GIS的应用与发展的探讨

从网络GIS应用、移动GIS应用、虚拟GIS应用、GIS与RS集成的应用、GIS与GPS集成的应用等5个方面论述了当前GIS的应用,并对当前GIS软件的发展方向提出了一些看法     

重大自然灾害应急监测与评估应用示范系统的设计与实现

根据重大自然灾害应急监测与评估流程及应用示范功能需求,结合组件式GIS集成开发技术,基于JAVA和Microsoft.NET开发环境,GDAL开源框架,以Geobeans地图服务为基础,整合了Arc Engine平台,采用Postgres数据库设计并开发了重大自然灾害应急监测与评估应用示范系统。该系统实现了数据库分系统,数据处理与交换共享服务平台和计算机业务支撑平台,以及遥感减灾应用产品服务能力示范分系统、遥感灾害监测应用示范分系统、风险评估预警应用示范分系统、遥感灾情评估应用示范分系统、灾害应急保障应用示范分系统、天地一体化信息采集应用示范分系统等6个示范分系统的建设,并且完成了中央到示范省的部署和应用示范。实现了最大限度的信息和软、硬件资源共享,有效降低了卫星数据应用的门槛,提高了以环境减灾卫星为代表的国产卫星数据在减灾、交通等行业领域中的应用水平和利用率。     

浅谈广州市三调与成果应用

第三次全国国土调查(三调)作为国情国力调查,成果数据量大、内容丰富、覆盖面广、现势性强,应用潜力和应用需求巨大.遵循"边调查、边应用"的原则,广州市三调成果已得到了不同程度的应用,有效发挥了基础支撑作用.简要介绍了广州市三调的流程与特点,详细介绍了广州市三调成果的管理方式以及在国土空间规划编制、耕地保护、土地监管等方面的应用情况,并就进一步拓宽三调成果应用的深度与广度、促进成果的共享应用提出了相关建议.     

空间数据管理与服务共享应用系统建设研究

分析了空间数据管理与服务共享应用的需求,研究了相关关键技术,提出了一种利用ArcGIS Server实现空间数据管理与服务共享应用的解决方案;并采用.NET、Web Service、ArcGIS Server二次开发、ExtJS等技术,开发了广州市增城区空间数据管理与服务共享应用系统,满足了多部门、多终端、多系统、多用户的应用需求,可为相关部门构建空间数据管理与服务共享应用系统提供参考。     

中国民用航天遥感应用需求与时效性分析

本文论述了遥感应用需求分析的意义及特点、设计原则及内涵。根据卫星应用发展趋势, 探讨了中国民用卫星遥感应用需求时效性及转变特点。同时, 针对行业遥感应用需求, 总结了相关可遥感的应用参量,进而提出了行业遥感应用对遥感信息定量化所需的的技术指标。     

天宫一号高光谱成像仪遥感应用

本文重点介绍了天宫一号高光谱成像仪设计、特性、在轨运控支持、地面数据处理技术及应用研究等方面内容,其中高光谱数据的辐射纠正及系统几何校正的精度满足各应用需要,数据产品质量在遥感各个应用领域获得验证.大量用户利用天宫一号高光谱数据在国土资源、海洋、林业、城市环境监测、水文生态监测等方面开展了较好的应用研究工作,取得了一批有价值的应用成果.中国科学院空间应用工程与技术中心作为载人航天空间应用系统的总体单位,负责天宫一号高光谱成像仪的总体研制管理、集成测试验证、在轨运行支持及应用研究的组织推广,为更好地发挥应用效益做出了积极的贡献.     

空间辅助决策支持系统的应用模型及管理研究

应用建模是空间辅助决策支持系统有效管理和使用模型的基础。本文抽象了空间辅助决策应用模型的组成结构和建立过程,分析了空间辅助决策应用模型的特点;接着分基础空间模型库、基础非空间模型库、应用模型库、模型管理库四部分探讨了空间决策支持系统中应用模型的管理,最后给出了相应的建设性结果。     

统计分析模型管理工具实现及其在空间辅助决策系统中的应用

本文分析了统计分析模型在空间辅助决策系统应用中存在的问题,以统计学知识为基础,借鉴软件发展的新技术,提出了统计分析模型管理工具实现策略,着重论述了如何实现统计分析模型管理工具、模型的存储方法以及应用接口,并给出了该工具的应用实例。该工具能够动态管理各种统计分析模型、管理统计数据以及统计分析结果显示表达等功能,在应用方面提供了工具型与服务型的两类应用接口,可以满足不同应用层次的用户需求,使统计分析模型可以更加方便的应用到空间辅助决策系统中。     

地理国情专题数据移动应用体系建设研究

从架构设计、数据中心与管理平台、移动应用系统设计3个方面系统阐述了地理国情专题数据移动应用体系的建设情况,并总结了建设过程中的关键技术;提供了一种地理国情专题数据应用思路,提高了地理国情专题数据的利用效率,对于推广地理国情数据应用具有重要意义。     

基于Skyline平台的插件式3DGIS应用框架研究

面向项目开发的3DGIS应用系统,由于未采用统一的框架和开发规范,存在开发人员分工协作困难、功能模块难以复用、系统升级维护工作量大等问题。研究了功能模块运行时动态加载、框架程序与插件通信机制、系统运行时资源注入方法等插件式应用框架程序实现的相关技术,设计开发了基于Skyline的插件式3DGIS应用框架;并基于该框架开发了若干3DGIS行业应用系统,验证了该应用框架的可用性。     

GIS-based groundwater potential mapping using artificial neural network and support vector machine models: the case of Boryeong city in Korea

Groundwater productivity-potential (GPP) was analysed using the data mining models of an artificial neural network (ANN) and a support vector machine (SVM) in Boryeong city, Korea. The groundwater-productivity data with specific capacity (SPC) is strongly related to hydrogeological factors, and hence the relation may allow for groundwater potential mapping from hydrogeological factors through the ANN and SVM models. A back-propagation algorithm was used for the ANN model while a polynomial kernel was adopted for the SVM model. For the validation of the GPP maps generated from the ANN and SVM models, the area-under-the-curve analysis was performed using the SPC values of well data. The accuracies achieved from the ANN and SVM models are about 83.57 and 80.83%, respectively. It proves that the ANN and SVM models will be highly conducive to developing useful groundwater resources.     

遗传算子对径流预报神经网络模型的影响

采用均匀设计来安排遗传算子组合进行数值实验,研究了遗传算子对神经网络径流预报精度的影响。研究发现,输入模式对最终种群中个体的分布影响不明显,不同算子组合对其影响则明显得多。通过回归分析发现,采用不同算子组合优化神经网络初始权重径流预报精度差别较大,对未归一网络的优化效果较归一网络好,同时采用数据归一输入模式与遗传算法优化神经网络初始权重未产生叠加效果。     

基于人工神经元网络技术的土地利用/覆盖变化探测

针对现有的一些土地利用／覆盖变化探测方法存在的某些不足,提出了利用人工神经元网络（antificial neural network,ANN)进行土地利用／覆盖变化探测的方法,并对ANN网络的输出输出,网络结构和不同的网络模型进行了深入研究,充分利用已有的基础地理信息和高分辨率遥感影像辅助选取了ANN训练样本,试验结果表明,利用ANN总体上可提高土地利用／覆盖变化探测效率。     

Integrating cellular automata,artificial neural network,and fuzzy set theory to simulate threatened orchards: application to Maragheh,Iran

Urbanization processes challenge the growth of orchards in many cities in Iran. In Maragheh, orchards are crucial ecological, economical, and tourist sources. To explore orchards threatened by urban expansion, this study first aims to develop a new model by coupling cellular automata (CA) and artificial neural network with fuzzy set theory (CA–ANN–Fuzzy). While fuzzy set theory captures the uncertainty associated with transition rules, the ANN considers spatial and temporal nonlinearities of the driving forces underlying the urban growth processes. Second, the CA–ANN–Fuzzy model is compared with two existing approaches, namely a basic CA and a CA coupled with an ANN (CA–ANN). Third, we quantify the amount of orchard loss during the last three decades as well as for the upcoming years up to 2025. Results show that CA–ANN–Fuzzy with 83% kappa coefficient performs significantly better than conventional CA (with 51% kappa coefficient) and CA–ANN (with 79% kappa coefficient) models in simulating orchard loss. The historical data shows a considerable loss of 26% during the last three decades, while the CA–ANN–Fuzzy simulation reveals a considerable future loss of 7% of Maragheh’s orchards in 2025 due to urbanization. These areas require special attention and must be protected by the local government and decision-makers.     

A neural network based urban growth model of an Indian city

The aim of the study reported in this paper is to demonstrate that the subjectivity in urban growth modeling and the calibration time can be reduced by using objective techniques like Artificial neural network (ANN). As a case study, the ANN-based model was applied to simulate the urban growth of Saharanpur city in India. In the proposed model, remote sensing and GIS were used to generate site attributes, while ANN was used to reveal the relationships between urban growth potential and the site attributes. Once ANN learnt the relationship, it was then used to simulate the urban growth. Different feed forward ANN architectures were evaluated in this study and finally the most optimum ANN architecture was selected for future growth simulation. The simulated urban growth maps were evaluated on a cell by cell matching using Kappa index and three spatial metrices namely, Mean Patch Fractal Dimension, Landscape Shape Index and Percentage of like Adjacencies. The most optimal architecture was then used subsequently for simulating the future urban growth. The study results thus, demonstrated that the ANN-based model can objectively simulate urban growth, besides successfully coupling GIS, remote sensing and ANN.     

人工神经网络遥感影像分类模型及其与知识集成方法研究

以多层感知器（MLP）为例，探讨了地学知识与ANN融合进行遥感影像分类的方法。首先对MLP网络结构、学习算法及其改进进行分析；然后总结了MLP进行遥感影像分类的一般方法和存在的缺陷；发展了基于知识的MLP神经网络遥感影像分类模型，并具体利用基于规则的MLP方法进行了遥感土地覆盖分类的实验，把获得的结果与传统统计方法与一般ANN方法进行了综合比较，获得了有意义的结果。     

基于人工神经网络的一类水域叶绿素—a浓度反演方法

介绍了一种基于人工神经网络的海中一类水域叶绿素反演方法。人工神经网络是3层的反向传输神经网络。其结构是输入层有4个节点，它们分别对应4个波段412m，443nm，490nm，510nm的遥感反射比与555nm波段遥感反射比的比值，隐含层有5个节点，输出层一个节点对应于叶绿素深度。该神经网络的训练和试验样本集来自SeaBAM的数据集。数据集中的919个站位的70％（644个）用于训练，30％（275个）用于测试。结果表明，该方法的精度优于被广泛采用的三次经验方法。     

基于神经网络的地图数字注记识别

指出了地图自动识别系统中地图数字注记识别存在的困难，论证了利用神经网络技术解决这种困难的可能性，并通过一个含有２个隐藏层的ＢＰ网络，说明了这种技术用于地图数字注记识别的可行性。     

地表粗糙度影响下的GNSS-R土壤湿度反演仿真分析

基于双天线全球导航卫星系统反射技术（global navigation satellite system reflectometry,GNSS-R）,建立了两个修正地表粗糙度影响的土壤湿度反演模型——解析模型和人工神经网络模型,并以GPS L1 C/A码为例建立了GNSS-R土壤湿度仿真平台,仿真分析了地表粗糙度对两个模型反演精确度的影响。结果表明,当地表均方根高度大于0.010 m时,必须对解析模型进行粗糙度修正。粗糙度影响修正结果显示,小粗糙度情况下修正的解析模型取得了良好的结果,但对于大粗糙度有一定局限性。在均方根高度大于0.025 m时,进行土壤粗糙度修正前,人工神经网络模型精度比解析模型提高了36.83%~72.36%。进行修正后,人工神经网络模型的精度比解析模型提高了42.86%~54.40%。人工神经网络模型在修正前后取得了相近的精度,无修正的人工神经网络模型精度比有修正的解析模型精度仍提高了35.83%~53.48%。     

基于GIS和神经网络模型的场地地震液化势风险评价

基于组件式GIS(COMGIS)技术,调用水平成层土地震反应分析程序SHAKE91来实现设定地震下地震动影响场的模拟;调用Matlab神经网络工具箱来完成场地地震液化势评价模型在COMGIS系统中的模块化;利用GIS技术对评价结果进行空间复合,给出场地潜在的地层液化势空间分布图。