基于渗流理论利用多源数据量化城市区域

量化城市区域对于解决相关的城市问题（如环境与可持续发展问题）至关重要。遥感数据，尤其是夜间灯光影像，已广泛用于勾绘全球城市化区域。同时，一些新兴城市数据，如志愿者地理信息（例如OpenStreetMap）和社会感知数据（例如手机与社交媒体），在揭示城市边界与动态方面也展现出巨大潜力。然而，从这些多源数据中一致且稳健地量化城市区域的方法仍付之阙如。本文提出一种基于渗流的方法，从上述多源城市数据中提取城市区域。我们借助渗流理论，通过考虑城市系统的临界特性推导出最优的城市/非城市阈值。此外，我们将该方法应用于三个开源数据集——人口、道路与夜间灯光——覆盖28个国家。结果表明，所提方法从多源数据中捕捉到了相似的城市区域特征，且齐夫定律（Zipf's law）在多数国家成立良好。基于不同数据集所得城市区域的精度已在10个城市中用基于Landsat的参考数据验证，且通过数据融合可进一步提升精度（$\kappa=0.69-0.85$，平均$\kappa=0.78$）。我们的研究不仅提供了一种利用开源数据量化城市区域的高效方法，也深化了对城市系统的理解，并为地理领域的多源数据融合提供了一些启示。