RegCM3模式对中国东部夏季降水的模拟试验

利用最新发布的区域气候模式RegCM3对1998年5—8月中国东部降水进行了模拟试验，考察了模式对降水和大尺度环流系统的模拟能力。结果表明：不同对流性降水方案对不同月份、不同区域的降水模拟效果差别较大，采用Kuo方案和Grell方案时模拟的降水效果要好于BM方案；RegCM3能较成功地再现异常降水的月际尺度变化和空间分布等基本特征；模式还较好地模拟了西太平洋副高脊线的演变过程和两次向北传播的季节内振荡。该模式可应用于中国东部夏季风降水的研究。     

城市热岛效应监测方法研究进展

城市热岛效应是一种由于城市建筑及人们活动导致的热量在城区空间范围内聚集的现象,是城市气候最明显的特征之一.由于城市热岛影响因素以及相互关系的复杂性,为了精确细致地描述其时空分布,人们采用了多种方法来研究城市热岛现象,主要归纳为：气象站法、定点观测法、运动样带法、遥感测定法以及模拟预测等.最后,认为各种测定方法都存在一定的缺陷,建议多种测定方法综合运用.     

长江下游一次大暴雨的中尺度模拟分析

运用中尺度数值模式（MM5V3.6）对2004年6月25日长江下游地区一次大暴雨天气过程进行了数值模拟,结合天气形势和卫星云图对此次过程进行了分析.结果表明：在东北冷涡和西太平洋副热带高压两大天气尺度系统的作用下,西南低空急流的再次加强和中低层切变线共同作用是此次大暴雨过程的主要原因.螺旋度分析表明,在不均匀的强上升气流的作用下,涡旋的水平分量向垂直分量转化是此次强降水的可能机制之一.     

HDF-EOS数据格式及其数据导入

HDF-EOS作为NASA存储和发布EOS数据的标准，专门用于处理各种EOS产品。掌握HDF-EOS数据格式和数据导入是能够充分开发和应用EOS数据信息的关键。文中介绍HDF数据文件中图像模块、科学数据、Vdata模块(表格数据)的结构，HDF-EOS数据文件中点、条带、网格数据和元数据的的数据格式，以及打开HDF格式数据实现对HDF-EOS数据导入浏览的相关软件。     

房产测绘平面图系统的实现研究

随着城市规划管理的不断发展．使得城市房产测绘单位采用大型空间数据库管理测绘平面图资料成为必然。通过建立房产测绘平面图系统，可以有效地解决数据标准不一致．图数不能互访，测绘各部门无法协调一致等问题，充分发挥网络功能，提升整个城市的房产管理水平．达到房产管理和房产服务一体化的目标。本文详细论述了房产测绘平面图系统的概念、设计原则和系统功能．在南京数字房产共享平台的建设中得到了实现．并取得了良好的效果。     

基于数字摄影测量的GIS数据获取

作为一种重要的数据获取的手段，数字摄影测量技术逐渐得到了GIS工作者的重视。本文的作者着重探讨了数字摄影测量作为获取GIS数据的手段所具有的优势，同时结合自己在超高压输电线路数字化运行维护管理系统中的开发工作，具体介绍了一种用数字摄影测量获取GIS数据的方法。     

预应力张拉引起的环吊轨道变形测量数据精度统计方法

运用测量数据精度统计方法，分析某核电站一号核岛核反应堆厂房环吊轨道的测量数据，从测量学角度提出预应力张拉引起环吊轨道变形的结论。这种以测量理论研究建设工程中实际问题的方法，可供借鉴。     

Landsat7 ETM＋影像的融合和自动分类研究

利用SFIM、MLT、HPF和修改的Brovey(MB)等遥感影像融合算法对Landsat 7 ETM 影像进行融合和自动分类研究，并就融合影像的光谱保真度、高频空间信息融人度和分类精度对这些方法进行评价。结果表明SFIM变换几乎完全保持了原始影像的光谱特点，并具有最高的平均分类精度；MB变换具有最高的高频空间信息融人度；MLT变换也具有较高的分类精度；只有HPF变换的各项指标都不突出。所有4种融合影像的分类精度都较原始影像的分类精度有明显的提高。这表明，源于同一传感器系统的不同分辨率影像的融合可以避免异源传感器融合影像所常见的各种参数、时相和配准误差，所以能够明显地提高影像的自动分类精度。     

基于地理认知的GIS数据元模型研究

将G IS相关认知活动分为类型分层、实体分层和地理实体的具体描述,并在此基础上对G IS数据元模型的结构进行描述。该数据元模型可以较好的实现地理数据不同层次的语义表达及数据间一定程度语义关系的表达,并有利于不同尺度地理分析和决策所需相关地理信息的高效提取。     

基于DMN的高光谱图像分割方法研究

简述高光谱遥感光谱特征体系(包括光谱曲线特征、光谱变换特征和光谱度量特征3个层面)。研究马尔科夫网的概念和方法,生成基于光谱角(SA)特征度量的DMN,并以DMN为证据对高光谱图像进行分割;研究和实验表明基于SA信息的马尔科夫网可以很好地综合高光谱数据空间特征与光谱特征间的关系,为进一步数据处理提供优化控制(其实质是概率神经网络)。最后提出未来应用和研究方向。