三维虚拟地球的海洋信息适用性分析及原型研究

分析了三维虚拟地球在海洋应用上具有的优势及可能面临的挑战的基础上,首次提出了一种结合网格、语义网等前沿技术和理念,利用三维虚拟地球实现三维虚拟海洋的技术方案;并按照SOA的多层次架构,采用XML的多源异构海洋环境数据快速交换、海洋环境信息服务快速封装与发布、海洋环境信息服务虚拟组织、远程可视化等关键技术,实现了海洋环境信息网格平台及网格前端门户系统--三维虚拟海样(VRMarine)。VRMarine不仅能够集成网格环境下多源海洋环境信息服务,再现逼真的三维海洋环境场景,同时,还支持对功能服务的动态集成,实现多维时空特征分析。研究表明,该方案是切实可行和有效的,对三维虚拟海洋具有一定的现实及指导意义。     

海岸工程变化的BJ-1遥感监测分析

 海岸工程对海岸带经济发展和生态环境影响很大。随着海岸工程建设迅猛的发展,采用遥感的方法对海岸工程变化进行遥感监测显得尤为重要。本文以北京一号小卫星(BJ-1)资料为数据源,利用多种变化监测的方法对天津港和曹妃甸港区2006年和2010年的海岸工程变化进行监测。结果显示,波段替换法与SVM分类相结合的方法在2个重点研究区域精度最高,其总体精度和Kappa系数分别为92.35%和0.7902;面向对象的方法精度和稳定性其次,其总体精度和Kappa系数分别为91.77%和0.7732。     

海洋涡旋移动特征的区域划分方法及应用分析

为了合理有效地分析和挖掘海洋涡旋移动数据中的规律和模式,本文以基于空间交互性流聚类的区域化方法为基础,提出了一种海洋涡旋移动特征的网格区域化方法。该方法以网格为统计单元,对涡旋移动数据进行组织,通过图论模型构建海洋涡旋的移动网络图,然后采用基于平均邻接的层次聚类和基于模块度的划分2个步骤,实现涡旋移动特征的区域划分。基于该算法,对1992-2011年中国南海海洋涡旋移动数据进行算法实验,结果表明,南海海洋涡旋按照其移动频繁性特征可分为越南东南部（R1）、越南东部-巴拉望岛（R2）、南海北部（R3）3个区域。其中,R1区域包含了南海西南部深海盆地区的涡旋活跃条带;R2区域体现了南海中部涡旋向西移动的活动规律;R3区域则包含了南海北部东北-西南走向条带。3个区域内冷涡和暖涡具有明显的季节性变化特征：R1和R3区域冷暖涡变化相似,暖涡在夏秋季移动最多,冬季最少,而冷涡则相反,夏秋季移动最少,随后逐渐增加,并在春季达到峰值;R2区域暖涡在春季移动最多,而冷涡在夏冬移动最多,春秋移动相对较弱。     

基于浮标轨迹的涡旋信息提取算法

浮标在运动过程中如果受到涡旋的影响,会回到之前某一时刻所在的位置,其轨迹中就会出现环状结构,故提取浮标轨迹中的环状结构,就可识别涡旋。鉴此,本文针对ALIS（A Simple Automated Loop Identifying Scheme）算法忽略了这一环状结构中出现的“复杂结构”之不足予以改进,提出了基于浮标轨迹回环结构的涡旋及其移动轨迹提取算法AILIS（An Improved Automated Loop Identifying Scheme）算法。其通过判断环状结构中的轨迹片段是否有自相交对“复杂结构”进行处理,使提取结果更加完善;在此基础上,该算法通过判断涡旋瞬时状态的相似性,可追踪涡旋的部分移动轨迹。本文通过与ALIS算法及其他相关算法结果的对比,并使用SLA数据及HD（Hybrid Detection）、HT（Hybrid Tracking）算法实验结果表明,本文提出的算法能得到更多的海洋涡旋的瞬时状态和移动轨迹,为获取涡旋的物理参数提供重要的途径。     

基于复杂网络的海洋涡旋移动特征研究——以南海为例

海洋涡旋作为一种快速连续变化的海洋现象,如何分析和挖掘其移动特征成为当前海洋涡旋定量研究的重点。本文引入空间数据挖掘的社区网络划分方法,将涡旋过程看作复杂的移动网络,对涡旋移动的聚集性特征进行探索和分析。首先,以网格为统计单元对1992-2011年近20年南海海洋涡旋移动数据进行组织,基于图论模型构建了涡旋瞬时移动（TP）,涡旋移动起止点（OD）,涡旋最小描述距离的特征点移动网（MDL）和涡旋过程移动再生数据（RSP）4种状态的海洋涡旋的移动网络图;其次,采用基于快速模块度优化的区域划分方法分别得到4种状态下涡旋移动的聚集性区域;最后,利用弦图对区域内和区域间涡旋移动规律进行了可视化分析,发现海洋涡旋的RSP数据能够弥补原始涡旋移动数据在区域划分方法中呈现的数量不足的问题,能够在足够数据量的情况下,有效地发现从起点到终点的主要移动通道和涡旋移动的聚集性区域,这些区域反映了南海涡旋从其产生、发展到结束整个演化过程的聚集性特征。     

迭代演进式GIS需求分析模型研究

需求分析是信息系统或软件开发生命周期中一个重要阶段，并具有自己的生命周期。需求分析具有迭代性、演进性和并行性三大特性。通常，需求分析方式隐含在各种系统开发模型中，20世纪90年代初以来，随着需求工程热潮的掀起，需求分析模型的研究也成为研究热点。Theofanos等在总结分析已有需求分析模式的基础上，提出了需求分析浪峰模型。该模型同时反映了需求分析的三个特性，刻画了需求分析的复杂性，充分体现了需求分析的发展新趋势。该文根据GIS特点，对该模型进行了三个方面的改进：（1）将需求分析划分为5个阶段，原模型中的需求定义分解为结构化定义和形式化定义两个阶段，以便于根据该模型进一步发展GIS分析的自动化工具；（2）进一步明确了需求分析每阶段的具体分析活动以及应该采用的分析方法，使模型更具可操作性；（3）反映了项目GIS、部门GIS、企业GIS、社会GIS等不同规模和复杂程度系统开发的需求分析的差别。并对不同情况下选择需求分析模式以及结构化需求定义方法进行深入的分析，对GIS系统开发的需求分析具有现实指导意义。     

基于粗集的环境机制发现模型及其渔业应用

地学事件或地学变量受控于环境因子,其关系常为非线性。另一方面,影响变量取值或事件发生的时空范围及其环境要素具有不确定性。环境因子的时空配置关系集中体现这种关系的复杂度。这使得寻找决定事件发生或某些地学变量取值的环境因子及其组合存在困难。针对渔场形成的环境机制发现,构建RS-STAMM模型,将时空离散化,以邻域方法提取空间环境变量,形成决策表,利用粗集约简方法,对环境因子及其时空配置关系进行筛选,进而寻找影响事件或变量取值的环境因子的时空配置结构。最后以发现渔场形成的环境机制为目标,将模型应用在渔业遥感研究中,以海洋鱼类聚集的温度场配置提取为实例,验证模型有效性。     

我国海岸带及近海卫星遥感应用信息系统构建和运行的基础研究

我国海岸带和近海的高度开发极大地促进了沿海经济的发展,也引发出一系列的资源和生态环境问题.研究和发展适用于我国海岸带及近海卫星遥感综合应用技术系统,旨在实现宏观、动态、同步监测区域资源开发和保护,以及为生态环境问题提供全新的技术支撑和协调解决整体技术方案,对此着重阐述了面向海岸带及近海卫星遥感应用技术系统的构建.本技术系统主要包括海岸带科学数据平台和信息提取模块、针对海洋过程的应用模块、我国海岸带及近海生态环境集成用户平台等,其目的是推进我国海洋遥感由研究阶段转向应用阶段,并为实现数字海洋提供技术基础.     

多源地理大数据支撑下的地理事件建模与分析

地理事件作为描述地理过程的基本单元,逐渐成为地理信息科学（GIS）核心研究内容。由于受人类活动数据获取限制,GIS对地理事件的建模和分析主要关注事件所引起的地理空间要素变化及要素之间的相互影响与作用机制。然而,近年来随着基于位置服务数据（LBS）爆炸式的增长和人类活动大数据定量刻画手段的快速发展,地理事件对人类活动的影响以及公众对地理事件的网络参与度都引起了多个领域的广泛关注,对地理事件的时空认知、建模方法和分析框架提出了巨大的挑战。对此,本文首先深入分析了大数据时代地理事件的概念与分类体系;其次,基于地理事件的时空语义给出了基于图模型的事件数据建模,建立了事件本体及其次生或级联事件的“节点—边”表达结构,开展了事件自身时空演化及其前“因”后“果”的形式化描述;第三,从时空数据分析与挖掘的角度,给出了大数据时代地理事件建模与分析的整体框架,拟突破传统“地理实体空间”事件探测与分析方法的局限性,融合“虚拟空间”事件发现与传播模拟思路,实现多源地理大数据支撑下的面向地理事件的人类活动多尺度时空响应与区域差异分析;最后,本文以城市暴雨事件为例诠释了本文所提出的地理事件建模与分析方法,从城市和城市内部两个尺度进行了暴雨事件与人类活动的一致性响应及区域差异分析,得到了明确的结论,验证了前文分析框架的可行性与实用性。     

Application of a sea surface temperature front composite algorithm in the Bohai,Yellow, and East China Seas

The oceanic front is a narrow zone in which water properties change abruptly within a short distance. The sea surface temperature (SST) front is an important type of oceanic front, which plays a signifi cant role in many fi elds including fi sheries, the military, and industry. Satellite-derived SST images have been used widely for front detection, although these data are susceptible to infl uence by many objective factors such as clouds, which can cause missing data and a reduction in front detection accuracy. However, front detection in a single SST image cannot fully refl ect its temporal variability and therefore, the long-term mean frequency of occurrence of SST fronts and their gradients are often used to analyze the variations of fronts over time. In this paper, an SST front composite algorithm is proposed that exploits the frontal average gradient and frequency more eff ectively. Through experiments based on MODIS Terra and Aqua data, we verifi ed that fronts could be distinguished better by using the proposed algorithm. Additionally through its use, we analyzed the monthly variations of fronts in the Bohai, Yellow, and East China Seas, based on Terra data from 2000 to 2013.