利用ANNS的空间信息处理服务智能集成算法

针对常用的空间信息处理服务,分析了相关领域服务组合方法的优缺点,结合服务资源本身及神经网络的智能性特点,提出了基于神经网络概念的服务智能组合方法,以尽可能准确高效地实现服务组合的自动化该方法采用面向特殊服务扩展本体表达模型,结合语义描述,利用神经网络的突触原理完成核心服务的查找,最后通过集成索引函数实现服务的串接实验结果表明,在保证满足应用需求的情况下,此方法缓解了非专业用户的服务再组合障碍,提高了计算效率。     

基于密度的轨迹时空聚类分析

通过轨迹聚类分析挖掘物体移动模式的空间分布和时间特征,对于认识运动的形成机制,预测运动的未来发展具有重要的意义。目前,轨迹聚类研究主要关注物体的空间位置变化,时空聚类中时间约束一般只是作为辅助信息,并不真正参与聚类。本文提出基于密度的轨迹时空聚类方法,在聚类过程中同时考虑轨迹包含的时空信息,在空间聚类的基础上提出了轨迹线段时间距离的度量方法和阈值确定原则,对时空邻域密度进行聚类分析,挖掘物体的时空移动模式。实验对南海涡旋轨迹进行时空聚类分析,得到了涡旋典型移动模式的空间分布和时间特征,验证了基于密度的轨迹时空聚类方法的有效性。加入时间约束后,移动通道主要发生缩短、分裂和消失的变化。和空间聚类相比,轨迹时空聚类可有效地划分发生在同一位置不同时间的轨迹,得到的聚类结果更加细化,移动模式更加准确,有利于物体的移动模式做更深入的分析。     

地理大数据挖掘的本质

针对地理大数据的内在本质以及地理大数据挖掘对于地理学研究的意义,本文解释了地理大数据的含义,并在大数据“5V”特征的基础上提出了粒度、广度、密度、偏度和精度等“5度”的特征,揭示了地理大数据的本质特点。在此基础上,从地理大数据的表达方式、地理大数据挖掘的目标、地理模式的叠加与尺度性、地理大数据挖掘与地理学的关系等4个方面阐述了地理大数据挖掘的本质与作用,并从挖掘目标的角度对地理大数据挖掘方法进行分类。未来地理大数据挖掘的研究将面临地理大数据的聚合、挖掘结果的有效性评价以及发现有价值的知识而非常识等几方面的挑战。     

海洋地理信息系统集成技术分析

为适应已成熟的海洋地理信息系统和海洋遥感应用模块技术及海洋信息业务化运行的需求,迫切需要开发海洋地理信息系统与海洋遥感应用模块集成来实现海洋信息一体化服务。针对当前平台技术水平和应用模块特性,设计了开放性三层集成框架,即数据层采用基于中间插件的二级三库集成机制、功能层采用基于API,DLL,EXE,COM组件的集成模式和应用层上基于Web Services的共享机制。以中国海岸带及近海卫星遥感综合应用系统平台(MaXplorer1.0)与多元生态遥感融合与同化模块和海浪遥感信息提取模块等八大海洋遥感应用模块为实例进行数据层、功能层和应用层的集成。集成结果表明,两者的集成实现了海洋信息资源与技术的整合,为海洋信息的业务化运行提供了技术支撑。     

基于GIS 的南海中尺度涡旋典型过程的特征分析

以具有复杂时空演变过程的海洋中尺度涡旋为研究对象,以定量表达和组织涡旋典型过程案例为前提,基于Global NLOM(Naval Research Laboratory Layered Ocean Model)所得的SSH(Sea Surface Height)、SST(Sea Surface Temperature)和表层海流场,对海洋中尺度涡旋进行综合辨认和动态跟踪。以南海为例,通过提取涡旋典型过程中的典型状态,建立中尺度涡旋典型案例库。然后以库中所有过程案例为对象对涡旋进行GIS(Geographic Information System)时空特征分析。所得结果为:(1)南海中尺度涡旋整体上呈东北-西南向分布,涡旋水平移动速度为3~16 cm/s,平均速度为8.4 cm/s。(2)大部分涡旋向西移动。春夏季涡旋主要向西北方向移动,秋冬季涡旋主要向西南方向移动。(3)南海东北部涡旋主要集中在9~10月以及次年的1~2月发生,涡旋先向西北方向移动,后又转向西南方向移动,大部分中尺度涡旋不能西移太远。南海中部气旋涡主要发生在冬、春两季。一部分涡旋沿陆坡向西南运动,其中一些反气旋涡沿南海海盆向西运动。南海东南部在研究期内只有反气旋涡出现,向西或西北偏西运动,这里的涡旋比较弱,但移动距离较长,也有较长的生命周期。南海西南部夏季出现的涡旋多于冬季,且夏季的绝大部分涡旋以偶极子结构出现,该区域涡旋移动的距离较小。该研究引入GIS技术,基于大量时空数据对具有复杂时空特征的中尺度涡旋的信息进行组织、存储,以期通过对涡旋生消过程的时空分析来揭示其演变规律,为进一步研究海洋涡旋的空间推理预测奠定了坚实的基础。