太阳黑子与全球地表温度变化周期性及相关性分析

本文采用SIDC提供的1750~2016年逐月和1700~2016年逐年的太阳黑子观测资料,利用小波分析研究太阳黑子数变化的周期性。结果表明,太阳黑子数变化存在11和116 a的显著周期以及22和55 a的局部显著周期。最小二乘拟合分析表明太阳黑子周期的振幅与小波功率谱呈正比关系,11 a振幅最大。同时在1700~2016年间,太阳黑子以每年0.08个单位的速度增长。此外,全球地表温度变化存在22和64a的显著周期。1880~2016年太阳黑子数与全球地表温度的小波相干性分析结果表明,太阳黑子数变化对全球地表温度变化的作用主要体现在22 a周期上;太阳黑子数变化超前全球地表温度变化约3.6 a。     

由GPS探测的电离层时空变化分析

为了研究局部区域电离层的周期性变化,建立精确的区域性电离层预报模型,根据全球TEC的空间分布规律,将全球划分为四大区域。采用小波分析方法对CODE提供的1999—2013年间的电离层网格数据进行了周期性分析。分析结果表明,电离层存在着26.5 d,0.5 a和1 a的显著周期。其中,26.5 d周期全球范围内显著;0.5 a周期在低纬地区显著;1 a周期在高纬地区显著。利用最小二乘谱分析对各周期振幅进行了分析,结果表明,26.5 d,0.5 a,11 a这3个周期的振幅呈现着由赤道向两极递减的趋势;1 a振幅在中高纬地区较为明显;0.5 a振幅在北半球较大,而1 a振幅在南半球较大。除此之外,各周期振幅在局部区域有异常现象。     

基于小波分析的太阳活动周期性研究

为了研究太阳活动的周期性变化规律,采用戈达宇宙航空中心提供的太阳黑子数、F10.7射电流量与太阳风速度数据分析了1700—2015年间太阳活动的变化。发现太阳活动存在4个显著性变化周期:27d、4年、11年和111年,另外还有0.5年、1年、55年的局部显著周期。对太阳黑子数与F10.7射电流量和太阳风速度进行交叉小波分析,结果显示这3个参数在0.062 5—0.125年的尺度上有显著共振性。     

TOPEX/Poseidon卫星监测博斯腾湖水位变化及其与NINO3 SST的相关性分析

利用TOPEX/Poseidon(T/P)卫星10年（1992~2002）监测博斯腾湖水位变化的GDR数据,经过数据的地球物理改正、编辑、约化和滤波后,分别采用小波分析和傅里叶分析得到了博斯腾湖水位变化的平均周期为1034d,363d,182d和47d。季节性变化是湖泊水位变化的主项,利用最小二乘法得到了周年振幅为0.7196m,半年振幅为0.5322m,因此季节性变化的主周期是周年,次周期是半年。博斯腾湖水位变化变化趋势为0.2012m/a,说明在全球气候变暖趋势下,博斯腾湖水位在升高。由博斯腾湖月水位变化的时间序列与NINO3 SST进行相关性分析,发现在NINO3 SST 发生6个月后,博斯腾湖月水位变化序列与NINO3 SST数据相关性最大(-0.2784),表明厄尔尼诺事件对我国西部气候影响的具有一定的滞后性。     

1990—2015年极移和日长周期性变化的小波分析

采用由国际地球自转及参考服务组织(IERS)提供的1990—2015年的EOP 08C04序列,分别利用小波变换和最小二乘法对极移(PM)和日长(LOD)的周期性变化进行了研究。小波分析结果表明,PM和LOD都存在明显的季节性和年际变化,但是,无法区分周年变化和钱德勒变化,可能是因为两者的频率太接近。在最小二乘意义上,对PM和LOD的趋势变化和周期变化进行了解算,结果发现LOD具有明显的半年和周年变化,同时探测了PM的半年和周年变化。1990—2015年间,LOD的趋势变化率为(-0.066 7±0.001 6)ms/a,PM在X和Y方向的趋势变化率分别为(2.898 0±0.131 0)mas/a和(0.957 0±0.152 0)mas/a,说明北极点相对地壳向18.3°E的方向移动。此外,对PM的X分量、PM的Y分量以及LOD两两之间进行了交叉小波变换,对三者之间的相关性进行了分析。     

大港验潮站潮汐分析与国家高程基准面变化

利用1980—2011年小时潮位数据和1952—2007年月平均潮位数据,对大港验潮站处海洋潮汐以及国家高程基准面近60年的变化进行了分析和研究。首先利用傅里叶变换对两组数据进行频谱分析,获得了影响海水面变化的180个较短周期分潮以及6个长周期分潮;然后对小时潮汐数据进行最小二乘调和分析,获得影响海水面变化的主要分潮的振幅及其变化,发现Q1、O1、M2、K1、K2的振幅具有非常明显的约19年的周期变化;并利用调和分析和18.61年移动平均对国家高程基准面的变化进行了估算,分别获得基准面1952—1980年的下降速率为1.07mm/a和0.76mm/a,1980—2011年的上升速率为1.59mm/a和1.62mm/a;最后,通过18.61年移动平均对1985高程基准进行了检核,发现两者相差0.14cm。     

卫星测高推求的中国近海与全球海平面变化的趋势及小波相关分析

基于多种卫星测高资料融合海面高数据对黄海、东海、南海和全球海平面异常在1993年至2005年期间的变化趋势进行分析,结果表明:黄海、东海、南海线性趋势分别为5.05mm/a,4.8mm/a,4.27mm/a,均大于全球平均趋势项2.66mm/a,各海域的周期振幅和相位变化也存在较大差异。近海各海域与全球的海平面异常的小波交叉谱和相关谱分析表明,近海各海域与全球海平面异常变化在年际周期上具有较高的谱能,但相位差异较大,短周期相关性不明显。     

基于BP神经网络的太阳黑子年均值预测

以1700年至2008年间太阳黑子数年均值为研究对象,在数字信号处理及神经网络的基础上,分析归一化自相关函数以及离散傅里叶变换(DFT)后的图像特征,得到可靠的太阳黑子活动周期,以此周期为依据设置参数建立BP(back propagation)神经网络,将已有的随机时间样本进行分组训练和验证预测,拟合神经网络输出预测值与实际值并计算其拟合优度,验证了将BP神经网络应用在太阳黑子活动方面有较高的科学性和可行性。     

基于功率谱和小波谱在GNSS时间序列信号探测分析中的应用

GNSS坐标在观测过程中受多方面因素影响,产生各种误差,存在一些波动变化,根据波动变化特征可以分析探测存在的信号。本文主要利用功率谱、小波谱和小波熵对GNSS原始、去趋势项、差分处理3种情况下时间序列进行分析,通过对比显示,小波谱和小波熵对于非平稳信号探测比功率谱分析能力强,GNSS时间序列存在一个趋势项和一个年周期信号。     

日长季节振荡的振幅变化与南方涛动现象

本文提出了小波振幅谱的定义,给出了其在频域的表达式及频域周期与Fourier周期之间的线性关系。通过与谐波分析比较,证明了小波振幅谱应用的有效性。应用小波振幅谱研究了日长季节振幅变化与南方涛动之间的关系,结果表明日长周年振荡的振幅变化与南方涛动的年际变化呈明显负相关,而日长半年振荡的振幅变化与其呈更强的正相关。     

Big data analytics: six techniques

Abstract

Big data have 4V characteristics of volume, variety, velocity, and veracity, which authentically calls for big data analytics. However, what are the dominant characteristics of big data analysis? Here, the analytics is related to the entire methodology rather than the individual specific analysis. In this paper, six techniques concerning big data analytics are proposed, which include: (1) Ensemble analysis related to a large volume of data, (2) Association analysis related to unknown data sampling, (3) High-dimensional analysis related to a variety of data, (4) Deep analysis related to the veracity of data, (5) Precision analysis related to the veracity of data, and (6) Divide-and-conquer analysis related to the velocity of data. The essential of big data analytics is the structural analysis of big data in an optimal criterion of physics, computation, and human cognition. Fundamentally, two theoretical challenges, ie the violation of independent and identical distribution, and the extension of general set-theory, are posed. In particular, we have illustrated three kinds of association in geographical big data, ie geometrical associations in space and time, spatiotemporal correlations in statistics, and space-time relations in semantics. Furthermore, we have illustrated three kinds of spatiotemporal data analysis, ie measurement (observation) adjustment of geometrical quantities, human spatial behavior analysis with trajectories, data assimilation of physical models and various observations, from which spatiotemporal big data analysis may be largely derived.     

《测绘科学》2000-2004年引文分析

依据《测绘科学》2000-2004年发表的论文进行引文统计。论文从引文数量、类型、语种、年代分布、普赖斯指数及自引等7个方面予以分析,并对该刊的学术影响力和办刊风格进行了评价。期刊的引文具有很高的情报评价价值,这种价值通过引文分析得到了全面的体现。有学者[5]曾研究出这样的结论,无论采用哪种方法来评价期刊,其结果与引文分析的结果具有很强的相关性。     

A spatially weighted degree model for network vulnerability analysis

Using degree distribution to assess network vulnerability represents a promising direction of network analysis.However,the traditional degree distribution model is inadequate for analyzing the vulnerability of spatial networks because it does not take into consideration the geographical aspects of spatial networks.This paper proposes a spatially weighted degree model in which both the functional class and the length of network links are considered to be important factors for determining the node degrees of spatial networks.A weight coefficient is used in this new model to account for the contribution of each factor to the node degree.The proposed model is compared with the traditional degree model and an accessibility-based vulnerability model in the vulnerabil-ity analysis of a highway network.Experiment results indicate that,although node degrees of spatial networks derived from the tra-ditional degree model follow a random distribution,node degrees determined by the spatially weighted model exhibit a scale-free distribution,which is a common characteristic of robust networks.Compared to the accessibility-based model,the proposed model has similar performance in identifying critical nodes but with higher computational efficiency and better ability to reveal the overall vulnerability of a spatial network.     

ArcGIS矢量数据空间分析在市区择房中的应用

介绍了ArcGIS矢量数据空间分析中的缓冲区分析与叠置分析功能,结合这两类空间分析功能对市区择房购房过程中遇到的实际情况,进行择房分析,对购房范围内各区域作出分级,筛选出满足消费者意愿的合适购房区域。     

城市POI的空间数据分析与可视化表达

随着科技的迅速发展,地理空间数据已经成为人们日常生活中的一部分,城市POI数据则是涵盖城市公共基础设施属性信息与位置信息的大型地理空间数据。针对现阶段对城市POI数据利用程度不充分的问题,本文运用密度分析、热点分析以及服务范围分析等方法研究大连金普新区城市POI数据的空间分布特征。结果表明:大连金普新区城市POI数据呈现"二区八带多点"的分布格局,金石滩街道、中长街道、先进街道以及大李家街道医疗、教育、娱乐设施较为完善,且远离工厂,比较宜居。本研究可为市民生活、工作、学习、娱乐提供参考,也可为城市发展、管理维护提供服务。     

空间分析WEB服务在电子政务中的应用

电子政务是世界各国为应对全球信息化的挑战而积极倡导的五大应用领域之一.在电子政务的建设中,地理信息系统(GIS)因为其强大的空间信息表达、处理功能以及日臻成熟的技术被认为是电子政务信息服务的最理想的基础平台;在政务信息服务中,空间辅助决策分析是不可缺少的内容,空间信息为决策服务是应用的必然要求.本文结合当前我国电子政务建设实际情况,在整合GIS相关技术的基础上,探讨了空间分析为空间辅助决策提供决策分析服务的实现方法和一些具体实际应用.     

基于小波消噪的时序分析改进法在GPS变形监测中的应用

考虑到小波技术在粗差探测、消噪方面有特殊的作用,本文结合实际算例,把小波分析与传统数据处理技术结合作为研究对象,提出一种基于小波消噪的时序分析改进法。并对这种处理方法在GPS监测中的应用作了充分地论证。结果表明,经过小波处理后,时序分析法在预报方面有明显的进步,小波处理后的时序分析法比小波处理前的精度高,从而说明了这种改进方法的可行性。     

空间分析在油料信息管理系统中的应用

本文主要介绍空间分析在油料信息管理系统中的应用.介绍了油料信息管理系统中基础底图数据、道路拓扑数据和油料专题数据的组织方式,奠定了空间分析的基础.油料信息管理系统中的空间分析功能主要有基本的地图量算、油料资源查询和最短路优化分析.结合油料输送的实际,引入邻近点动态加入法对Dijkstra最短路算法进行了改进,并能实现运...     

设施POI分布热点分析的网络核密度估计方法

设施POI(point of interest)在城市地理空间中往往聚集分布,呈现热点特征。对该类POI分布热点的分析大多采用基于欧氏距离的空间密度估计,忽略了城市空间通达、连接是沿着街道路径的事实,从而很难准确、客观地反映城市功能的热点布局。本研究针对该缺陷,利用基于网络路径距离的核密度计算方法确定热点的区域密度,并提出了一种简单、高效的网络分析算法。该算法扩展二维栅格膨胀操作,以一维形态算子的连续扩展计算POI在网络单元上的密度值,通过评价试验表明,该算法比现有算法具有更好的性能和可扩展性。通过实际POI数据分析发现,考虑街道网络约束的热点范围可凸显设施功能沿交通网络布局的空间特征,为区域规划、导航以及地理信息查询等应用提供有价值的空间知识与信息服务。     

遥感信息不确定性研究

近年来遥感技术及遥感信息产业化发展迅猛 ,但遥感信息的不确定性制约着遥感信息的产品化和实用化的进一步发展。虽然 ,这一问题得到了国内外众多学者的关注 ,并提出和采用相关理论和方法进行分析 ,取得了相当的进展 ,但这些方法在分析遥感信息不确定性时忽略了一个重要的研究点 :遥感信息的不确定性传递机理。本文主要目标就是建立一套遥感信息不确定性的处理方法