综合景观格局与经济指标进行土地利用二维尺度分区——以青海省为例

运用空间统计分析方法综合表征土地利用特征的景观格局指数和社会经济指数进行土地利用分区.经过指数降维、筛选指数因子进行系统聚类,在聚类分区方法的选择上,经过反复验证选定标准欧氏距离-加权平均法和明科夫斯基-加权平均法两种最佳匹配算法.将聚类结果合并分区,将青海省土地划分为4个区,各区地类景观和经济水平相异,分析结果对指导青海省土地利用合理规划开发意义重大.     

顾及V-邻域结构的局部保形插值算法

针对现有空间插值方法局部保形性差、边界处理困难等问题,利用Voronoi空间剖分的结构特性,提出了一种多维统一的局部保形空间插值算法。利用随机模拟数据及中国城市平均气温数据进行了实例验证,结果显示,本插值算法可支撑不规则边界数据,在兼顾精度的同时,具有很好的局部保形性。     

基于CUDA的核线影像并行生成技术

在现场直播式地理空间信息服务体系要求的背景下,提出一种快速的核线影像并行生成技术,该技术采用基于CUDA的GPU—CPU协同处理方法,并充分考虑到GPU的并行结构和硬件特点。基于NVIDIA Quadro Fx580显卡对1500像素×2300像素大小的灰度图像进行试验,试验结果表明,相对于串行方法本文方法获得了优于10倍的加速比。     

利用TrackRT进行GPS实时动态形变监测研究

在相对实时动态定位软件TrackRT的基础上进行二次开发,完善了数据流实时传输与解码,并设计了两组模拟地面运动的观测实验,分别对TrackRT水平向和垂直向上的内外符合精度进行了评定。结果表明,在观测数据质量较好的情况下,实时定位水平分量精度优于2cm,垂向分量精度优于4cm。     

GIS数据质量控制技术在地籍数据库建设中的应用

对GIS数据质量控制技术在地籍数据建库中的应用进行了研究,在地籍数据库建设质量控制实践中综合运用了过程控制法和软件检查法,有效地控制地籍建库各个阶段的精度,保证最终成果满足设计要求。     

顾及多个因素的城市建成区用地规模预测研究——以郑州市为例

目前,城市建成区用地规模受社会、经济、城市环境和政策等多因素影响,传统统计方法已经难以准确预测城市用地规模,从多因素的角度研究城市用地是合理的。BP神经网络法和多元回归分析法都是顾及多个因素的统计方法。以郑州市1984—2005年相关统计数据为样本数据,用BP神经网络法、多元回归分析法、灰色系统GM(1,1)法和Logistic法建立预测模型,对2006年和2007年建成区规模进行模拟预测。预测结果表明,顾及多个因素的预测方法预测精度较高,其中BP神经网络法优于多元回归分析法。     

无锡市七城区基础控制网整合研究

城市控制网由于分区建设,各区所依据的起算点不一致,使得控制网之间存在缝隙,影响了全市基础地理资料的完整性.结合无锡市七城区存在四个控制网的情形,提出以D级GPs网作框架,采用坐标转换方法实现七城区坐标系统统一的城市基础控制网整合方案,并应用于无锡市七城区控制网整合改造,解决了七城区四个控制网存在的割裂状况,实现了全市七城区坐标系统的统一,为我国其他城市控制网的改造整合提供了有益借鉴.     

DLG数据转换方法研究

阐述DLC数据的获取方法、转换过程中存在的问题及解决方法;重点介绍自定义格式DLG向大的软件平台转换和DLG到GIS数据转换的方法,利用面向对象方法实现DLG到GIS的数据转换.     

基于CorelDRAW和GIS软件的等高线地形图制作——以翠华山地形图为例

CorelDRAW是一款非专业的地图制作软件.但由于它的功能较多、图形处理功能强大,往往能够制作出其他专业地图制作软件无法达到的地图效果,而GIS软件在地图绘制等方面存在优势.以CorelDRAW和GIS软件制作等高线地形图为例,说明在一些特殊的情况下,将两类软件结合,不仅可以制作出精美的地图,更可以节约大量的时间,从而取得事半功倍的效果.     

Exploring uncertainty in remotely sensed data with parallel coordinate plots

The existence of uncertainty in classified remotely sensed data necessitates the application of enhanced techniques for identifying and visualizing the various degrees of uncertainty. This paper, therefore, applies the multidimensional graphical data analysis technique of parallel coordinate plots (PCP) to visualize the uncertainty in Landsat Thematic Mapper (TM) data classified by the Maximum Likelihood Classifier (MLC) and Fuzzy C-Means (FCM). The Landsat TM data are from the Yellow River Delta, Shandong Province, China. Image classification with MLC and FCM provides the probability vector and fuzzy membership vector of each pixel. Based on these vectors, the Shannon's entropy (S.E.) of each pixel is calculated. PCPs are then produced for each classification output. The PCP axes denote the posterior probability vector and fuzzy membership vector and two additional axes represent S.E. and the associated degree of uncertainty. The PCPs highlight the distribution of probability values of different land cover types for each pixel, and also reflect the status of pixels with different degrees of uncertainty. Brushing functionality is then added to PCP visualization in order to highlight selected pixels of interest. This not only reduces the visualization uncertainty, but also provides invaluable information on the positional and spectral characteristics of targeted pixels.