基于空间数据引擎构建GIS应用

以利用空间数据引擎构建GIS应用为主要研究内容,从体系结构、核心技术、工作流程等方面对该技术做了详细介绍,又以MapInfo Spatialware为例,给出了基于MapInfo Spatialware构建GIS应用的解决方案。     

城市人口分布空间自相关的功率谱分析

从理论上可以证明标准的城市人口密度负指数距离衰减模型本质上是一种空间相关函数,基于这种思想对Clark模型进行Fourier变换,可以导出城市人口密度的幂次频谱分布,且功率谱指数理应为β=2±。负指数与幂指数的这种变换关系暗示了城市地理系统简单与复杂的辩证关系。借助中国杭州市4年的人口普查资料转换的平均人口密度分布数据对上述推论进行检验,发现β渐进式趋近于2但并不约等于2。将β值进一步换算为人口过程的分维D和Hurst指数H,结果表明：城市人口具有长程负相关作用,但这种空间作用显示明确的局域化倾向。目前的城市形态演化模拟几乎无一例外地引入了长程作用,根据杭州人口分布的局域化特征,有关地理长程作用的假设和应用有必要重新探讨。     

地学信息图谱时空维的诠释与应用

地学信息图谱所研究的地理空间规律和地理过程均具有一定的区域相似性, 故其在空间和时间上具有一定的区域特征,因此对地学信息图谱的研究均有空间和时间尺度方面的范畴。尺度是研究客体或过程的空间维和时间维。根据研究性质、研究对象的空间规模等方面的不同,地学信息图谱的空间尺度可分为大尺度、中尺度和小尺度;按研究的时间尺度不同,地学信息图谱的时间尺度可分为长时间尺度、中等尺度和短时间尺度。地学信息图谱的时空维是指地学信息图谱数据源的时空维或地学信息图谱可以表达的时空维,不同的时空维表达不同的特征和内容。     

磁尾爆发性整体流与亚暴的关系

利用星簇Cluster的三颗卫星(C1, C3和C4)在2001年和2002年的数据,研究磁尾爆发性整体流（BBF, Bursty Bulk Flow）事件及其与亚暴的关系. 三颗卫星可以同时观测到同一次BBF事件, 有时只有一颗或两颗观测到BBF,其原因有:（1）等离子体整体流的速度峰值满足BBF选取原则中的峰值要求, 但卫星的运行轨道不满足;（2）卫星处于所要求的区域内,等离子体整体流的速度峰值不满足;（3）中性片的复杂结构及其运动使得选取条件不能同时满足;（4）BBF空间分布高度局域化. 统计研究结果表明：单颗卫星观测存在局限性, C1、C3和C4卫星独立观测到BBF的持续总时间分别占它们联合观测到的5507%、7748%和5552%; 大部分亚暴爆发期间都能观测到BBF, 甚至在一次亚暴爆发期间观测到多次BBF; 少数亚暴爆发期间没有观测到BBF.     

数字城市:智能城市的初级阶段

针对国内外数字城市研究和建设中的主要问题,介绍了全球化进程中正在兴起和汇聚的新技术———物联网与传感器网络、空间信息网格等为数字城市的演进提供的可行性。提出数字城市的发展必然导向智能城市,并将数字城市作为智能城市的初级阶段进行重新诠释;提出为了适应数字城市向智能城市进化,数字城市系统的构建必须满足开放性、易拓展性、可重用性、可动态适应的智能性等特征。     

重要信息系统的灾难恢复刍议

现代社会和生活越来越依赖于IT系统,信息系统遭到灾难和毁灭性打击将是社会公众的灾难和噩梦。美国“9.11”事件中纽约交易所成功实施了信息服务灾难恢复计划,使得全球对于“业务连续和灾难恢复”有了重新的认识。在我国,信息安全也日益成为政府部门管理层、企业和公众关注的重要话题。企业的弹性、系统的健壮性,信息系统的抗毁性与灾难恢复日益深入人心,风险管理越来越为业界所重视。地震部门在政府应急联动系统中具有重要作用,其本身的信息系统安全已逐步引起重视。     

晚新生代洛川典型风尘堆积序列的延伸

对中国黄土标准剖面———洛川黄土剖面之下的上新世红黏土进行了沉积特征和磁性地层学的研究,结果表明洛川红黏土堆积于约2.6~3.2 MaBP期间,从而确定世界惟一的黄土类地质公园的风尘开始堆积的年代约为3.2 MaBP。古气候替代性指标磁化率和粒度的分析表明,洛川风尘堆积序列记录了上新世到第四纪古气候的重大转型。     

三江源国家公园生态系统服务时空变化及权衡-协同关系

本文基于“当量因子法”、空间自相关及相关系数等方法,定量分析了1990—2015年三江源国家公园生态系统服务的时空变化及生态系统服务间的权衡与协同关系。结果表明：① 1990—2015年,三江源国家公园生态系统服务价值呈不断上升趋势,从研究初期的542.37亿元增加至研究末期的834.70亿元,增长292.33亿元,增幅53.90%,每一阶段平均增长率为9.01%;长江源园区与黄河源园区生态系统服务价值占比情况与三江源国家公园整体情况一致,水域的生态系统服务价值最高,其次为草地、湿地,其中草地与水域提供了各园区90%以上的生态服务;澜沧江源园区的生态系统服务占比则为草地（70.58%）、湿地（23.58%）、水域（3.38%）。② 空间上,长江源园区及澜沧江源园区的生态系统服务价值呈东南高西北低的特征;黄河源园区则呈现西高东低特征。③ 相关分析表明,协同关系是三江源国家公园生态系统服务之间的主导关系,但各生态系统服务之间的相关程度各异。④ 数量方面,4类典型生态服务之间的权衡与协同关系的Moran′s I指数与相关性系数表现一致;空间分析方面,生态系统服务之间权衡与协同关系的异质性显著。     

浙江省县域旅游经济增长的空间溢出效应

论文以浙江省65个县域单元为例,综合运用探索性空间数据分析和空间杜宾模型,实证了2004—2016年浙江省县域旅游经济增长及其影响因素的空间溢出效应。结果表明:① 研究期内浙江省县域旅游经济整体表现出较强的空间依赖性,局部空间关联类型以高—高和低—低集聚为主,高—高集聚区主要位于中心市区,低—低集聚区主要位于浙西和浙南等地。旅游经济增长的空间自相关性表明考察其演化路径时不可忽视空间效应的存在。② 浙江省县域入境和国内旅游经济增长均存在显著的空间溢出效应,本地入境和国内旅游经济每增长1%,将会带动邻近县域入境和国内旅游经济分别增长0.192%和0.249%。经济发展水平、旅游资源禀赋、旅游基础设施和区位交通条件等均具有显著的空间溢出效应,忽视旅游经济增长的空间效应,将会高估这些因素的作用强度。③ 驱动旅游经济增长的各影响因素的作用强度和影响路径存在显著差异,未来应充分关注入境和国内旅游经济增长的空间依赖特征,将驱动旅游经济增长的各因素齐抓并举,方可实现县域旅游经济的高质量发展。     

Wall-to-wall spatial prediction of growing stock volume based on Italian National Forest Inventory plots and remotely sensed data

Spatial predictions of forest variables are required for supporting modern national and sub-national forest planning strategies, especially in the framework of a climate change scenario. Nowadays methods for constructing wall-to-wall maps and calculating small-area estimates of forest parameters are becoming essential components of most advanced National Forest Inventory (NFI) programs. Such methods are based on the assumption of a relationship between the forest variables and predictor variables that are available for the entire forest area. Many commonly used predictors are based on data obtained from active or passive remote sensing technologies. Italy has almost 40% of its land area covered by forests. Because of the great diversity of Italian forests with respect to composition, structure and management and underlying climatic, morphological and soil conditions, a relevant question is whether methods successfully used in less complex temperate and boreal forests may be applied successfully at country level in Italy.For a study area of more than 48,657 km² in central Italy of which 43% is covered by forest, the study presents the results of a test regarding wall-to-wall, spatially explicit estimation of forest growing stock volume (GSV) based on field measurement of 1350 plots during the last Italian NFI. For the same area, we used potential predictor variables that are available across the whole of Italy: cloud-free mosaics of multispectral optical satellite imagery (Landsat 5 TM), microwave sensor data (JAXA PALSAR), a canopy height model (CHM) from satellite LiDAR, and auxiliary variables from climate, temperature and precipitation maps, soil maps, and a digital terrain model.Two non-parametric (random forests and k-NN) and two parametric (multiple linear regression and geographically weighted regression) prediction methods were tested to produce wall-to-wall map of growing stock volume at 23-m resolution. Pixel level predictions were used to produce small-area, province-level model-assisted estimates. The performances of all the methods were compared in terms of percent root mean-square error using a leave-one-out procedure and an independent dataset was used for validation. Results were comparable to those available for other ecological regions using similar predictors, but random forests produced the most accurate results with a pixel level R² = 0.69 and RMSE_% = 37.2% against the independent validation dataset. Model-assisted estimates were more precise than the original design-based estimates provided by the NFI.