河南省农业气象情报资料处理系统

根据实际业务工作的需要，使用C＋＋Builder可视化开发工具，开发了Windows环境下的河南省农业气象情报资料处理系统，该系统具有报码分析、文本生成和图形显示等功能。     

有序性分析与新疆7级强震预测

自然数可以视为反映世界客观本质的一种重要秩序，即信息，它不因加法处理而失真［１］。强地震在一定的时空范围内重复出现的现象称为有序性。自１７１６年以来，新疆及其邻区７级以上强震在时间上具有良好的有序性，有些强震在空间上亦表现出一定的有序性。强地震时间间隔值以６０、３０、４１、１９和１１年占据主导分布，并且相互之间关系密切。根据强震活动的有序性结构可进行预测：该地区未来Ｍ≥７强震可能发生在２００４年和２０１５年前后。     

A novel index to evaluate discretization methods:A case study of flood susceptibility assessment based on random forest

The selection of a suitable discretization method(DM)to discretize spatially continuous variables(SCVs)is critical in ML-based natural hazard susceptibility assessment.However,few studies start to consider the influence due to the selected DMs and how to efficiently select a suitable DM for each SCV.These issues were well addressed in this study.The information loss rate(ILR),an index based on the informa-tion entropy,seems can be used to select optimal DM for each SCV.However,the ILR fails to show the actual influence of discretization because such index only considers the total amount of information of the discretized variables departing from the original SCV.Facing this issue,we propose an index,infor-mation change rate(ICR),that focuses on the changed amount of information due to the discretization based on each cell,enabling the identification of the optimal DM.We develop a case study with Random Forest(training/testing ratio of 7:3)to assess flood susceptibility in Wanan County,China.The area under the curve-based and susceptibility maps-based approaches were presented to compare the ILR and ICR.The results show the ICR-based optimal DMs are more rational than the ILR-based ones in both cases.Moreover,we observed the ILR values are unnaturally small(＜1％),whereas the ICR values are obviously more in line with general recognition(usually 10％-30％).The above results all demonstrate the superiority of the ICR.We consider this study fills up the existing research gaps,improving the ML-based natural hazard susceptibility assessments.     

基于空间信息网格（SIG）的矿产资源评价

随着GIS的普及和深化,空间信息的大数据量、高复杂性和难共享的问题对其研究和应用提出了新的挑战.空间信息网格（Spatial Information Grid,SIG）作为创新性的网络空间信息基础设施和技术体系,为解决这些问题提供了新的契机.本文在给出SIG基本定义和基本特征的基础上,就如何实现基于SIG的矿产资源评价进行了有益的探索和实践,并取得了很好的效果,为矿产资源评价提供了新的方法和思路.     

BIM技术在深基坑工程中的应用探讨

BIM技术是一种新型的设计方法,它实现了设计从二维空间向三维空间变革,从静态的信息向动态的信息发展。在大量查阅国内外有关基坑支护设计研究文献的基础上,综述了基坑支护设计方法,分析了不同设计软件优缺点和设计方法需解决的关键性理论问题,提出了基于BIM技术在深基坑工程中的应用设想,分析了BIM技术应用在深基坑工程中需解决的关键性技术问题,为相关研究提供参考借鉴。     

应用于砂岩型铀矿找矿的遥感-航测信息集成模型构建

应用遥感-航测(航放和航磁)信息集成技术,针对砂岩型铀矿找矿的几个重要条件:如盆地内部构造、含矿目的层、水文条件和矿化条件,构建了构造、岩性、水文和矿化4种信息集成模型.将这4种信息集成模型应用于示范区,在已知的矿化地段得到的结果与实际勘探的成果符合较好,提高了预测的准确性.     

基于SuperMap的松花江流域地理信息系统

松花江流域地理信息系统利用地理信息系统技术,以组件式GIS-SuperMap为基础,对松花江全流域空间信息进行管理,不仅实现了松花江全流域的污染模拟分析功能,还融合遥感影像、数字高程模型,实现了松花江全流域三维动态模拟功能.松花江流域地理信息系统的开发,对于实现水资源的可持续开发利用和流域的可持续发展具有重要意义.     

耕作措施对陕西耕作土壤碳储量的影响模拟*

鉴于农业生态系统土壤有机碳(SOC)平衡对中国农业可持续发展的重要性,文章以陕西农业生态系统为对象,整合农业生物地球化学模型(DNDC)与陕西农业地理信息系统数据库,利用陕西地区气象和作物资料,对陕西省2000年作物生长发育和土壤碳循环进行了模型模拟,实例探讨了耕作管理对土壤碳储量的影响,并由此评价生物地球化学模型在气候变化、土壤性质及农业耕作管理措施对土壤碳含量影响方面的预测能力。敏感性分析表明土壤性状,尤其是初始有机碳含量是影响模型区域尺度模拟的最主要敏感因素。区域模拟使用灵敏系数分析法,分别采用敏感因子的最大、最小值驱动模型在每一模拟单元内的运算,以产生一个土壤有机碳变化的范围值,土壤有机碳变化的真实值应以较大机率包含在这一范围内。分析模拟结果可以得出3点结论: 1)2000年陕西耕作土壤总有机碳储量约为103TgC,是一个大气CO₂源,向大气释放碳0.5TgC; 2)提高作物秸秆还田率是提高陕西农田碳库储量的有效可行措施,将作物秸秆还田率从当前的15 ％ 提高到50 ％ 或90 ％ 会使陕西农田土壤从大气CO₂源转变为汇,每年分别增加土壤有机碳库储量0.7TgC或2.1TgC; 3)施用有机农肥(500kg/hm²)也会增加土壤碳输入,从而提高土壤碳储量,使陕西农田系统转变为较弱的碳(C)源,每年可多固定0.2TgC。     

福建漳州、华安、龙岩地区地震时间分布结构信息维的特征

岩石破裂实验,地球岩石层断裂构造运动,地震孕育、发生和发展过程等研究表明,地震活动的时间、空间和强度分布特征具有分形结构。作为一种分维理论的应用,本文利用厦门数字化地震遥测台网的数据,采用信息的分析方法,对福建省的地震多发区-漳州、华安、龙岩地区的地震活动进行了分析和研究,讨论了信息维随时间变化的特征。     

Towards 3D map generation from digital aerial images

This paper describes the fusion of information extracted from multispectral digital aerial images for highly automatic 3D map generation. The proposed approach integrates spectral classification and 3D reconstruction techniques. The multispectral digital aerial images consist of a high resolution panchromatic channel as well as lower resolution RGB and near infrared (NIR) channels and form the basis for information extraction.Our land use classification is a 2-step approach that uses RGB and NIR images for an initial classification and the panchromatic images as well as a digital surface model (DSM) for a refined classification. The DSM is generated from the high resolution panchromatic images of a specific photo mission. Based on the aerial triangulation using area and feature-based points of interest the algorithms are able to generate a dense DSM by a dense image matching procedure. Afterwards a true ortho image for classification, panchromatic or color input images can be computed.In a last step specific layers for buildings and vegetation are generated and the classification is updated.