基于本体与LDAP的空间信息网格资源管理机制

为了在网格计算中满足空间信息系统在语义方面的特殊要求，克服传统网格研究的数据格式很少涉及信息资源的语义内容的缺陷，把本体和轻量目录访问协议结合到一起，建立了基于语义的空间信息网格资源管理系统，使多源异构的地理信息系统组成了一个虚拟统一的逻辑组织，有效地实现了基于语义的空间信息系统集成和互操作。     

关于我国国家基础地理信息系统数据库按内容分级的探讨——以1∶5万数据库为例

在诸多地理信息系统中,基础地理信息系统是各类地理信息系统用户的统一空间载体,面向全社会和各专业部门,因而国家基础地理信息系统数据库的产品需求既是最广泛的,也是最复杂的。本文针对社会上不同行业、部门对国家基础地理信息系统数据库产品的不同需求程度,以1∶5万数据库为例,采用调查、统计分析和空间分析的方法,把国家基础地理信息系统数据库按内容创造性地分为三个等级,并得出“国家基础地理信息1∶5万数据库内容等级划分方案”,为下一步三级数据库产品生产提供了参考。     

基于SVG的地理信息编码与DOM交互解析实现

SVG作为新兴的基于XML的矢量图形描述规范，在很多方面与地理信息系统中的基本概念表述一致。在对地理信息进行SVG编码的基础上，利用DOM对地理信息SVG编码文档进行解析，实现了基于SVG的Web地理信息发布实例。实验表明，采用SVG技术的通用性好、矢量显示质量高、响应速度快的优点来开发地理信息的Web应用，也是顺应Web地理信息发布发展需要的。     

基于MAPGIS的军事标图系统的设计

军事领域是一个非常特殊的行业，信息的安全性和空间数据的多样性是应用开发的重要问题。在全球信息化日趋高速发展和逐步成熟的今天，军队信息化建设也必须与GIS技术紧密结合，跟上时代前进的步伐。较系统地研究了GIS技术在军事标图绘制中的应用和集成问题，并提供了相应的理论方法和实现系统。在此基础上介绍了以MAPGIS为开发平台的军事标绘系统的实用功能和特点。首先分析了军事信息系统对地理信息数据的要求，并且评述了相关领域的研究现状。然后较为系统地介绍了军事标图系统的总体设计，根据军事标绘对象的数据特征，设计符合要求的应用系统提出了面向对象和无缝交互工具等的设计思想。对军标对象数据模型和操作模型进行了详细地阐述和说明，并将这些模型在系统中进行了实现。最后介绍了军事标图系统的主要模块和功能，探讨了今后GIS研究和发展的方向。     

武汉市区第四系含水层地下水有机污染敏感性研究

在详细调查武汉市水文地质条件和地下水污染现状的基础上，获得了高精度的武汉市水环境中微量有机污染物的组成数据。所检测出的有机组分达30余种，以苯及相关苯系物为主，污染程度较高的地下水主要分布在人口密集区和工业，商业区，应用改进的DRASTIC模型－地下水污染敏感性评价模型，在GIS平台上，编制了武汉市区地下水污染敏感性分区图。根据其评价结果，建议集中对那些敏感性相对较高的区域采取有效的环保措施，开发利用时应作出风险评价。     

青藏高原各拉丹冬地区冰川变化的遥感监测

以位于青藏高原长江源头的各拉丹冬地区冰川为例, 利用2000年的TM数字遥感影像资料、 1969年的航空相片遥感资料、地形图及数字地形模型, 通过遥感图像处理和分析提取研究区小冰期最盛期(LIA)、 1969年和2000年的冰川范围, 并在地理信息系统技术支持下分析该地区冰川的进退情况. 研究结果表明, 该地区1969年冰川面积比小冰期最盛期的冰川面积减少了5.2%, 2000年的冰川面积比1969年的冰川面积减少了1.7%. 从1969年到2000年最大冰川退缩速度为-41.5 m*a-1, 最大冰川前进速度为+21.9 m*a-1. 本区的冰川基本处于稳定状态, 冰川退缩的速度不是太大, 并有前进的冰川存在.     

MAPGIS管网开发平台的设计

设计了一个通用的管线信息系统开发平台。该开发平台构筑于大型GIS基础软件MAPGIS之上，具有完备的数据模型，强大的数据包容能力。采用多层次体系结构，包含网络数据管理与网络分析、管网工作区管理、专业管网工作区管理、管网工程管理、管网实用服务工具包、管网管理类库和控件库等多个模块。该开发平台同时支持API和组件接口，二次开发便利灵活，可以较好地满足管网应用系统的。在该平台基础上已开发出多个成功的管网信息系统，证明它具有广泛的应用前景。     

GIS支持下青海湖地区草地蝗虫发生的地形分析

草地蝗虫发生的地形分析是建立草地蝗虫发生预报模型的基础，以青海湖地区为实验区，在Arc/Info和ArcView地理信息系统的支持下，进行草地蝗虫发生与各地形变量（包括海拔高度、坡度与坡向）的叠置分析，提取草地蝗虫发生的地形信息数据库，然后，分别采用T－检验（对连续变量－海拔高度和坡度）和卡方（Chisquare)检验（对类变量－坡向类型）进行各地形变量对草地蝗虫发生的差异显著性检验，结果表明，海拔高度和坡度对草地蝗虫发生的影响极为显著（显著性水平p=0.000)，而坡向地草地蝗虫发生的影响不是特别明显（显著性水平p=0.039)。     

Use of Noise to Augment Training Data: A Neural Network Method of Mineral–Potential Mapping in Regions of Limited Known Deposit Examples

One of the main factors that affects the performance of MLP neural networks trained using the backpropagation algorithm in mineral-potential mapping isthe paucity of deposit relative to barren training patterns. To overcome this problem, random noise is added to the original training patterns in order to create additional synthetic deposit training data. Experiments on the effect of the number of deposits available for training in the Kalgoorlie Terrane orogenic gold province show that both the classification performance of a trained network and the quality of the resultant prospectivity map increasesignificantly with increased numbers of deposit patterns. Experiments are conducted to determine the optimum amount of noise using both uniform and normally distributed random noise. Through the addition of noise to the original deposit training data, the number of deposit training patterns is increased from approximately 50 to 1000. The percentage of correct classifications significantly improves for the independent test set as well as for deposit patterns in the test set. For example, using ±40% uniform random noise, the test-set classification performance increases from 67.9% and 68.0% to 72.8% and 77.1% (for test-set overall and test-set deposit patterns, respectively). Indices for the quality of the resultant prospectivity map, (i.e. D/A, D × (D/A), where D is the percentage of deposits and A is the percentage of the total area for the highest prospectivity map-class, and area under an ROC curve) also increase from 8.2, 105, 0.79 to 17.9, 226, 0.87, respectively. Increasing the size of the training-stop data set results in a further increase in classification performance to 73.5%, 77.4%, 14.7, 296, 0.87 for test-set overall and test-set deposit patterns, D/A, D × (D/A), and area under the ROC curve, respectively.     

Use of Fuzzy Membership Input Layers to Combine Subjective Geological Knowledge and Empirical Data in a Neural Network Method for Mineral-Potential Mapping

Use of GIS layers, in which the cell values represent fuzzy membership variables, is an effective method of combining subjective geological knowledge with empirical data in a neural network approach to mineral-prospectivity mapping. In this study, multilayer perceptron (MLP), neural networks are used to combine up to 17 regional exploration variables to predict the potential for orogenic gold deposits in the form of prospectivity maps in the Archean Kalgoorlie Terrane of Western Australia. Two types of fuzzy membership layers are used. In the first type of layer, the statistical relationships between known gold deposits and variables in the GIS thematic layer are used to determine fuzzy membership values. For example, GIS layers depicting solid geology and rock-type combinations of categorical data at the nearest lithological boundary for each cell are converted to fuzzy membership layers representing favorable lithologies and favorable lithological boundaries, respectively. This type of fuzzy-membership input is a useful alternative to the 1-of-N coding used for categorical inputs, particularly if there are a large number of classes. Rheological contrast at lithological boundaries is modeled using a second type of fuzzy membership layer, in which the assignment of fuzzy membership value, although based on geological field data, is subjective. The methods used here could be applied to a large range of subjective data (e.g., favorability of tectonic environment, host stratigraphy, or reactivation along major faults) currently used in regional exploration programs, but which normally would not be included as inputs in an empirical neural network approach.