基于Mongo DB的众包数据索引方法探讨

服务于小城镇智慧规划管理的众包数据具有数据类型多样、数据量巨大的特点,必须建立合适的索引,才能满足快速检索和查询的需要。以面向文档型数据存储的开源数据库Mongo DB为基础,对基于Mongo DB的众包数据索引方法进行探索,分析了利用地理空间索引B+树、Geo Hash和多层次索引等进行众包数据索引的方法。     

城市交通热点区域的空间交互网络分析

城市热点区域是人们频繁活动的体现,利用人们的出行可构建空间交互网络。目前的相关研究主要集中于对热点提取方法及其动态变化的研究,对交通热点的交互作用及其构成的空间交互网络的研究还很少。本文以武汉市的出租车轨迹为数据源,利用基于时空数据场的聚类方法提取城市交通热点区域;基于复杂网络理论与方法,分析城市交通热点区域之间的空间交互作用。通过研究发现：①节假日,热点区域之间的往返交互较多;工作日,热点区域之间的交互较少;②节假日,影响力较大的节点为车站、机场等;工作日,影响力较大的节点是社区和工作地;③社团探测发现,工作日跨越长江的交互较多,非工作日跨越长江的交互较少。上述研究结论可为交通管理部门针对节假日和工作日分别制定不同的交通管理政策和方法提供参考。     

多源高分辨率卫星影像监测黑臭水体的适用性研究

高分辨率卫星的幅宽一般很小,受云雨和轨道回访周期影响,单颗卫星的短时段内覆盖能力有限,因此,单一高分辨率卫星常常无法满足一定时段内的黑臭水体监测需求,需要多源卫星协同监测黑臭水体。为了分析多源高分辨率影像对黑臭水体遥感监测的适用性,本文基于地物光谱仪实测的水体遥感反射率数据,以GeoEye-1、WorldView-2、北京二号(DMC3)、高景一号SV1(SuperView-1)以及GF-PMS系列(GF-1/1B/1C/1D、GF-2、GF-6)传感器波段进行等效计算,结果表明:(1)采用反射率比值模型——BOI(Black and Odorous water Index)模型,GeoEye-1、WorldView-2、SuperView-1和GF-1/1B/1C/1D/2/6影像识别黑臭水体正确率均较高,分别为89.5%、89.5%、92.1%和92.1%。(2)BOI模型不适用于DMC3,这里采用了归一化水体指数NDWI≤0.55判别黑臭水体,识别正确率为89.5%。(3)BOI模型应用于仅有的2景同步卫星影像——GF-2影像,经实测数据验证,识别精度为83.3%,精度较高。针对通州区内的某重叠区,2016年—2021年10颗多源卫星影像协同观测的结果一致性较好,表明了多源遥感影像监测黑臭水体的适用性较好。综合考虑卫星影像空间分辨率和采购成本,给出了合理的协同观测建议。