三维Hilbert曲线层级演进模型与编码计算

格网单元的编码计算是全球离散网格系统的核心,支撑着网格快速索引及应用分析的高效计算。Hilbert曲线具有聚簇性高、连续性强的特点,是研究设计全球离散网格编码的重要工具。利用Hilbert曲线进行格元编码实现了坐标等效降维表达,但是对Hilbert曲线不同层级之间的变换关系、一维Hilbert码如何刻画格元多维空间结构与关系等网格编码基础理论问题的研究尚不完备。本文以八叉树立体网格中三维Hilbert曲线层级演进关系为突破口,使用状态矩阵与演进矩阵构建层级演进模型,进而分别设计笛卡儿坐标至Hilbert码计算以及邻近格元Hilbert码计算方法。与现有算法对比,本文算法以层级演进模型为理论基础,避免了烦琐迭代步骤以及转换步骤,算法流程简明直接。试验结果表明,本文笛卡儿坐标至Hilbert码计算效率较迭代算法提高为7%~23%,邻近格元Hilbert码计算效率较转换算法提高4.0~4.5倍。     

四川芦山余震序列空间格局分析

以芦山3级以上余震数据为基础,运用GIS等方法对余震空间格局进行了研究。结果表明：1.点格局的最邻近指数为0.72,偏离随机分布,暗示余震分布具有一定聚集性：芦山、宝兴、天全是余震分布的中心区域,占总余震的87%,高震级余震也多发于此;2.距离关联维分析表明,余震在2.5~10.5km、17~22km区间内关联程度显著;32~35.5km、36~40km区间也存在关联特征,该结果与地震烈度区长短半轴、地震破裂面长度较为吻合。研究探索了余震空间点格局,对分析、判断余震特征和灾害预防具有借鉴意义。     

近邻景区客流季节性比较及其动态关联研究——以西递、宏村、黄山为例

季节性是旅游明显而又重要的特征,要实现旅游业的高效管理,对于旅游季节性的充分理解是必不可少的。本研究以同一旅游目的地区域内的近邻景区为案例(西递、宏村和黄山),利用“十一五”期间的连续月度数据,采用季节调整方法对近邻景区客流的季节性进行分析和比较,在此基础上,运用协动性分析方法,进行近邻景区客流季节性和非季节性因素的动态关联分析,借助动态关联分析结果,探究景区客流季节性的形成根源,反映近邻景区相互作用等非季节性因素在季节性上的表现。研究表明,结合景区间相互作用等非季节性因素进行景区客流季节性研究,有利于全面认识和理解景区客流的季节性,从而增强景区管理的针对性和实效性。     

OSDS注册用户空间分布特征及影响因素分析

本文以2005年以来中国科学院遥感与数字地球研究所开放式空间数据共享网站（OSDS）平台的注册用户为研究对象,利用最近邻层次空间聚类方法和地理探测器模型,对各省注册用户量的空间分布特征和差异影响因素进行了分析。分析结果表明,整体上用户空间分布很不均衡,主要集中在东部发达地区和几个在测绘和地理信息科学领域卓有建树的地区,信息、科研和教育是主要影响因素,经济、网络和测绘的单因素影响力较低,而与主要影响因素结合的交互影响得到了提升。因此,多因素共同制约着用户群的空间分布格局和区域不均衡性。应用地理探测器能从宏观上把握遥感学者群体的空间分布特征及其影响因素,其分析结果能够指导数据提供者更有针对性地为用户提供服务,也可为遥感产业调整和空间布局优化提供依据。     

基于自组织理论的巴丹吉林沙漠高大沙山空间分布特征研究

通过最邻近距离法定量描述了巴丹吉林沙漠高大沙山空间分布特征,分析和讨论了巴丹吉林沙漠高大沙山的主要成因和影响因素。结果表明:研究区内高大沙山空间分布的均匀程度整体上呈现出由西向东逐渐增大的趋势,而东南部靠近雅布赖山地区略有降低,最邻近指数R主要分布在1.29~1.63。沙山底面积和沙山绝对高度在空间上同样呈现出由西向东逐渐增大的趋势,但巴丹吉林沙漠高大沙山空间分布均匀程度的发展并不直接受到所在地海拔的影响。巴丹吉林沙漠高大沙山在空间分布上具有较高的自组织特征,而风力作用是塑造和维持巴丹吉林沙漠高大沙山巨大高度与自组织排列特征的主要力量。     

汶川及芦山地震余震分布的空间尺度效应

基于GIS点格局方法,从余震点分布的不确定性以及烈度区与点空间距离格局的关系角度研究了汶川及芦山余震点格局．结果表明:余震在较小尺度内接近随机分布且关联效应明显; 在较大尺度内余震聚集分布,空间距离关联仍呈幂律关系,无标度区间的上下限与不同烈度区的长短轴间存在关联．汶川、 芦山余震形成东北—西南向矩形的热点、 次热点分布区,区域内最邻近指数为0.99,0.76; 映秀Ⅺ度、 芦山Ⅸ度烈度区内最邻近指数分别为1.02和0.95,显示余震点在强烈度、 高聚集区内趋向随机分布．余震点距离关联特征表明:汶川余震在13.5—20 km和30—43 km区间,芦山余震在7—14.5 km区间内关联程度显著; 汶川余震在66—82 km、 225—236 km、 317—321.5 km区间以及芦山余震在15.5—22 km、 23—32.5 km、 33.5—43.5 km区间仍呈幂律关系. 该结果与汶川地震Ⅺ—Ⅸ度、 芦山地震Ⅸ—Ⅶ度烈度分布区域的长短轴存在一定关联,321.5 km和40 km与两次地震主破裂面长度也较为吻合. 对比核密度估计与地震烈度图可以看出: 带宽越小,核密度面积与较高烈度区域的一致性越大; 随着带宽的扩大,核密度面积与烈度区的差异也越大．      

基于协调过程的地图政区自动着色

地图制图中行政区划通常用颜色来区分,本文以Heawood定理及其证明过程为基础,提出一个基于协调某些已着色区域,用限定色数对政区进行自动着色的方法。它在只要求区分相邻色块的情况下,用最多5种颜色就可完成着色过程。并且在此方法中,根据制图中图面颜色平衡的要求,引进颜色的权重及相应的着色步骤。通过分析地图行政单元的区划特点以及制图中表示行政单元的要求,指出对政区这一类地图着色,在存在分离区域的情况下,不能保证按给定色数完成自动着色过程。     

GPS水准计算的非参数回归法

非参数回归是一种广义的回归方法,它具有直观,对模型要求不严密,计算简单的优点。本文介绍非参数回归的原理及其左GPS水准计算中的应用,通过对两个测区的试算,得出了一些有益的结论。     

基于多时相影像的农业作物非参数与概率分类

本文提出了一种新的结合多光谱和变化检测技术的多时相卫星数据集分类方法。该方法以数理统计中的最近邻法为基础,其目标函数是使得正确分类的平均概率得到最优化,即把每个分类类别看成同等重要。该新算法被应用于一个农业作物分类的研究区域,并利用覆盖该区的不同季节的SPOT和LANDSAT TM多时像影像。结果表明,与单时像影像相比,使用五个不同季节的多时像影像可以充分地提高分类精度。为了说明该方法在大尺度范围内的效果,本文选取瑞典道拉河流域作为研究区。由于不同地物的分布高度重叠,不可能得到像元水平上满意的分类精度。这就需要引进一种新的概念：像元概率分类法。基于像元的概率向量可用于判别传统分类法的可靠性并测量单个像元的不确定性（熵）。概率分类法同时提供了不同地物的面积的无偏估计,无论所感兴趣的区域的大小。这已经在不同特性的耕地试验点进行了检验。     

Most similar neighbor imputation of forest attributes using metrics derived from combined airborne LIDAR and multispectral sensors

In the context of predicting forest attributes using a combination of airborne LIDAR and multispectral (MS) sensors, we suggest the inclusion of normalized difference vegetation index (NDVI) metrics along with the more traditional LIDAR height metrics. Here the data fusion method consists of back-projecting LIDAR returns onto original MS images, avoiding co-registration errors. The prediction method is based on non-parametric imputation (the most similar neighbor). Predictor selection and accuracy assessment include hypothesis tests and over-fitting prevention methods. Results show improvements when using combinations of LIDAR and MS compared to using either of them alone. The MS sensor has little explanatory capacity for forest variables dependent on tree height, already well determined from LIDAR alone. However, there is potential for variables dependent on tree diameters and their density. The combination of LIDAR and MS sensors can be very beneficial for predicting variables describing forests structural heterogeneity, which are best described from synergies between LIDAR heights and NDVI dispersion. Results demonstrate the potential of NDVI metrics to increase prediction accuracy of forest attributes. Their inclusion in the predictor dataset may, however, in a few cases be detrimental to accuracy, and therefore we recommend to carefully assess the possible advantages of data fusion on a case-by-case basis.