一种面向GML的多维压缩算法研究

本文通过对GML文档的深入分析,借鉴传统的XML和空间数据的压缩算法,提出了一种面向GML结构数据、空间数据和属性数据的一体化多维压缩算法。对结构维数据,采用改进的LZW压缩机制;对特征维数据,采用实体间与实体内的双重压缩,并考虑到空间特征数据的特点,采用分割压缩的算法。实验证明,此算法不仅压缩率高,而且简单实用。     

气候变化背景下人为热估算和效应研究

人为热是指由人类活动产生而释放到大气中的热量,这部分热量以感热和潜热的形式释放到城市冠层和城市边界层中,是城市生态系统的重要能量来源之一。在城市系统中,建筑物、交通运输和人类新陈代谢所释放的热量构成了总的人为热,具有明显的日变化和季节变化特征:清晨和傍晚出现一天中的两大峰值,而冬季和夏季分别是全年中最显著的两个季节。人为热的计算方法通常分为仪器观测法和能源消费清单法,其中能源消费清单法是目前普遍使用的方法。人为热主要通过改变大气的热力学能量方程和水汽方程中的热量和水汽量来影响区域和全球气候。在城市中,人为热是冬季和夜间城市热岛形成的主要原因,会影响大气边界层的稳定度和增加边界层高度。在全球范围内,人为热会对大气环流产生扰动,但对全球增温效应不显著。随着全球能源消费和人口的增加,人为热将成为气候变化的重要人为因子之一,因此如何观测和估算出一套高精度的人为热数据集极为重要。     

三江源区不同退化程度的高寒草甸光谱特征分析

 青海三江源区是长江、黄河、澜沧江3大河流的发源地。草地是该区域的主体生态系统,高寒草甸是其主要类型。近30年来,三江源地区草地发生了大面积的退化,不同退化程度的高寒草甸光谱特征是高寒草甸遥感分类和退化监测的重要依据。2009年8月作者在青海省三江源区对高山嵩草、矮嵩草和藏嵩草3种未退化高寒草甸,以及4种不同退化程度的高山嵩草草甸,进行了地面光谱测量和草地样方调查。同时对实测光谱曲线进行了比较,提取和分析了它们在557nm、675nm和760nm处反射率,以及"红边"斜率。结果表明,3种高寒草甸的光谱曲线,以及4种退化程度高寒草甸和未退化高寒草甸的光谱曲线在557nm处的反射率差异较小,在675nm和760nm处的反射率及"红边"斜率存在明显差异,能有效区分高寒草甸,可为高寒草甸遥感自动分类和退化监测提供依据。不同退化程度的高寒草甸地上生物量与其光谱曲线的"红边"斜率和归一化植被指数(NDVI)线性拟合的确定系数分别为0.93和0.87,其相关性较好,可用于高寒草甸地上生物量的估算。本文提取的光谱反射率的"红边"斜率不仅能有效区分3种典型高寒草甸和不同退化程度的高寒草甸,且与高寒草甸地上生物量的关系优于NDVI,对高寒草甸识别分类,退化监测和生物量估算有重要意义。