仁怀市喀斯特地区建设用地适宜性评价

建设用地适宜性评价是土地利用规划和资源管理的基础性工作.为合理确定贵州喀斯特地区城镇扩展方向,在GIS的支持下,以贵州省仁怀市为例,文章选取地形地貌、开发利用条件、地质因子3方面6个单因子,构建该研究区低丘缓坡建设用地适宜性评价指标体系,并对仁怀市低丘缓坡建设用地适宜性进行综合评价.结果表明:适宜建设用地和比较适宜建设用地主要分布仁怀在市中部和西南地区.     

大数据时代的数据更新维护与共建共享

统一测绘基准,全面启用2000国家大地坐标系,建立更新维护制度,利用多元数据,实现多个部门数据共建共享,合理调配,通过客户端上传更新数据,快速、高效、优质的建立现势性好的地形图数据库,为社会各部门提供服务,克服了更新周期长,经费不足的困难,在激励的市场竞争中获得强大的竞争力。     

从大模型看测绘时空信息智能处理的机遇和挑战

当前,时空信息、定位导航服务已成为重要的新型基础设施,在通用人工智能的驱动下,大模型引领的智能时代已经到来,越来越强大的大模型将在测绘时空信息智能处理与应用中发挥越来越重要的作用。以大模型为研究范式,总结大模型在测绘时空信息智能处理的现状与进展,分析大模型在测绘时空信息智能处理面临的挑战,阐述多模态融合与理解架构设计、提示工程优化微调以及人在回路引导决策3个核心方面在时空信息测绘大模型中的关键作用。针对行业理解深度、数据安全隐患、内容可信度保障以及训练部署成本优化4个方面,展望时空信息测绘大模型面临的挑战与发展趋势。

     

基于RS,GIS技术下的震后唐家山堰塞湖景观生态格局研究

对汶川大地震后北川县唐家山堰塞湖区域的地形地貌、土地质量、植被覆盖、工程建设及生态环境等基本情况进行详细调研,运用RS,GIS等技术结合景观格局指数分析法,对唐家山堰塞湖区域的整体景观生态格局指标进行研究,分析唐家山堰塞湖区域内斑块和廊道等景观格局因子的变化数据,总结区域内景观生态格局的各类特征,为地震灾区生态修复及环境破坏评价提供参考.     

关于地理国情普查外业调查与核查的分析和探讨

地理国情是基本国情的重要组成部分,开展地理国情普查是一项重大的国情国力调查,是全面获取地理国情信息的重要手段,是掌握地表自然、生态以及人类活动基本情况的基础性工作.本文就灵武市地理国情普查外业调查与核查生产的整体技术路线以及相关问题进行分析和探讨.     

湖北省保康磷矿区开采面及固体废弃物遥感信息提取方法研究

统计分析了湖北保康磷矿区有关目标地物(道路、建筑物、坡耕地、植被、水体及阴影等)的SPOT 5影像特征,认为它们具有一定相似性和差异性,依赖单一的遥感分类方法难以实现对矿区开采面及固体废弃物信息的准确提取.采用决策树分类方法,设置一定的分类规则,结合数字高程模型和含矿地层等相关辅助数据,逐一对矿区相关地物进行分类,经分类结果后处理,分类精度达83.4%.     

地图数据读取过程中的数据调度

提出了一种限定内存申请量前提下的数据调度方法。该方法按照FIFO策略实现内外存数据按页面交换,有效地解决了内存限定前提下大数据量地图数据的读取与显示问题。     

快速城市化地区建设用地演变驱动力研究——以深圳市龙岗区为例

在综述国内LUCC驱动力研究的基础上,确定了驱动因子。以深圳市龙岗区为例,基于非线性的Lo-gistic模型,分析研究了建设用地演变的驱动力。     

利用MODIS红外资料反演大气参数以及表层温度的研究

提出了用牛顿非线性迭代法同时反演大气参数和表层温度,该反演算法应用到我国渤海地区MODIS红外资料中,可反演得到中尺度范围内的大气温度、水汽廓线,其误差分别不超过1.5 K和18%。反演得到的表层温度、大气可降水量(TPW)和大气稳定度(TTI)与美国国家宇航局(NASA)MOD07产品相似。     

基于主成分分析的ENVISAT ASAR数据在福建省漳州市香蕉园地提取中的应用(英文)

Banana is one of the main economic agrotypes in Zhangzhou, Fujian Province. The multi-temporal ENVISAT ASAR data with different polarization are used to classify the banana fields in this paper. Principal component analysis (PCA) was applied for six pairs of ASAR dual-polarization data. For its large leaves, banana has high backscatter. So the value of banana fields is high and shows very bright in the 1st component, which makes it much easier for banana fields extraction. Dual-polarization data provide more information, and the VV and VH backscatter of banana show different characters with other land covers. Based on the analysis of the radar signature of banana fields and other land covers and the 1st component, banana fields are classified using object-oriented classifier. Compared to the field survey data and ASTER data, the accuracy of banana fields in the study area is 83.5%. It shows that the principal component analysis provides the useful information in SAR images analysis and makes the extraction of banana fields easier. Supported by the Program for New Century Excellent Talents in University (NCET-05-0573), Fujian Science and Technology Project (No.2006I0018), the Science Project of the Education Department of Fujian Province(No. 2006F5022).