面向应急观测规划的对地观测传感器集成管理方法与应用

随着对地观测技术的发展,地学传感器种类与数量日益增加,为了高效管理对地观测传感网中的传感器资源,以及分析对地观测应急事件的特点和传感器应急观测规划的需求,本文提出面向应急观测规划的对地观测传感器资源集成管理方法。其包括对地观测传感器信息资源组织与索引、天基传感器对地观测覆盖计算、面向应急协同观测的元数据查询设计。鉴此,本文以Java平台和传感网信息模型规范SensorML为基础,设计并实现了面向应急观测规划的对地观测传感器集成管理工具GeoSensorQuery。最后,以长江流域中游洪涝监测传感器规划为例,验证了本文方法的可行性。     

传感器建模语言(SensorML)在南极中山气象站的应用

SensorML是由OGC所制定的基于XML编码的传感器建模标准,该语言对于实现异构传感器数据网上共享和互操作具有很重要的作用.首先介绍SensorML的背景以及传感器模型概念,对其基础模型展开解析,最后,基于SensorML对南极中山站气象站模型建模,系统地描述了SensorML建模过程.     

基于多种干旱指数的长江中下游五省干旱监测与对比

利用多源遥感数据和稻谷产量资料,采用降水条件指数(PCI)、植被状态指数(VCI)、土壤湿度条件指数(SMCI)、温度条件指数(TCI)以及优化植被干旱指数(OVDI)5种干旱指数,对2012、2013年长江中下游五省的干旱状况进行监测。在此基础上,以标准化降水指数(SPI)和作物减产率为参考指标,对上述5种干旱指数在该区域的适用性进行比较分析。结果表明:PCI、SMCI更适用于长江中下游五省的干旱监测,而TCI、VCI不适合单独用于该地区的干旱监测。在2012、2013年,长江中下游五省发生了不同程度的干旱,其中2013年的干旱更严重(波及范围更广、发生频次更高)。2012年的干旱主要集中在1—2月和6—8月两个时段,旱区集中在北部地区,大致呈东北—西南向的条带状分布;而2013年的干旱主要集中在1—2月和6—10月两个时段,旱区覆盖了整个研究区域,且各省旱情不同步。