时空数据插值的杨赤中滤波法

时空数据插值是时空数据分析的一项基础性任务,其核心问题在于建模时空自相关结构。当时空数据非平稳、分布稀疏时,现有方法难以准确建模时空自相关结构,直接影响了插值的精度与可靠性。本文基于空间域复合变量理论,采用几何学与统计学相结合的策略对时空自相关结构进行建模,提出了一种基于杨赤中滤波的时空数据插值方法。该方法首先耦合杨赤中滤波与时空积和模型,建立定量描述时空自相关结构的时空基本变化函数;然后,基于时空基本变化函数,构建满足最优线性无偏估计准则的时空数据插值模型。采用模拟数据、2000—2009年我国大陆区域年平均气温与2014年5月—2015年4月北京市日均PM_2.5浓度时空数据集进行试验验证,结果表明：本文方法的时空插值精度明显优于当前的3种代表性时空插值方法,且不需要时空平稳性假设,可以更好地适应分布稀疏的时空数据集。     

中国省域离婚率的时空格局及趋同演变研究

针对现有离婚率研究时间、空间割裂,整体性探讨不足及实证研究缺乏的问题,该文运用空间自相关、空间马尔可夫链等空间统计方法对中国大陆各省域1979—2012年离婚率数据的时空分布及趋同演变进行了研究,结果发现:除东北、西北地区离婚率一直居高不下之外,中国大陆高离婚率地区逐步向中部延伸并聚集,离婚率存在着较强的空间自相关且空间聚集现象明显;省域离婚率的"两极分化"现象和"俱乐部趋同"现象均经历了由弱到强再减弱的波动变化趋势。     

利用时空神经网络模型的长江经济带气温反演

传统基于遥感的气温反演方法往往使用全局模型,从而忽略了气温分布及其时空影响异质性,特别是在较大区域尺度的研究中存在不足。针对长江经济带区域,引入时空地理加权神经网络模型,建立一种高精度的气温估计方法。通过在广义回归网络模型中建立局部模型来顾及时空异质性的影响,融合遥感数据、同化数据、站点数据,获取面域分布的近地表气温信息。采用基于站点的十折交叉验证方法对模型性能进行评估,结果表明,时空地理加权神经网络有效提高了气温估计的精度（均方根误差为1.899℃,平均绝对误差（mean absolute error,MAE）为1.310℃,相关系数为0.976）,与多元线性回归和传统的全局神经网络方法相比,MAE值分别降低了1.112℃和0.378℃。气温空间分布制图结果显示,该方法结果能很好地反映长江经济带气温空间上的差异和不同季节的特征信息,具有实际应用价值。     

可量测视频目标动态轨迹生成及GIS应用

动态目标三维重建是进一步实现目标地理信息时空分析、目标统计、目标查询、异常报警及各种空间数据挖掘应用的重要基础。利用计算机视觉技术将摄像头中目标框的二维像坐标信息实时动态还原成三维物方目标信息,采用基于物方特征域的模式分类方法,通过目标物方尺寸、目标出现的物方位置进行更准确的目标筛查,提高了目标跟踪的准确性,降低了虚警;通过地平面约束实现单目目标立体定位,增加了立体定位的场景覆盖范围;进而把以帧为单位的视频数据解析成为以目标轨迹为单位的空间三维地理对象信息,并将生成的时空轨迹图层集成到地理信息系统,实现了基于地理信息空间分布的视频时空数据管理。     

时空一体化框架下时空异常探测

：提出一种时空一体化的时空异常探测方法,首先基于时空统计学与聚类分析构建一体化时空邻近域。进而, 发展兼顾时空相关与异质性的时空异常度量方法。最后,采用一种3步骤的策略探测时空异常。应用本文方法探测中国 陆地区域33年(1970年—2002年)的年平均气温时空数据中的时空异常,探测结果具有较好的可靠性,反映时空数据的时 空一体化特征。同时,对时空异常的产生机理与实际意义进行分析和解释。     

异质时空数据插值方法研究

正插值建模旨在利用已有采样数据对空间/时空缺失数据或未采样数据进行估计,生成高精度空间曲面或时空网格,精确表达时空过程的空间/时空分布模式。然而,现有插值方法没有充分考虑时空数据的异质性和多元协变量的影响,导致插值精度很难满足要求。鉴于此,本论文以异质时空数据为主要研究对象,深入研究了顾及多元协变量影响的高精度空间/时空插值方法,具体包括:     

基于地统计学的GPS高程异常拟合研究

地统计学(Geostatistical Analysis)是一门以区域变化量理论为基础,以变异函数为主要工具,研究分布于空间上既有随机性又有结构性的自然或社会现象的科学,它遵从空间位置相近的地理现象具有相似属性值。GPS点的高程异常在区域内随点平面位置的变化而变化,具有一定的空间相关性。因此,可以将地统计中的相关插值方法应用到GPS高程异常拟合中。通过对地统计原理的分析,结合实例比较了ArcGIS中地统计分析中的相关插值方法在GPS高程异常拟合中的精度情况。     

基于GRACE数据的陆地水储量空间插值方法研究——以科尔沁沙地为例

在地统计学函数模型和地理信息系统技术的支持下,本文利用多种插值方法对GRACE重力卫星解算出的水储量数据进行空间插值方法精度研究,并探讨了科尔沁沙地的水储量空间分布特征。结果表明:1)总体上看,地统计学插值方法优于确定性插值法的反距离权重插值、径向基插值、全局多项式插值和局部多项式插值;2)在地统计学方法中,仅引入高程数据插值,精度并没有提高,综合考虑高程和降水量的协同克里格插值方法的误差最小,插值精度最好。利用协同克里格插值法插值得到科尔沁沙地的水储量空间分布图,由图可知,科尔沁沙地的水储量呈现由南向北增加的空间分布特征。     

对时空数据管理中时间精度问题的讨论

针对时空数据管理中时间精确性的问题,本文首先从几个方面对时间精度进行了深入分析.并在此基础上,提出时间精度模型和时空精度模型的概念.结合全省警务地理信息系统综合平台的例子,进一步分析、探讨了如何运用以上思想在实际应用中更好地提高空间实体的精度,为时空数据更合理的组织、管理提供了新的思路.     

基于Python的GPS高程异常拟合研究

考虑GPS高程异常具有一定的空间相关性,可将ArcGIS地统计中的确定性插值方法应用到GPS高程异常拟合中。结合Python脚本实现基于加权总体最小二乘的GPS高程异常拟合算法。结果表明,该算法的点位拟合精度和检核精度均优于ArcGIS地统计确定性插值。     

面向对象的时空数据模型

从存储管理和时空语义表现角度给出了时空数据模型的基本设计思想。同时，从时空对象类型及其数据结构、时空操作方面定义了一个面向对象时空数据模型的逻辑结构。     

土地利用动态监测中的时空数据模型研究

针对传统GIS数据模型存在的问题,开展了基于特征的时空数据模型研究.结合我国土地利用动态监测,提出了一个新的时空数据模型-基于变化特征状态的时空数据模型(SCFSTDM),该模型保持了地理现象的完整性,地理信息的完备性以及时空专题信息的有机集成,模型有利于面向目标定向分析方法的应用和时空分析与推理的实现,有利于地理数据的共享,设计和开发了基于SCFSTDM的时态土地利用信息系统,实现了基于特征实例的时空复合查询,时空推理以及动态播放等功能.     

顾及时态地块的土地划拨时空数据组织

以土地划拨为例，分析了地块分割、合并、复杂划拨和属性变化的特点，在此基础上构造了一个顾及时态对象的时空模型。该模型用非第一范式和两层时间标记组织地块的时空数据，并借助于活动地块表、不活动地块表和后向指针索引表建立了每个时态地块与其时态邻域地块之间的链接关系。     

顾及地块时空特点的地籍数据组织及查询

通过分析地块变更的时空变化过程，总结出具有父子关系的时态地块的空间相交性和时间相接性特点，归纳出查询这种关系的约束条件。利用扩展时空复合模型和元组时区标记，借助于变更地块的约束条件，设计出查询变更地块的时态链算法。     

集成GIS和细胞自动机模型进行地理时空过程模拟与预测的新方法

目前商用地理信息系统（GIS）不能完整地表达地理实体的时态信息和时空关系，缺乏时空分析和时空动态模拟的能力，这已成为GIS界的一个共识，然而，未来GIS在各应用领域的深入发展以及在实现“数字地球”战略过程中，都要求发展新的时空分析和模拟方法，细胞自动机（Cellular Automaton)是一种“自下而上”的动态模拟建模框架，具有模拟地理复要系统时空演化过程的能力，首先将标准CA模型的4元组进行扩展以满足GIS环境下时空动态模型的要求，然后以城市土地利用演化这一动态过程为例，建立了土地利用演化动态模拟与预测模型（LESP），最后运用此模型对包头市城市扩展和土地可持续利用演化进行了比较成功的模拟和预测。     

Integrated Spatio‐temporal Data Mining for Forest Fire Prediction

Forests play a critical role in sustaining the human environment. Most forest fires not only destroy the natural environment and ecological balance, but also seriously threaten the security of life and property. The early discovery and forecasting of forest fires are both urgent and necessary for forest fire control. This article explores the possible applications of Spatio‐temporal Data Mining for forest fire prevention. The research pays special attention to the spatio‐temporal forecasting of forest fire areas based upon historic observations. An integrated spatio‐temporal forecasting framework – ISTFF – is proposed: it uses a dynamic recurrent neural network for spatial forecasting. The principle and algorithm of ISTFF are presented, and are then illustrated by a case study of forest fire area prediction in Canada. Comparative analysis of ISTFF with other methods shows its high accuracy in short‐term prediction. The effect of spatial correlations on the prediction accuracy of spatial forecasting is also explored.     

时空拓扑关系定义及时态拓扑关系描述

目的，国际上对于作为时空数据模型概念和形式化基础的时空拓扑关系定义和描述还没有一个明确的阐述。本文在分析ＧＩＳ的时空特性后，给出了一个语义层时空拓扑关系定义。同时，提出并证明了完备、唯一的描述时态拓扑关系的４Ｉ框架，列出了时态拓扑关系描述的谓词集，区别了时态拓扑关系和时间方向关系的内涵和谓词描述形式。     

An Experimental Performance Evaluation of Spatio-Temporal Join Strategies

Many applications capture, or make use of, spatial data that changes over time. This requirement for effective and efficient spatio‐temporal data management has given rise to a range of research activities relating to spatio‐temporal data management. Such work has sought to understand, for example, the requirements of different categories of application, and the modelling facilities that are most effective for these applications. However, at present, there are few systems with fully integrated support for spatio‐temporal data, and thus developers must often construct custom solutions for their applications. Developers of both bespoke solutions and of generic spatio‐temporal platforms will often need to support the fusion of large spatio‐temporal data sets. Supporting such requests in a database setting involves the use of join operations with both spatial and temporal conditions – spatio‐temporal joins. However, there has been little work to date on spatio‐temporal join algorithms or their evaluation. This paper presents an evaluation of several approaches to the implementation of spatio‐temporal joins that build upon widely available indexing techniques. The evaluation explores how several algorithms perform for databases with different spatial and temporal characteristics, with a view to helping developers of generic infrastructures or custom solutions in the selection and development of appropriate spatio‐temporal join strategies.     

数字地球与“地相学”

本文通过对数字地球的诠释,结合与地相学的本质联系,论述了二者的形成与发展的关联程度,提出了数字地球是地相学的“量化”;地相学是数字地球的理论支撑与生存、发展的土壤,也是数字地球的学科定位“解”。进而,阐明数字时空的实现是数字地球更宽泛的归宿。     

Detection of clusters in traffic networks based on spatio‐temporal flow modeling

Spatio‐temporal clustering is a highly active research topic and a challenging issue in spatio‐temporal data mining. Many spatio‐temporal clustering methods have been designed for geo‐referenced time series. Under some special circumstances, such as monitoring traffic flow on roads, existing methods cannot handle the temporally dynamic and spatially heterogeneous correlations among road segments when detecting clusters. Therefore, this article develops a spatio‐temporal flow‐based approach to detect clusters in traffic networks. First, a spatio‐temporal flow process is modeled by combining network topology relations with real‐time traffic status. On this basis, spatio‐temporal neighborhoods are captured by considering traffic time‐series similarity in spatio‐temporal flows. Spatio‐temporal clusters are further formed by successive connection of spatio‐temporal neighbors. Experiments on traffic time series of central London's road network on both weekdays and weekends are performed to demonstrate the effectiveness and practicality of the proposed method.