可配置地质环境评价系统研究与应用

地质环境评价是掌握地质环境时空格局、变化趋势,开展地质环境防治保护管理工作的必要前提和重要手段。根据不同的应用目的,地质环境评价需采用不同的指标体系和数据,而且随着地质环境业务的发展,指标体系和数据也会不断扩展和变化。为了适应地质环境评价发展的需要,本文提出并研发了可配置的地质环境评价系统,该系统围绕地质环境评价核心过程,通过配置层可以对地质环境评价指标因子及权重、指标数据源及获取方法、指标评价计算方法,以及指标分级标准与空间可视化方法等多个环节进行灵活设置。与传统的地质环境评价软件相比,可避免地质环境评价指标或数据源发生变化时,需要重新进行软件编码、重新组织数据库等问题。唐山市应用实践表明,该系统具有良好的可配置能力、扩展性和应用性。     

基于网格计算环境下的空间信息多级格网研究

本文提出一种适应网格计算环境下的空间信息多级格网(SIMG，Spatial Information Multi-Grid)技术，通过将网格计算技术与地学格网相结合，提出SIMG的构想并探讨其关键技术的实现；通过研究格网内细部地物表示的精度，力求建立SIMG的划分标准，从而建立我国空间信息多级格网的体系结构。     

面向地学计算的资源环境科学数据共享平台的设计

目前,在我国的资源环境科学领域中,数据、计算和服务等各种资源存在着共享少、冗余大、标准杂等问题。而信息技术的飞速发展给资源环境科学领域的信息技术基础--地理信息系统带来强大的技术支持。鉴于此,本文以中国科学院资源环境科学数据共享平台建设为例,系统地介绍面向地学科学计算的资源环境科学数据共享平台的设计以及所采用的关键技术--元数据标准/元数据数据库技术、XML/GML技术以及网络会议/多媒体技术等。     

���ڳ��������ƽ̨�IJ��н⼼�����������������е�Ӧ��

???????????????????н?????????????????????е???????????漰??????????л?????????????????????????????????????λ????????С????????,?????OpenMP??MPI??????л??????????Ч???     

基于SuperMap的济南市房屋安全管理云设计与实现

以济南市房屋安全管理云的整体设计与实现为研究内容,充分论述了该项目的建设目标、架构设计、建设内容和创新点,建设过程中广泛的引入了大数据、云计算、三维实景测量等先进技术手段,运用SuperMap系列GIS软件进行开发设计,为房屋安全管理模式的创新提供了有效的技术保障,为智慧房管建设提供了有益的探索和实践。     

基于密度的线数据分组算法研究

目前,地理空间数据面临着由于数据量膨胀和计算量高速增长而引起算法效率低的问题,采用"分而治之"的数据分组策略提高运算效率已成为研究的热点。面向分布不均匀的线数据,本文提出了基于密度的线数据分组算法(简称LGAD)。首先,算法通过查找高密度区提取样本线段,保证了分组算法的起点落到高密区;其次,考虑线空间拓扑关系的复杂性,引用水平、垂直和夹角距离度量线段间距离,创建样本线段与其他线段的距离矩阵;最后,以距离矩阵和最优选择方法实现数据负载均衡分组。实验结果显示,对数据分组和分组后数据进行线段聚类的2个过程中,该算法体现了较好的时间优势,与串行计算相比,在分组数为2-12 时,平均比率达4.3,提高了应用的响应速度,具有较好的实际意义。     

基于Pfafstetter规则的流域编码算法并行化方法

流域编码是以子流域划分进行流域相关研究的重要内容。Pfafstetter 流域编码以编码唯一、顾及流域拓扑关系及编码效率高等优点而被广泛采用。本文在流域相关研究的分析范围不断增大、数据精度越来越高的需求背景下,以Pfafstetter 编码为基础,对流域编码并行化方法进行研究。首先,分析了Pfafstetter 编码不全面和码位不一致的问题,改进了Pfafstetter 编码规则;然后,从数据并行的角度,讨论了并行计算环境下的数据划分及并行化策略,进而设计了流域编码并行算法;最后,利用长江中上游流域SRTM数据,在集群系统上对流域编码并行算法的正确性和并行性能进行了测试。实验结果表明,本文设计实现的流域编码并行算法可获取与实际较为一致的计算结果,且提高了编码计算效率,可为基于子流域划分的流域分析并行化提供参考。     

高分辨率遥感影像目标分类与识别研究进展

高分辨率遥感影像的目标分类与识别,是对地观测系统进行图像分析理解,以及自动目标识别系统提取目标信息的重要手段。本文综述了当前国内外在可见光、红外、合成孔径雷达和合成孔径声纳等遥感影像的目标分类与识别的关键技术和最新研究进展。首先,讨论了高分辨率遥感影像的目标分类与识别问题的主要研究层次和内容;其次,深入分析了高分辨率遥感影像目标分类与识别,在滤波降噪、特征提取、目标检测、场景分类、目标分类和目标识别的关键技术及其所存在的问题;最后,结合并行计算、神经计算和认知计算等技术,讨论了目标分类与识别的可行性方案。具体包括：（1）高性能并行计算在高分辨率遥感图像处理的主流技术,并给出了基于Hadoop+OpenMP+CUDA的高分辨率遥感影像混合并行处理架构;（2）深度学习对于提升目标分类和识别精度的应用前景,以及基于深度神经网络的多层次遥感影像目标识别方法;（3）认知计算在解决遥感影像大数据不确定性分析的模型与算法,并讨论了层次主题模型的多尺度遥感影像场景描述方案。此外,根据媒体神经认知计算的相关研究,探讨了遥感影像大数据的目标分类和识别的发展趋势和研究方向。     

基于深度学习的滑坡灾害易发性分析

滑坡灾害成因机理复杂、影响因素众多,深度学习作为当前人工智能领域的热点,能够更好地模拟滑坡灾害的形成并准确预测潜在的斜坡。为了挖掘深度学习在滑坡易发性的应用潜能,本文构建了一维、二维和三维的滑坡数据表达形式,并提出3种基于卷积神经网络模型（Convolutional Neural Networks, CNN）的滑坡易发性分析处理框架：基于CNN分类器、基于CNN与逻辑回归的融合和基于CNN集成,最后以江西省铅山县为研究对象进行验证,结果表明：所有基于CNN的易发性模型都能够获得准确且可靠的滑坡易发性分析结果。其中,基于二维数据的CNN模型在所有单分类器中预测精度最高,为78.95%。此外,二维CNN特征提取能够显著提升逻辑回归的预测精度,其准确率提升7.9%。最后,异质集成策略能够大幅度提升基于CNN分类器的滑坡预测精度,其准确率提升4.35%~8.78%。     

多边形叠加Vatti算法的VCS优化方法与GPU并行化

Vatti算法是常用的矢量多边形裁剪算法之一,在其构建扫描束实现交点计算的过程中,二叉树的数据结构和递归计算方法导致其计算效率受矢量多边形边界顶点数量影响显著。本文针对Vatti算法执行过程中较为耗时的扫描束构建环节,提出了一种多边形边界顶点预排序的优化方法——VCS（Vertex Coordinate Pre-Sorting）方法,并基于该方法实现了对Vatti算法的GPU细粒度并行化。VCS方法使用双向链表对Vatti算法原有的二叉树数据结构进行了替换,以较小的额外存储空间取得了多边形边界顶点信息查找效率的明显提升。在GPU环境下采用双调排序算法对多边形边界顶点数组元素进行并行化排序并过滤出有效值,克服了原始算法使用二叉树存储导致效率低下的问题。实验结果表明,改进后的算法与原始算法相比,具有相同的计算精度;当多边形顶点数量为92万,CUDA每个线程块中的线程数量为32时,使用VCS优化方法,与采用CPU计算构建扫描束方法相比,GPU并行化方法获得了39.6倍的相对加速比,矢量多边形叠加分析算法效率总体上提升了4.9倍。