A formal framework for the representation of stack-based terrains

This paper presents a formal framework for the representation of three-dimensional geospatial data and the definition of common geographic information system (GIS) spatial operations. We use the compact stack-based representation of terrains (SBRT) in order to model geological volumetric data, both at the surface and subsurface levels, thus preventing the large storage requirements of regular voxel models. The main contribution of this paper is fitting the SBRT into the geo-atom theory in a seamless way, providing it with a sound formal geographic foundation. In addition we have defined a set of common spatial operations on this representation using the tools provided by map algebra. More complex geoprocessing operations or geophysical simulations using the SBRT as representation can be implemented as a composition of these fundamental operations. Finally a data model and an implementation extending the coverage concept provided by the Geography Markup Language standard are suggested. Geoscientists and GIS professionals can take advantage of this model to exchange and reuse geoinformation within a well-specified framework.     

主题学习和稀疏表示的MODIS图像超分辨率重建

针对MODIS图像分辨率受传感器限制和噪声干扰,且分辨率局限在一定水平等问题,提出一种采用主题学习和稀疏表示的MODIS图像超分辨率重建方法,该方法通过双边滤波将MODIS图像的平滑及纹理部分分离,并将纹理部分看成是由若干"文档"组成的训练样本;运用概率潜在语义分析提取"文档"的潜在语义特征,从而确定"文档"所属的"主题"。在此基础上,针对每个主题所对应的图像块,采用改进的K-SVD方法训练若干适用于不同主题的高低分辨率字典对,从而可以运用这些字典对,通过稀疏编码实现测试图像相应主题块的超分辨率重建。实验结果表明,重建图像在视觉效果和PSNR等指标上均优于传统方法。     

基于机器学习的南京市旅游地个性及其文化景观表征

旅游地具有物质和精神双重属性。鉴于旅游地精神属性在量化表达和测量方面的困难,以往旅游地研究较少涉及。旅游地个性概念的提出为旅游地精神属性研究打开了思路。由于开展时间不长,当前旅游地个性研究大多基于营销学中的品牌个性研究思路展开,缺乏对地方适用性的考量,且尚未深入到对个性表征形式及表征机制的探讨。基于此,从地理学视角出发,选取城市旅游地作为研究对象,着眼地方特性,系统构建城市旅游地个性量表,在此基础上,开展针对案例地城市南京的个性测量和分析,并以城市文化景观作为表征媒介,深入探究城市旅游地个性的景观表征形式及表征机制。研究发现：城市旅游地个性主要包含态度、气质、性格、能力四大特征;城市文化景观是城市旅游地个性的重要表征媒介,包含现代空间景观、传统空间景观、生态景观、生活景观、社会景观五大维度;以上景观维度及其所辖景观元素在表征城市旅游地个性方面发挥不同作用。研究过程及结论为包括旅游地在内的地方精神属性研究提供了一种概念框架和方法体系,是对精神层面人地关系认识上的丰富。机器学习这一智能化探索型数据分析手段的运用为处理地理学中普遍存在的高维非线性噪声数据提供了有力的方法支撑。     

神农架北坡表土常见花粉的R值研究

根据表土孢粉分析和植被样方调查的比较研究，获得了神农架北坡表土常见花粉的R值，常绿阔叶树花粉一般具有较低代表性，R值变化于0．70左右，绝大部分落叶阔叶树花粉也具有较低代表性，R值变化于0．68－0．88之间，但桦，桤木和槭却表现异常，针叶树有气囊花粉具有明显的超代表性，R值变化在1．35－2．44之间，松表现最为强烈，草本植物花粉的R值变化较大，代表性较差，影响R值的因素很多，植物的生态特性，花粉特征，花粉源距离，花粉产量，地形等作用尤为明显。     

《军官地图集》的设计特色

本文根据作者参与组织指导《军官地图集》设计与生产的体会,从设计思想、结构模式、内容选题、表示方法、整体协调和制印工艺等方面阐述《军官地图集》的设计特色,通过对这一典型作品的剖析,探讨地图集设计与生产的基本规律。     

函数单形和外展开

针对气象工作需要,提出一种新的适用于多维问题的函数拟合方法。实质上本想法是窗口变换技术和小波分析的"粗化";,因为精细的小波分析在目前尚难用于方程数值解等气象问题。由此可以形式上构成一种分块的Galerkin方法,使大气控制方程求解并行化。     

小波神经网络模型在高铁路基沉降预测中的应用研究

为了提高变形监测数据预测的精度与可靠性,提高神经网络预测方法的稳定性,尝试将小波分析与BP神经网络相结合的小波神经网络应用于高铁路基处的沉降监测数据处理中。综合小波分析与神经网络算法的优点,建立松散型及紧致型小波神经网络预测分析模型。通过实验数据对比分析,验证了采用紧致型小波神经网络预测模型能够较好地用来处理路基的动态变形监测数据,预测稳定性及预测精度较高。     

剖分网格下顾及用户兴趣的矢量地图多尺度表达方法

在海量空间数据的组织与表达方面,与传统的空间数据模型与方法相比,地球剖分网格表现出了极大的优势。鉴此,本文提出了一种剖分网格下顾及用户兴趣的矢量地图多尺度表达方法,首先利用大量POI数据构建空间兴趣场模型,描述用户对地理信息的兴趣的空间分布;然后对空间要素进行分类分级,确定其表达的尺度范围;运用GeoSOT剖分理论划分不同层次的剖分面片,建立剖分面片与尺度的对应关系,根据用户对剖分面片所在区域的兴趣度大小,表达不同详细程度的空间要素,实现基于用户兴趣的空间数据多尺度表达。实验表明,该方法能够满足用户由概略到详细、由重要到次要的空间认知需求,同时能够获得较好的多尺度表达效果。     

DEM 地形描述误差的概率分布特征研究

以黄土丘陵1:1万DEM为基础数据,通过稀疏抽点法获取不同格网点布设位置下的DEM,进而分析不同分辨率DEM中单个地面点和区域地形单元的Et概率分布特征。实验结果表明:对于任意格网分辨率DEM,无论是不同布设方案下的单个地面点,还是区域地形单元,其Et的概率密度均呈现正态分布特征。对于单个地面点,如果以其为中心的3×3DEM格网单元区域以凸地形为主,其Et概率密度呈现出右偏正态分布特征;如果以凹地形为主,则呈现左偏正态分布特征,其他区域则呈现标准正态分布特征。     

国产资源三号测绘卫星DSM数据质量评价--以高海拔山区为例

为了评价国产资源三号测绘卫星DSM数据精度,在顾及地貌类型的情况下,以涵盖平原、台地、丘陵等地貌的高海拔山区为研究案例,并以1∶1万实测地形图DEM为假定真值,以90m分辨率SRTM DEM为评价参照,从高程精度和地形描述精度两个方面,对15m分辨率ZY-3DSM进行精度评价分析。研究结果表明:ZY-3DSM高程精度优于SRTM DEM,前者高程中误差仅为后者的1/6;就地形描述精度来讲,ZY-3DSM与SRTM DEM相比,其地形描述精度更接近理论值,前者RMS Et实际值仅为理论值0.99倍,而后者的实际值却是理论值5.13倍。由此看来,ZY-3DSM数据精度整体上高于SRTM DEM。