基于色层图与纹理融合的地形晕渲

针对三维地形晕渲的具体需求和存在问题,提出了一种基于色层图与纹理融合的晕渲方法。根据自定义或色层表主色调插值生成色彩连续的色层图,对地形高程进行着色;在地表材质分块的基础上,通过计算相邻材质边界上的多重纹理坐标,使用多重纹理映射进行融合过渡;最后给出了实验结果。     

空间智能:地理信息科学的新进展

在总结多年来研究GIS智能计算的理论与实践基础上,提出地理信息科学发展的新方向:空间智能.空间智能强调发现与应用空间模式,以增强GIS处理复杂数据和解决复杂问题的能力.空间智能主要的技术体系由空间分析、空间优化和空间模拟三大模块构成,其技术基础包括空间统计与索引、智能代理、高级启发式,以及数学规划等系列智能技术.由于空间智能融合了机器学习、统计分析和人工智能等多个学科理论,面向解决实际工程需求中大量存在的复杂时空问题,因此理论上具有广阔的发展空间,实践上也有重大的应用需求.随着空间智能体系的完善和技术的进一步成熟,它将在实际应用中具有巨大的价值.     

土地复垦地籍调绘及数据处理中的MATLAB方法

以江苏省徐州市贾汪区为研究对象,详述矿区土地复垦中地籍测量的全过程;以JSCORS技术和全站仪相结合的野外作业方式大大提高数据采集的速度,深入讨论全站仪野外作业记录格式与CASS6.0不一致时数据的转换问题,详细分析MATLAB与其他传统的编程方式比较所体现出来的优越性。     

GPS数据解算对流层天顶总延迟探讨

文中运用GAMIT/GLOBK 软件,解算了南极长城站GPS接收机天线在不同的相位中心和使用不同星历情况下的天顶总延迟,分析了在不同条件下解算结果的差异,探讨了获取高精度的天顶总延迟和实时获取天顶总延迟的具体方法,为今后实现GPS精密定位和实时天气预报提供了依据.     

“深空大地测量导论”课程建设和教材编写的思考

介绍了"深空大地测量学导论"课程教材编写的背景、阐述了"深空大地测量学导论"教材编写的基本思路、总结了"深空大地测量学导论"教材的编写的特色.     

地理编码系统中地址匹配引擎的设计与实现

分析了地址匹配流程和几种模糊检索技术,选用了全文检索引擎包Lucene设计了地址匹配引擎,实现了基于XML Web Services的地理编码系统。     

基于空间信息技术的堰塞湖库容分析方法研究

快速准确计算堰塞湖库容,对了解地震堰塞湖险情具有重要的意义.利用遥感和地理信息系统等空间信息技术,提出了一种基于像素的三维水面的计算动库容的方法,能准确计算水面为曲面,包括动库容在内的总库容.该方法利用遥感影像提取水体边界线,与DEM求交后可得到带高程的边界点,利用空间插值技术获得三维水面,然后利用库容计算模型求解.同时,在分析该算法计算效率的基础上,提出了基于河流分段的库容计算优化算法,最后通过实验对比分析了该方法的合理性和优越性.     

中国西部环境与生态科学数据中心：面向西部环境与生态科学的数据集成与共享

国家自然科学基金委员会“中国西部环境与生态科学研究计划”自2001年启动以来,有力地推动了西部区域环境演化、陆地生态过程和人类活动对环境的影响等方面的研究,积累了丰富的基础数据。国家自然科学基金委员会“中国西部环境与生态科学数据中心”承担“西部计划”项目数据产出的收集、管理、集成,并面向西部环境与生态科学的各个领域提供科学数据服务。“西部数据中心”的总体框架是以“西部计划”和地球系统科学发展的科学需求为导向,建成以数据共享、知识积累、合作交流和数据科学为主要内容的集成平台,为“西部计划”多学科的交叉研究和成果的综合集成及地球科学发展的长远目标服务。以共建共享的指导思想集成针对西部环境与生态现状与变化的基础背景数据、环境与生态观测数据、模型数据集、数据工具及数据文档;并以完全与开放的数据共享原则为用户提供推送式数据服务。目前,“西部数据中心”已完成了数据共享平台、知识积累平台与合作交流平台的开发和集成,初步形成了科学数据平台,整理并发布了大量的西部环境生态科学所需的关键数据集。     

GPS接收机伪距测量方法研究

介绍了一种高精度伪距测量方法。该方法通过位同步、帧同步、码捕获、码跟踪算法以及载波辅助技术等方法来获取高精度伪距测量值。重点研究了秒模糊度、毫秒模糊度和毫秒内的精度测量方法,得到了通过设置码跟踪环的相关间隔来设置其测量精度的方法。实验结果验证了算法的可行性。     

基于高光谱Hyperion数据的线性光谱混合模型与神经网络模型的比较

混合像元问题是定量遥感中的热点问题之一,为了改进从遥感数据中提取定量信息,人们建立了各种混合光谱分解技术,其中线性光谱混合模型和神经网络模型就是两种比较成熟的方法。以陕西省横山地区的高光谱Hyperion数据为研究基础,通过最小噪声变换(MNF)、像元纯度指数(PPI)转换和RMS误差分析的迭代方法相结合提取影像中的纯净像元作为终端端元。分别运用神经网络模型和线性光谱混合模型对影像进行光谱分解,得到各个组分的分解图像。以标准植被指数(NDVI)影像为衡量标准,选取训练样本点,分别对两种模型进行回归分析,结果显示NDVI影像与线性光谱混合模型植被分解图像的判定系数(R2=0.91)要大于其与神经网络模型的判定系数(R2=0.81)。进一步分析表明在一般情况下,线性光谱混合模型具有比神经网络模型略高的分离精度,但是神经网络模型对细部信息的提取的效果要好于线性光谱混合模型,最后提出了端元均方根误差(EAR)指数,一种新的混合像元分解的思路。