面向道路积水动态可视化的多源数据集成方法

随着城市化进程的不断加快及暴雨等极端天气的时有发生,道路积水问题愈发严重,影响了市民的出行和城市正常运行,因此有必要对道路积水信息进行动态可视化,而数据的集成与管理是从多源数据到道路积水信息的关键一环。为了更加直接有效地表达道路积水信息,提出了面向城市内涝动态预警可视化的多源时空数据集成与管理方法,构建了道路积水时空数据模型,探讨了积水数据与道路数据的匹配方法,并设计了面向道路积水动态预警的原型系统,实现了道路积水深度的提取与发布。以南京市主城区某区域对该方法进行了实验案例分析,实验结果表明,提出的数据集成与管理方法在进行道路积水可视化时具有一定的可行性。     

基于5G的气象数据备份传输及监控告警系统的设计与实现

气象观测数据通常情况下通过内网有线宽带进行上传，但因设备故障、人为、自然等因素造成有线线路不通时，需要一种应急通信替代内网通信。此外，由于气象观测台站缺少断网、断电、软件卡死等故障告警机制，造成故障处理周期长，影响观测数据传输质量。本文针对气象观测台站存在的风险设计开发了基于5G的气象数据备份传输及监控报警系统，具备网络通信监测、数据自动传输、软件状态监控、各种信息提示、故障报警等功能，能在一定程度上提高气象观测台站数据传输的可靠性，减少业务人员故障解除过程耗时，从而提高气象信息传输质量，适应地面测报业务自动化的发展方向。     

变差函数权值估算的移动最小二乘匹配点云粗差剔除

现有密集匹配点云数据已实现了地表3维信息的精细化表达,然而由于误匹配,此类点云往往包含一定数量粗差点并影响后续应用的处理效果。针对此类数据中误匹配所产生粗差点的剔除问题,将变差甬数引入移动最小二乘(MLS)粗差剔除算法。变差函数对MLS拟合区域内点对间的相关性进行估算,以此为依据设置权值对最小二乘的结果进行优化;然后利用MLS局部、分区域地对点云进行曲面拟合;最终根据拟合结果剔除粗差。利用A3数字测图系统生成的城区、山区密集点云数据进行实验,并将处理结果、等权MLS处理结果与人工剔除结果进行对比。实验结果表明该算法可有效对点云中的粗差进行剔除,相较于等权MLS粗差剔除算法,陔算法在城区、山区的误判率分别降低了5.16%和1.31%。     

测绘技术在物联网时代的应用

随着物联网应用的推进,现代测绘技术将面临着新的机遇与挑战。论文分析现代测绘技术在物联网时代的具体应用,提出需要加强空间信息基础设施建设,为构建"智慧城市"提供基础地理信息。物联网技术侧重在物物之间的传感与自动信息采集,让物质世界的神经系统更加健全而灵敏,GIS技术将使物质世界的感知能有空间感、方位感、位置感,使物质世界的感觉更具时空分辨能力,生活变得更智慧,从而使物联网的海量信息能够按照空间关系的法则进行共享和应用。     

南京城市降雨淹没模拟及径流分析

针对强降雨引起的城市积涝以及相应次生灾害等问题,提出了一种基于暴雨洪水管理模型、GIS技术以及DEM数据、排水管网数据、降雨数据等数据的建立南京市暴雨积涝模型的方法,并利用该模型模拟了径流及淹没效果。结果显示:该模型是利用经验值率定方法对模型参数进行率定,率定结果较为符合实际情况,因此该模型能较好地模拟南京市的降雨积涝情况。通过对不同类型的降雨数据进行模拟分析,得出径流量的大小与降雨量强烈正相关,相关系数达0.9以上。径流的产生量还与降雨历时和平均降雨强度等其他因素有关。虽然南京主要降雨为峰值小、平均强度低的小雨,但是当降雨量超过设计排涝能力时,在地势低洼的地区容易出现积涝。     

VPN技术在测绘数据安全传输方面的应用

本文通过对虚拟专用网技术的介绍,描述了虚拟专用网的结构和安全机制,综合分析了VPN技术相较于其它技术手段应用于测绘数据安全传输方面的优势。合理利用现有网络资源,通过组建VPN网络实现测绘数据的加密传输,不但能够提高测绘部门网络的使用效率,还可以拓宽测绘数据共建共享的途径。     

高分辨红外辐射探测器地表温度数据在江苏地区1980—2009年间适用性评估

地表温度在物理和生物过程中起着关键作用,也是评价地表热环境的重要指标。因此,了解地表温度时空变化对城市热岛监测及生态质量的评价具有重要意义。高分辨红外辐射探测器地表温度(HIRS LST)是目前时间尺度最长的全球逐小时地温数据集。为了解江苏省地表温度的时空分布情况并研究HIRS LST数据在江苏的适用性,论文选择江苏省1980—2009年49个站点的实测地表温度数据,利用相关系数、偏差、非偏性均方根误差等方法,对HIRS产品从多角度进行了验证。结果表明,HIRS地表温度与站点地表温度数据有较好的一致性。两者相关系数在整个区域都高于0.98,2种数据的距平相关系数在0.65~0.80之间。两者偏差和非偏性均方根误差表明,HIRS的数据在江苏北部和南部部分地区低估了地表温度,主要原因是其对高于32 ℃的地温事件发生次数存在较大程度的低估。然而,HIRS LST在很大程度上高估了在20~30 ℃之间的较高温日数。在年际变化方面,HIRS LST与观测数据在春季的相关性最高,冬季最低。趋势检验表明,2种数据在春、秋、冬3个季节均呈现出明显的增长趋势,增温趋势呈现出相似的空间变化。但是,该地区夏季的地表温度长期趋势被明显高估,HIRS数据并未反映出该地区北部大面积的降温趋势,而在其他季节的地表温度被低估。