地理国情以地块为单元, 属于微观尺度的物理空间;统计资料以行政区划为单元, 属于宏观尺度的社会空间。目前开展的地理国情统计分析往往是利用上述两种数据, 因此出现了尺度上不匹配的问题, 结论也往往是宏观意义上复杂的指标体系, 难以生动反映微观环境下土地利用对应的社会经济活动, 在实际应用上有很大的局限性, 难以落地。
大数据的核心之一是人, 可以展示微观层面上社会空间中以个体为尺度的活动、移动和交流, 为开展微观环境下的社会经济研究和精细化城市模拟提供了可能。大数据具有样本量大、动态性强、时效性高等特点, 可有效反映土地利用上人口、经济、交通等要素的动态分布、活动规律和相互联系, 是对传统静态数据的有益补充, 逐渐成为研究城市问题的突破口和热点[7,8]。
在区域联系方面, 铁、水、公、空等对外交通设施和GDP、人口规模等传统数据, 只反映了经济学上城市辐射、吸引的潜在能力;而基于大数据的等时圈则反映了交通影响的范围, 人流、物流、资金流和信息流则深刻揭示了区域范围内城市经济联系, 以春运人流为代表的网络迁徙大数据则反映了城市的人口吸引力。在功能布局方面, 房屋建筑区、城镇综合功能单元反映了土地利用的功能布局;手机信令、百度热力、POI等大数据有助于识别商业、商务、休闲娱乐等不同城市功能中心及其边界, 并分析典型区域的活力空间。在职住关系方面, 城镇综合功能单元反映了居住区、工业区、单位院落的分布;粮食人口调查和统计数据反映了人口分布格局、年龄和学历结构、人口户籍迁移;手机信令、百度热力、社交网络数据有助于分析人口集聚、流动等行为特征, 深刻揭示职住关系。在房屋建筑方面, 房屋建筑区数据详细反映了房屋建筑区和独立房屋建筑的面积、高度和密度;夜光遥感数据、用水和用电数据则可分析房屋的空置率;房价、职业等数据可反映居住人群的收入差别和住宅区的空间分异。在道路交通方面, 地理国情数据详细反映了城市主次支路、高架立交、桥梁隧道、公共交通、停车场等;公交刷卡、浮动车、百度热力等大数据可深入分析城市公共交通廊道, 识别主要交通枢纽, 体现不同区域、不同线路、站点的交通出行压力。
综上所述, “地理国情+大数据”融合研究的宗旨为:发挥地理国情、大数据二者的优势, 在利用地理国情数据详实反映城市土地利用状况和变化的基础上, 利用大数据挖掘分析其上的人口、经济、交通等活动特征和规律, 并将土地利用与其承载的社会经济要素进行综合分析, 研究宏观、微观层面上物质空间与社会空间各类要素之间的相互关系与作用, 评价土地利用效率、城市增长质量、经济社会发展的协调性。换言之, 地理国情数据是只见物、不见人, 反映的是微观、静态的物理空间;而大数据的核心是人, 通过观察社会空间中众多的微观个体活动, 挖掘群体性活动规律, 反映微观、动态的社会空间。“地理国情+大数据”的融合研究, 是克服一般统计分析宏观、静态、难以落地局限性的突破口, 有效建立了人与地、物理空间与社会空间的关系, 实现了从对地观测到对人观测的转变, 建立了真正意义上的社会地理计算体系, 为开展城市仿真模拟提供了新路径[9]。当然, 大数据有海量、多源、异构等特点, 挖掘分析方法成为其有效利用的关键, 同时要注意大数据样本的数量、代表性和稳定性, 保证结果的可检验性。
3、 武汉市试点项目的总体设想
2018年5月自然资源部印发的自然资办发[2018]12号《关于下达2018年国家地理国情监测项目生产计划和任务书的通知》明确要求, 为持续全面掌握我国陆地范围内地表自然和人文地理要素的现状与变化情况, 更好地为自然资源管理和生态文明建设提供地理国情信息保障服务, 2018年将继续开展国家地理国情监测工作。其中, “武汉市大数据城市空间格局变化监测试点” (以下简称本项目) 获批立项, 也是2018年度自然资源部批复立项的国家专题性地理国情监测6大专项中唯一一个城市级监测项目, 其他5项为京津冀协同发展重要地理国情监测、国家级新区空间格局变化监测、全国海岸带开发利用变化监测、洞庭湖生态经济区地理国情监测和巢湖流域地理国情监测。
3.1、 项目目标
本项目以武汉市为试点, 开展大数据城市空间格局变化监测, 以地理国情成果为基础, 融合基础地理信息数据、行业专题数据以及手机信令、百度热力、实时路况、公交刷卡、兴趣点等多源大数据, 从宏观到微观, 从区域城市格局、城乡体系格局和城市空间格局3个方面, 围绕土地利用、人口分布、产业分布、交通出行、公共服务等识别与监测城市空间格局的特征和变化, 反映土地利用与其上人类活动的关系, 深层揭示空间格局变化的内在规律和机制, 为城市科学发展和政府管理提供决策支持。
3.2、 总体框架
本项目以地理国情成果为基础, 利用传统数据与大数据相结合的模型方法, 从历史演变、识别与监测、综合分析3个层次开展武汉市大数据城市空间格局变化监测, 总体框架如图1所示。
图1 武汉市大数据监测试点总体框架图
1) 数据获取与清洗。本项目涉及的数据非常庞杂, 其中大数据按获取渠道分为商业数据、管理数据和网络爬取数据3类, 商业数据包括手机信令数据 (联通) 、百度地图数据 (百度迁徙、百度热力、POI) 和工商企业数据, 从数据源头供应商采购;管理数据包括居民用水 (电、气) 数据、城镇职工基本医疗参保数据、轨道交通流量数据、城市货运物流数据和公共交通刷卡数据, 从相关行业管理部门收集;网络爬取数据包括招聘信息、城市人口迁徙、房价数据和社交网络 (微博、腾讯) 等。
大数据具有数据量大、多源异构、语义差异等特点, 因此数据清洗与处理非常关键。 (1) 数据清洗, 根据不同类型的大数据, 定义相应的清洗规则, 设计相应的清洗算法, 开展数据清洗, 包括有效性清洗、结构清洗和语义清洗; (2) 地理编码和空间化, 对部分非空间化的大数据 (如安居客房价数据、居民用水用电数据、社保数据等) 进行空间化处理, 包括地址匹配、坐标转换等; (3) 数据质量控制, 大数据具有很多不确定性, 除在数据处理环节加强质量控制外, 还需运用多套数据进行交叉验证, 克服大数据的有偏性。
2) 研究思路。本文从历史演变、识别与监测、综合分析3个层次展开研究。 (1) 历史演变, 从近现代到当代, 以定性分析与定量推演相结合的方式, 分析城市空间格局要素在长时间序列上的演化规律。 (2) 识别与监测, 从区域城市格局、城乡体系格局和城市空间格局3个方面展开。宏观层面上分析武汉市在全国、东中西部和城市圈中的城市定位与区域联系;中观层面上刻画武汉市中心城区、功能区和新城区之间的城乡体系差异和圈层特征;微观层面上重点围绕主城区的外延扩张和内涵增长, 从土地利用、人口分布、产业布局、交通出行和公共服务等方面深入挖掘空间格局变化的内在机理与外部表现。 (3) 综合分析, 从不同尺度和视角, 分析用地、人口、经济与交通要素之间的耦合关系以及城市空间格局演变的驱动力因素和相关性。综合分析就是根据各项研究需要, 建立相应的人地关系模型, 开展各项专题监测与研究, 从海量数据中挖掘、提炼出规律性的知识, 切记大数据本质是样本分析, 避免以偏概全;注重实用化, 既有图形的表现效果, 又形成定量化的指标;保持连续性, 既如实反映现状, 又突出变化分析, 体现监测的目的。
3.3、 主要研究内容
本项目在不同空间尺度上, 选取不同时间颗粒度, 构建“地理国情+大数据”研究框架, 通过监测城市土地利用静态地理空间和识别人口、经济、交通等动态行为空间, 从区域城市格局、城乡体系格局和城市空间格局3个方面研究武汉市空间格局, 主要研究内容为:
1) 区域城市格局。把城市作为一个点, 从战略格局、交通枢纽、经济联系、人口流动和公共服务5个方面开展区域城市格局分析, 并与典型城市开展横向对比, 评价武汉市在全国、东中西部和城市圈的区域地位。 (1) 结合国家发展政策, 分析武汉市的战略地位; (2) 基于铁、水、公、空运输能力, 评价武汉市的中部交通枢纽地位; (3) 综合利用企业产品供销、货运出口、投融资等多源大数据, 从物流、资金流和信息流等方面分析与其他城市的经济联系度及其对周边城市的辐射影响力; (4) 基于网络迁徙大数据反映对其他不同区域人口和人才的吸引力; (5) 通过不同城市的对比, 体现武汉市在科教、医疗、会展、商业等领域的公共服务优势。
2) 城乡体系格局。从总体格局、城镇体系、圈层结构和农业农村4个方面开展城乡体系格局研究。 (1) 基于地理国情数据, 反映武汉市地形地貌特征以及空间差异, 分析“山水林田湖草”等自然地表分布和变化特征, 体现“大江、大湖、大武汉”的地域特色和“大建设、大发展、大变化”的建设现状; (2) 结合历史和规划数据, 分析行政区划调整与变迁, 基于夜光遥感影像识别城镇的等级规模; (3) 结合社会经济数据, 从中心城区、功能区和新城区3个圈层分析城乡人口、产业分布差异; (4) 结合地理调查, 开展农村空心村识别和农业种植土地实际利用情况分析。
3) 城市空间格局。重点围绕主城区的外延扩张和内涵增长, 从空间格局、土地利用、人口分布、产业布局、交通出行和公共服务等6个方面开展城市空间格局监测和分析。 (1) 基于地理国情数据, 识别主城区江湖分割、山水轴线、圈层结构 (环线、放射线) 等空间形态;利用历史地图、档案等资料, 定性反映从三镇时代到长江时代的空间格局演变过程, 体现武汉悠久的发展历史。 (2) 开展土地利用格局研究, 利用全覆盖、内外业、年度更新的地理国情数据, 识别主城区外延扩张的边界和轴线, 以及内涵增长的区位和类型, 分析城市空间扩张规模、方向、速率和结构, 客观、真实、准确地反映城市土地利用变化;利用城市用地转移矩阵, 分析增量与存量增长并存、平面扩张与立体增长共生的空间增长格局;结合国土规划数据, 识别和分析城市功能布局、房屋建筑格局、土地价值格局、旧城更新格局等。 (3) 结合人口、经济、交通、公共服务等专题数据与手机信令、百度热力、社交网络、POI、公交刷卡、公共自行车、用水用电等大数据, 挖掘城市经济社会活动特征, 包括城市功能中心的范围和活力, 居住分布、收入水平与住房空置率, 产业分布、就业格局与楼宇经济, 职住关系、人口流动、交通压力与公交换乘, 公共服务分布、服务区范围与出行时间成本等, 从而分析土地利用与人口、经济、交通的协调关系, 评价城市增长的质量。 (4) 利用传统数据与大数据相融合的方法, 运用人工智能、机器学习等技术开展模型研究, 建立微观层面上人与地、物理空间与社会空间的动态关系, 开展多尺度、多视角的数据挖掘和社会地理计算, 识别与监测土地利用及其上人类活动的特征和变化规律, 为最终实现城市仿真、模拟预测和精细化管理提供技术支撑。
4、 结语
“武汉市大数据城市空间格局变化监测试点”项目是一个庞大的系统工程, 需在总体设计的指导下分阶段推进, 不断丰富数据资源和完善研究方法, 发挥地理国情监测和大数据的优势, 开展融合创新研究和实践应用。一方面客观、真实、准确地反映“山水林田湖草”等自然资源家底和铁路与道路、房屋建筑 (区) 、人工堆掘地、城镇综合功能单元等城乡建设现状, 动态监测自然资源的实际利用状况和城乡规划的实施过程;另一方面融合多源、多尺度、多时态大数据, 分析人口、经济、交通等在城市空间上的集聚和流动, 全方位、多视角地识别和展示城市空间格局特征, 深入挖掘其内在机理和演变规律, 最终实现从对地观测到对人观测的转变, 开展社会地理计算[9], 动态反映城市问题, 科学揭示发展趋势, 为优化国土空间开发利用、促进城市精细化管理提供决策支撑。
当前, 正值新一轮国家机构改革、新组建自然资源部之际, 我国自然资源开发利用与保护工作掀开崭新的一页, 测绘工作正式融入国家自然资源工作大格局。下一步, 将以此为契机, 围绕自然资源保护利用、城市更新改造、产业转型升级、人口结构优化、基础设施互联互通等方面, 积极探索信息整合、挖掘分析、成果可视化等技术方法, 建立大数据城市空间格局变化监测数据体系、技术体系和应用体系, 探索打造“地理国情+大数据”的武汉样板, 为推动全国地理国情监测创新应用发挥示范引领作用, 为促进城市协调发展提供决策依据, 充分发挥地理国情基础公益智库的作用。
参考文献：
[1]陈俊勇.地理国情监测[C].中国测绘宣传中心.地理国情监测研究与探索.北京:测绘出版社, 2012:19-25
[2]张继贤.关于我国地理国情监测的思考[J].南方数码, 2013 (7) :44-45
[3]李维森.地理国情监测与测绘地理信息事业的转型升级[J].地理信息世界, 2013 (5) :11-14
[4]罗名海.武汉市地理国情监测的总体任务与有关思考[J].地理空间信息, 2017, 15 (2) :6-8
[5]张继贤, 顾海燕, 鲁学军, 等.地理国情大数据研究框架[J].遥感学报, 2016, 20 (5) :1017-1026
[6]苏世亮, 杜清运, 翁敏.面向规划决策的地理国情服务[M].北京:科学出版社, 2018:1-7
[7]龙瀛.城市大数据与定量城市研究[J].上海城市规划, 2014 (5) :13-15
[8]龙瀛, 茅明睿, 毛其智, 等.大数据时代的精细化城市模拟:方法、数据和案例[J].人文地理, 2014 (3) :7-13
[9]李德仁.从对地观测到对人观测:论社会地理计算[EB/OL]. (2018-07-29) [2018-08-03].https://mp.weixin.qq.com/s?__biz=MzIwNDE1NjM2NA%3D%3D&idx=1&mid=2652023723&sn=a8027efdb172b8e4f9523f2d56f351af
