基于大数据的生活圈范围与服务设施空间匹配研究——以北京为例

生活圈建设是新时代国土空间规划的关键内容之一,生活圈内服务设施配置是做好生活圈规划的首要基础,居民生活圈与服务设施的空间匹配关系也是地理学“人地关系”在城市社区尺度的重要体现.学术界对生活圈与服务设施的匹配关系已有研究,但主要采用问卷调查数据,该类数据存在样本量少、地域覆盖范围小等不足.论文将采用手机信令数据和POI(...     

网络环境下的前兆数据自动编排管理系统

通过在Intemet和局域网下开发的程序,实现了安徽省地震前兆数据自动编排管理。该网络程序可以自动检索和收集各地方台站上报的数据,然后将其按照规定的格式编排,通过纠错子系统检查无误后传至中国地震局数据中心。本系统可以将数据自动分类管理并做好备份,最大的优点是速度快、准确性高、操作方便。     

固体潮观测数据预处理中的常用方法及计算机实现

从地震台站产出的原始地形变前兆数据出发,提出实际操作性较强的预处理方法,从已编制好的软件中给出处理实例,从而提高地震台站观测人员的科研能力,填补资料预处理方面的某些空白,对于地震台站人员集观测、科研于一体有着十分重要的意义。从95-01-02项目厦门地震台前兆数据预处理的实践表明:这些方法取得了明显的实效,直到今天仍然具有很大的使用价值。     

一种高精度三通道强震动记录器的设计

为了适应中国数字强震动台网建设发展的需要,设计出了高精度三通道数字强震记录器,本文对该记录器作了简要介绍。高精度三通道数字强震记录器采用了高精度的Δ-∑类型的24位AD转换器,其有效转换位数达到17.5位。记录器支持本地串口通信、Modem远程拨号通信、TCP/IP网络通信等多种通信方式,仪器面板上有液晶屏、小键盘,直接支持自启动、参数设置等,并且实现了便携式低功耗设计方式,完全满足数字强震动监测网络建设发展的需求。     

利用光变曲线估计猎鹰九号火箭末级的旋转状态研究

光度观测是地基观测空间目标的主要手段之一,利用光度信息能够估计空间目标的相关特征信息.为了更好地了解空间目标的旋转状态,选取具有代表性的猎鹰九号火箭末级作为研究对象,由其光变信息研究旋转状态.首先利用云南天文台1.2 m光学望远镜获取猎鹰九号火箭末级的光度数据,再对目标星等进行斜距归一化,得到目标光变信息并分析目标星等...     

长三角地区城市国际化水平研究——基于来华外国人手机国际漫游信令数据

在深入理解城市国际化内涵的基础上,以来华外国人手机国际漫游信令数据为支撑,从外国人人流联系视角构建了城市国际化水平的评价方法框架,包括外国人流动网络中心度、外国人流动联系强度、外国人国籍多样度3个方面.以长三角三省一市为研究对象进行了实证分析,结果表明:城市的国际化水平与城市的规模及等级总体上具有正相关性,但中小城市通...     

青藏铁路填土路基热-力耦合离散元研究

多年冻土是含有冰的特殊土体,在自然环境变化及工程扰动下易发生冻胀融沉变形,严重威胁着青藏高原工程建筑物的安全稳定,特别对青藏铁路的畅通运营提出了严峻挑战.以青藏铁路五道梁地区路基断面为研究对象,采用颗粒离散单元法,通过建立热-力离散元计算模型,对路基的温度场和变形进行了计算和预测.结果表明:离散单元法克服了有限元方法无...     

一种面向基础地理信息资源数据库的框架实体索引方法

基础地理信息资源是电子政务、公众服务等领域地理信息服务的重要数据支撑,是各行各业最公共、最基础的空间信息资源.为了解决基础地理信息数据生产、管理、应用、服务的效率和质量,提出采用要素简约、属性标准化、实体编码等方法,对交通、水系、行政区划等框架数据进行抽象、建模,建立框架实体索引,构建由框架实体数据、分精度全要素基础地...     

南通时空信息云平台的设计与实现

设计并实现了南通时空信息云平台,具体包括平台服务、数据库和具有南通特色的智慧应用建设,重点剖析了南通时空信息云平台的相关关键技术和平台功能实现,为后续其他城市时空信息云平台的设计与建设提供参考和指导。     

基于Sentinel-2A的红树林提取机器学习方法比较

红树林和生态环境保护、生态平衡和生物多样性息息相关。使用Sentinel-2A数据获取海南省东寨港红树林保护区的遥感影像,对数据进行预处理,提取光谱特征、纹理特征和湿度特征,基于K近邻（K-nearest neighbor,KNN）、随机森林（random forest,RF）、决策树、支持向量机（support vector machine,SVM）和反向传播神经网络（back propagation neural network,BPNN）方法,通过多次实验提取出海南省东寨港红树林区域,并探讨了机器学习方法中不同类型分类器在提取红树林过程中的优缺点。结果表明：(1)Sentinel-2A的Band8A、Band11、Band12波段组合能够较好突出红树林特征,结合湿度特征和纹理特征可以提高红树林的分类精度;(2)基于机器学习方法能够准确提取红树林区域,其中,SVM分类精度最高,达到92.31%,BPNN、RF分类精度分别为88.46%、90.38%,Kappa系数表明分类结果具有良好的一致性;(3)比较不同机器学习方法对红树林的分类效果,发现SVM和BPNN等非线性方法能提取出更准...