提高地理素质教育的途径之一--借鉴香港“LIVING GEOGRAPHY”的经验

本文简要介绍香港"LIVING GEOGRAPHY"(<生活地理>)教材(以下简称"教材").列举一些章节内容,体现地理学科知识与日常生活各种现象的紧密联系,打破以往地理学的逻辑系统,摆脱从理论到理论传统的束缚,摒弃死记硬背的学习方法,为提高学生学习地理知识和技能的兴趣,提供了一套素质教育的范本.     

粒子群神经网络混合模型在农用地分等中的应用

针对常规农用地分等模型因子权重计算存在人为干扰和神经网络模型自身优化过程中易陷入局部最优的情况,该文综合了BP神经网络非线性权重数据挖掘特性和粒子群的全局优化能力,建立了农用地分等计算的粒子群神经网络混合模型(PSO-BP网络模型),并应用于广东省揭西县农用地分等计算中,发现PSO-BP网络模型能避免定级因子权重确定的人为干扰,同时具有较高的优化效率,应用效果较好。     

《现代地质》网络投稿系统介绍

<正>《现代地质》网络投稿系统已经投入使用,网址为www.geoscience.net.cn。1.登录方式(1)直接通过链接地址www.geoscience.net.cn进入《现代地质》主页。(2)登录中国地质大学(北京)网站www.cugb.edu.cn,点击首页右侧下方的"地大(北京)期刊中心";或点击首页上部"机构设置"→"辅助单位"→"期刊中心";或点击首页上侧"数字图书"→"中文资源"→"现代地质",均可进入《现代地质》主页。     

语义约束的铁路隧道BIM模型轻量化方法

GIS与BIM集成是铁路隧道工程信息化的关键技术,越来越多的长隧道构件级BIM模型,几十公里长的铁路隧道BIM模型如何在GIS中实现高性能可视化分析成为挑战性难题。目前,高精度复杂铁路隧道BIM模型多以参数化形式表达,转换为GIS模型后几何数据量急剧增大,同时GIS通用标准中针对隧道BIM模型的构件尺度层级划分存在不一致等情况,难以实现铁路隧道工程场景精细化管理与高效可视化分析。为此本文提出了一种语义约束的铁路隧道BIM模型轻量化方法,首先建立铁路隧道BIM模型多细节层次描述规则,然后利用构件语义信息提取并简化构件几何信息,获取多细节层次模型数据,并对多细节层次模型进一步优化组织管理。本文方法在康定2号铁路隧道BIM模型数据中得到验证,结果表明能有效提升铁路隧道BIM模型在GIS环境中的表达效率。     

台山专业气象服务现状分析及发展思考

从服务需求和服务内容等方面对台山专业气象服务的现状进行分析,同时对服务手段和服务理念存在的问题进行反思,探讨专业气象服务的发展思路(加大宣传力度;提高人员的销售技能和沟通技巧;提高服务能力,开发适销、对路的产品等).     

一种面向WFS服务的分布式空间连接查询优化策略

研究了一般分布式环境下空间连接查询的优化策略,针对OGC的WFS服务规范的特点,提出了一种基于递归区域划分的WFS服务空间连接查询优化策略。实验结果表明,当查询区域范围内包含的数据量越大时,该策略越能有效地降低查询需要的网络数据传输费用,缩短查询执行时间。     

基于面向对象孪生神经网络的高分辨率遥感影像建筑物变化检测

建筑物变化检测在城市环境监测、土地规划管理和违章违规建筑识别等应用中具有重要作用。针对传统孪生神经网络在影像变化检测中存在的检测边界与实际边界吻合度低的问题,本文结合面向对象图像分析技术,提出一种基于面向对象孪生神经网络（Obj-SiamNet）的高分辨率遥感影像变化检测方法,利用模糊集理论自动融合多尺度变化检测结果,并通过生成对抗网络实现训练样本迁移。该方法应用在高分二号和高分七号高分辨率卫星影像中,并与基于时空自注意力的变化检测模型（STANet）、视觉变化检测网络（ChangeNet）和孪生UNet神经网络模型（Siam-NestedUNet）进行比较。结果表明：（1）融合面向对象多尺度分割的检测结果较单一尺度分割的检测结果,召回率最高提升32%,F1指数最高提升25%,全局总体误差（GTC）最高降低7%;(2)在样本数量有限的情况下,通过生成对抗网络进行样本迁移,与未使用样本迁移前的检测结果相比,召回率最高提升16%,F1指数最高提升14%,GTC降低了9%;(3) Obj-SiamNet方法较其他变化检测方法,整体检测精度得到提升,F1指数最高提升23%,GTC最高降低9%。...     

网络地理信息系统（WebGIS）在地震研究中的应用

介绍了网络地理信息系统（WebGIS）的概念、原理、实现技术和发展现状;讨论了WebGIS在地震研究中的重要作用和发展前景;开发了一个地震地质基础信息WebGIS应用系统．该系统基于浏览器／服务器体系结构,能够实现空间数据和GIS应用系统的网络共享和初步的协同工作．这一技术方案在地震研究领域具有广阔的应用前景,很值得推广．