红水河中游地区地质构造稳定性的遥感图像分析

红水河中游地区是以北西向和北东向断裂相交叉为基本构造格局。在新构造运动时期,这两组老构造分段复活,将该区分割成一个相对独立的活动块体。 遥感信息与岩相古地理及汞矿化带相结合的分析结果表明:发震的垭都—紫云深大断裂,在新构造运动时期并未进入断块。遥感信息与历史震中的时空分布和断块结合分析表明:中强震震中绝大多数分布在断块以外,并以右江断裂带以南的频率为最大,由于这里已远在百公里之外,今后若再发生中强震,经过长途衰减,波及坝址的影响有限。 断块内距坝址15—20公里的巴鱼地区,近期发生过4.6级地震。这是一个处在乐业环状构造长轴转折端前沿,也是逻西活动断裂等多组断裂交叉处,小型环状构造也很发育,构造应力容易在此集中,历史震中与小型环状构造同断裂的交叉点关系密切。影像显示该区是相对孤立的局部地段,小震频繁,应力分阶段释放,不具备孕育强震的条件。 龙滩和岩滩电站坝址周围8公里内无大型或活动断裂通过,亦无两组以上断裂交叉点出现,构造稳定性良好,但应注意水库诱发地震的研究。     

扰动重力边值问题与实际数据处理的研究

讨论了应用GPS测量重力点的大地高 ,从而获得地面点的扰动重力 (或称纯重力异常 )值这样新的重力边值条件 ,如何从理论与实际上确定重力场的问题。     

精密水准资料检查应注意的问题

通过对精密水准资料的二级检查,剔除其中的纰漏与错误,把一份完整、全面、优秀的资料交与上级部门。     

国产高分辨率卫星数据在黄河防凌监测中应用

自2002～2003年度首次启用遥感技术监测黄河凌情以来,到目前已连续进行了10个年度。10个年度的生产实践表明:国产高分辨率卫星遥感数据能够有效跟踪黄河凌情的发展过程,实现黄河凌情的日动态监测、重点时段的精细监测和突发凌汛灾害时的实时监测。黄河凌情尤其在封开河阶段,日变化非常显著,中巴资源卫星作为国产高分辨率可见光民用遥感卫星的代表,以其大视场、高空间、高时间分辨率的特点,动态监测凌情,基本做到每天实现一次全覆盖监测的能力,配合其他如中国遥感卫星等高分辨率可见光、雷达数据,初步实现了凌情发展预估、开河前的河道槽蓄水量计算、封开河期间冰凌险情监测以及发生凌汛灾害时灾情信息采集与评估,为黄河防凌调度、决策会商提供了有力的技术支持。     

基于ASP.NET的地理信息系统网络课程的设计与实现

文章以ASP.NET技术为核心,结合使用SQL Server数据库、Visual C#语言,开发和构建了基于Web平台的地理信息系统(GIS)网络课程,实现了GIS专业知识与网站的融合;同时在外观设计上,系统运用DIV+CSS进行布局,并注重界面的友好性,方便了用户的操作。系统的实现对B/S结构系统的开发及如何将地理信息系统专业知识应用于网络课程具有借鉴意义。     

水务数据中心建设研究

结合广州市水务数据中心建设工作,对水务数据中心设计思路、整体框架、建设内容进行了详细的阐述．为全市水务信息化建设提供信息支撑。     

面向对象的时空概念建模方法

在面向对象技术的基础上,把地理信息的时空特征与对象模型融合到一起,产生了语义丰富的时空扩展对象模型,以支持包含时空信息的系统需求分析和设计。     

基于约束点的曲线一致性化简

详细探讨了基于平面上的特征约束点(无论在曲线上还是在曲线外)的曲线化简,并针对各种情况提出了一致性化简的方法。     

利用时空信息的单波段地表温度遥感反演

地表温度被认为是影响生态系统的关键因子之一,它与许多地表过程有关。目前,热红外卫星遥感技术是获取有关区域和全球尺度地表温度信息的一个有效、可行的手段。针对不同卫星上搭载的热红外传感器,许多学者开展了大量的研究,其中针对单波段热红外的特点(如Landsat TM/ETM+,CBERS和HJ-1B)提出了单通道(或单窗)算法。该类算法需要准确的地表比辐射率和大气参数(如大气水分含量)。这些参数在现实中又很难轻易获得,从而在一定程度上限制了现有算法的应用。针对HJ-1B高回访频率的特点,本文提出了利用多时相影像的时空信息来直接反演地表温度的Multi-Temporal and Spatial Information-Based Single Channel(MTSC),以解决现有算法对地表比辐射率和大气参数的过度依赖性。实例分析结果显示,基于MTSC法由HJ-1B反演得到的地表温度结果与MODIS地表(陆表和海表)温度产品具有很好的空间一致性;HJ-1B的陆表温度结果总体上被高估了约1 K,而海表温度结果总体上被高估了0.5 K;同时,MTSC法得到的HJ-1B地表温度结果具有更好的细节和空间完整性。最后,通过分析和讨论指出了一些可能的完善途径,如相似像元的确定、修改优化求解中的目标函数、参数的自适应初始化等,以便提高MTSC法的反演精度和实用性。     

Mapping Wetland Areas Using Landsat-Derived NDVI and LSWI: A Case Study of West Songnen Plain,Northeast China

Increasing interest in wetlands for environmental management requires an understanding of the location, spatial extent, and configuration of the resource. The National Wetlands Inventory is the most commonly used data source for this information. However, its accuracy is limited in some contexts, such as agricultural and forested wetlands. An large number of studies have mapped wetlands worldwide from the perspective of land use and land cover change. However, information on the actual wetland planting areas annually is limited, which greatly impacts ongoing research. In this case study of the West Songnen Plain, we developed a simple algorithm for the quick mapping of wetlands by utilizing their unique physical features, such as annual display of phenological land-cover change of exposed soils, shallow flooding water, and plants from multi-temporal Landsat images. Temporal variations of the Normalized Difference Vegetation Index (NDVI) and Land Surface Water Index (LSWI) derived from Landsat images in 2010 for wetlands at different growth stages were analyzed. Results show that during the ante-tillering phase, the NDVI value (above zero) is lower than the LSWI value of paddies because of flooding of shallow water; during the reproductive and ripening phases, the NDVI value is higher than the LSWI value (above zero); and during the post-harvest wetland planting phase, the NDVI value is still higher than the LSWI value, but the LSWI value is negative. Wetland areas can be detected using one or two images in the optimum time window. The algorithm based on the difference of NDVI and LSWI values derived from Landsat images was used to extract the actual wetland planting area. Validated alongside statistical data, the algorithm showed high accuracy. Therefore, this algorithm highlights the unique features of wetlands and can help in mapping the actual wetland area annually on a regional scale. Results further indicate that the new method has a classification accuracy of 92 %. In comparison, two traditional methods based on Landsat-7/ETM registered accuracy rates of only 83 % and 87 % respectively.