河网多尺度Morphing的变换方法研究

本文基于Morphing连续变形技术的一种技术探讨河网的多尺度变换方法,主要涉及对应河流间的Morphing变换和无对应河流的河流删除这两类问题。本文首先对两个不同比例尺的对应河网进行河流匹配,确定河流的对应情况,然后以较大比例尺河网向较小比例尺河网变化的方式进行河网的多尺度变换。对于在两个不同比例尺河网中对应存在的河流,采用顾及交汇点信息及河流结构信息的形状内插方法进行Morphing变换;对于仅在较大比例尺河网中存在而在较小比例尺河网中不存在的河流,则以河流的干支总长作为其重要性标准,进而依据给定的变换程度参数删除重要性较小的河流。最后,通过实验分析与对比,验证了本文方法能够有效改善河流间的Morphing变换效果,提高河流选取的准确性。     

“地理大数据与空间智能”专刊导言

<正>在数据科学技术快速发展的时代背景下，地理大数据促进了地理科学、测绘科学和信息科学等多学科交叉的新领域的研究，为地理科学研究带来了新的方法论，也为从地学视角解决社会问题提供了一种新的思路和模式。特别是，地理大数据破解了传统知识工程的瓶颈问题，使得地理空间智能继而成为地球大数据面临的新挑战。地理空间智能以高性能计算为基础，运用人工智能与数据挖掘方法，对地理大数据中的地理空间信息进行收集、描述与评价，并对其进行挖掘、测度与利用。     

顾及功能语义特征的建筑物空间分布模式识别方法

本文从空间-语义双重约束角度,提出一种顾及空间邻近和功能语义相似的建筑物空间分布模式识别方法。首先,基于建筑物的空间位置邻近性(即建筑物间的最小距离)约束进行聚类,获得建筑物的空间分布模式和建筑物间的空间邻近关系;然后,根据建筑物的功能语义相似性约束进行分割,获得建筑物的初步聚类结果;最后,考虑簇内相似性与簇间差异性进行整体优化,获得最终聚类结果。试验验证表明,本文方法比现有方法能够更有效地识别空间邻近与功能语义一致的建筑物群,服务于智慧城市建设中对建筑物进行语义层次综合和对城市结构进行深入研究的需求。     

矢量GIS空间方向关系的演算模型

空间方向关系是描述空间目标间位置分布的一类基本空间约束，在GIS中是由形式化模型描述的。但现有模型由于简化假设过多，其描述分辨率较低。以点／点空间方向关系的计算量为基础，在综合考虑空间目标的几何构成和分布关系后，提出了定量化演算空间方向关系的一种新模型。利用该模型的结果，根据定量表达与定性描述之间的转换函数，可以得到相应的定性描述结果。理论分析和算例表明，新模型对目标间距离和目标本身的形状等影响方向关系的参数更为敏感，因而比现有模型有更高的描述分辨率。     

基于SVG及PHP+MySQL技术的WebGIS

在分析SVG数据格式和PHP MySQL技术优势的基础上,提出了一种优化的基于WebGIS系统,实现了GIS的数据表达和数据库连接以及客户端扩展。     

AutoCAD环境中组织GIS数据的方法

先分析在AutocAD环境中组织GIS数据的方法，包括图形链接属性数据的方法和CAD／GIS间数据转换的方法，然后指出传统的转换方法的不足之处，并给出一种数据解译器组成结构，从而可以有效地实现CAD／GIS数据的无缝转换。最后，以地籍信息系统为例，验证在AutoCAD环境中组织GIS数据能极大地提高专题GIS的整体性能。     

GIS图上地理区域空间不确定性的分析

区域是GIS空间分析的基本单元。它是环境科学、土壤科学等领域中广泛存在的一类地理实体。这类实体抽象概括为GIS中空间目标时不可避免地带有模糊性。利用模糊集这个强有力的数学工具，首先基于场模型提出了表达GIS中模糊区域目标的方法，分析了其空间不确定性。继而，建立了模糊区域的形态描述模式，即模糊区域边界、内部和外部，并指出了Cohn给出的定义中的不足。在此基础上，对Egenhofer提出的九元组进行了扩展，构建了适合于描述确定和模糊区域目标间拓扑空间关系的模型。     

基于DEM的复杂地形流域特征提取

利用流域数字高程模型(DEM)构建数字水系模型并提取流域水系特征是分布式水文过程模拟的重要前提。提出了面向分布式水文过程模拟和流域特征提取的数字水系模型,并针对现有方法对复杂地形DEM中含有的平地、洼地及其嵌套情形的处理不足,提出了栅格水流分类、填洼分类与归并及有效填平处理、河谷平地的出流代价法构建栅格流向和流序等新的处理方法,并在开发的软件系统得到实现。使用该方法创建的黄土岭流域数字水系模型和提取的水系等流域特征结果表明:本文方法可有效应对复杂地形流域的处理,提取的流域水系特征与实际自然水系比较吻合,能够有效地消除现有方法在地形平坦区域容易产生的平行河道、奇异河道、河道变形等不足。     

基于物理约束GRU神经网络的河流水质预测模型

河流水质预测对于水环境管理与水污染防治具有重要意义。近年来,以神经网络为代表的非机理性水质预测模型已被广泛应用于河流水质预测领域。然而,此类模型不考虑水质因子变化的物理机理,导致预测结果难以解释、稳定性差。为此,本文将水质因子变化的物理规律视为一种先验知识约束,建模于门控循环单元神经网络（Gated Recurrent Unit, GRU）之中,以河流水质预测的重要参数溶解氧为例,提出了一种物理约束的门控循环单元网络（Physics-constrained Gated Recurrent Unit, PHY_GRU）。以美国亚特兰大市2021年河流溶解氧预测为例进行实例验证,结果表明：① PHY_GRU与差分自回归移动平均模型、多层感知机和门控循环单元模型相比,预测精度和稳定性明显提升,其中预测均方根误差分别降低了94.8%,62.9%和37.2%;② 综合考虑多种物理规律约束可以提升PHY_GRU的预测精度和稳定性;③ PHY_GRU采用门控循环单元模型训练样本的30%,其预测精度和稳定性即可超过门控循环单元模型。本文提供了一种在神经网络模型中融入水质先验知识的研究思路,有助于提升水质预测模型辅助决策的水平。     

盐源地区古生界页岩气地质条件分析

为了进一步探索我国西南地区的页岩气资源潜力,中国地质调查局成都中心对盐源地区开展公益性页岩气基础地质调查。在系统的地质调查和沉积学、石油地质学研究的基础上,对盐源地区进行页岩气地质条件分析。发现盐源地区早古生代发育志留系龙马溪组和泥盆系坡脚组两套富有机质页岩层系。志留系龙马溪组以碳质硅质泥页岩和碳质粉砂质泥页岩为主,以富有机质、硅质含量高、笔石发育为主要特征,发育于深水陆棚环境中。泥盆系坡脚组以含钙质碳质泥岩和钙质碳质粉砂质泥岩为主,以富有机质、黏土含量高、竹节石发育为主要特征,主要发育于潟湖环境中。两套富有机质页岩层系均具有有机质含量高,沉积厚度大,热演化程度高,脆性指数较高,低孔低渗的特征。盐源地区发育大量宽缓向斜,具备较好的页岩气保存条件。在志留系稗子田组和泥盆系坡脚组的勘探获得了油气显示,表明盐源地区页岩气具备良好的勘探潜力,研究成果为区域油气勘探评价提供借鉴与参考。