网络GIS及其内容体系和应用分析

众多研究人员在网络GIS的研究方面都习惯将其内容简单化为WebGIS或者Internet/Intranet GIS。实际上,WebGIS和Internet/Intranet GIS在数据模型、网络架构、体系构建和功能部署等方面都有较大的区别,这种将We-bGIS和Internet/Intranet GIS统称为网络GIS的做法本身就有缺陷。本文以网络和分布式计算技术为基础,从“广义”和“狭义”的角度对网络GIS的概念框架、内容体系和应用等几个方面做了重构研究,以期推动网络GIS的研究进展。     

1976-2016年青藏高原地区通达性空间格局演变

青藏高原地区是地球上最独特的地理—生态—人口—交通单元,区域内交通网络的发展特征及规律是人地关系协同发展的一个重要切入点,对青藏高原地区交通网络开展研究具有重要意义。据此,分析1976-2016年青藏高原地区交通网络演化特征,并以省会、地级市、县级市和县城为节点,采用网络分析的时间距离计算模型探讨其通达性演变过程。研究表明：① 青藏高原地区交通网络复杂性、区域连通性增强,初步形成格状交通网络;② 青藏高原地区中心城市、县城之间的平均最短通达时间已极大缩短至11.89 h、18.84 h,呈自东向西逐渐增大的空间格局,时空收敛效应显著,通达性变化程度与其初始值有关;③ 中心城市为该地区的发展极,其与周围城市通达状况有极大提高,可达时间平均值下降到16.49 h;④ 中心城市和县城交通圈演变过程一致,青藏高原地区各地到最近城市、县城的通达时间不断缩小,沿重要交通干线已形成中心城市4 h、县城2 h短时交通圈连片分布格局,湟水河谷地、一江两河地区逐渐形成交通廊道,乡镇对外交通联系得到改善。     

基于全球—地方视角的创新网络研究进展

全球化、创新驱动是新时代的重要特征之一,创新网络成为经济地理学者关注的热点领域之一。在评述现有创新网络研究成果的基础上,本文界定了全球—地方创新网络的内涵和特征,论述了其类型、结构、作用机理和分析方法,并得出结论：全球创新网络与地方创新网络是不可分割的有机体,地方创新网络是全球创新网络的子系统,知识流是创新网络各主体之间联系的重要纽带,行业协会、技术联盟与成员之间的多次协商是全球—地方创新网络的重要组织方式,而网络知识测量方法则能较好地实现定性分析结论与统计计算结论的融合,能较好地刻画、模拟全球—地方创新网络的形态、结构、演变和机理。从服务国家建设和推动中国创新地理学发展的目标出发,有必要开展基于中国国情和视角的全球—地方创新网络机理与区域经济增长之间互动关系的研究,启动不同产业领域的全球—地方创新网络的比较分析,检验网络知识测量方法的可靠性和准确性。     

基于FCD数据的城市有效路网密度评价——以广州荔湾区和越秀区为例

提出一种基于FCD数据的城市有效路网密度的评价方法,主要是从城市路网的静态布局结构和动态交通流量两个方面对城市路网数据以及FCD数据进行核密度估计分析,得到城市有效路网密度等级的分布特征,继而通过理论与实际道路网密度等级差异对比分析,发现路网中差异区域,为城市路网规划提供可靠的依据。以广州市中心城区越秀、荔湾内的主要路网数据以及2010年五一期间中心城区内出租车的FCD数据为例,利用上述评价方法进行分析得出以下结论:区域内人民中路、人民南路、白云路、中山六路和中山七路路段的理论与实际密度等级差异性明显,表现为路段上密度核的数量与核影响范围差异大,其中尤为突出的是人民中路和人民南路,从理论有效路网密度的分析角度,两个路段都是高密度区域,与实际交通流量存在较大的密度分异。     

江苏地区介质非弹性衰减和场地响应研究

选取江苏数字地震台网在2001年1月-2010年7月记录到43次高质量数字地震波形,采用Atkinson(1992)和Moya(2000)的方法,反演得到江苏地区的介质非弹性衰减特性和场地响应.     

利用GPS观测结果对我国地壳水平形变强度的分析

介绍利用中国地壳运动观测网络区域网(包括基本网与基准网)1999年与2001年2期GPS观测所获得的中国大陆地壳水平位移速率结果, 研究块体的划分、 块体位移与块体变形, 提出了用位移(速率)离散度分析块体或局部水平变形强度的方法, 分析了中国大陆现今地壳运动的基本特征及2001年11月14日昆仑山口西8.1级大地震前的地壳水平运动。     

台湾地震观测系统的发展与现状

台湾地处环太平洋地震带,在欧亚板块与菲律宾海板块相互碰撞作用下,地震活动强烈。为加强对台湾地区地震活动的监测工作,深入了解台湾地区的地震活动特性,减轻地震灾害,经过十几年的不断整合与建设,台湾地区已拥有“实时地震观测网”、“实时强地动观测网”、“自由场强震观测网”、“全球卫星定位系统GPS观测网”和“宽频地震网”,以及“强震预警系统”和“强震速报系统”等多套地震观测处理系统。为促进海峡两岸地震学界的深入认识和了解,增进两岸交流与合作,本文对台湾地区地震观测系统发展和现状做了较为详细的介绍。     

基于人工神经网络预测弯道段冰塞壅水

寒冷地区河流冬季常形成凌洪灾害,冰情的预报和预测大致可分为冰塞出现的位置、上游水位升高和开河冰塞的预报.依据实验资料,分析了弯槽段冰塞壅高上游水位和佛汝得数以及冰流量之间的变化关系,采用BP网络对水位壅高及弯槽断面水位进行了模拟预测并和回归分析的结果进行了对比,结果表明:人工神经网络技术可以提高对水位的模拟预测精度.     

Application of integrated back‐propagation network and self organizing map for flood forecasting

Much of the nonlinearity and uncertainty regarding the flood process is because hydrologic data required for estimation are often tremendously difficult to obtain. This study employed a back‐propagation network (BPN) as the main structure in flood forecasting to learn and to demonstrate the sophisticated nonlinear mapping relationship. However, a deterministic BPN model implies high uncertainty and poor consistency for verification work even when the learning performance is satisfactory for flood forecasting. Therefore, a novel procedure was proposed in this investigation which integrates linear transfer function (LTF) and self‐organizing map (SOM) to efficiently determine the intervals of weights and biases of a flood forecasting neural network to avoid the above problems. A SOM network with classification ability was applied to the solutions and parameters of the BPN model in the learning stage, to classify the network parameter rules and to obtain the winning parameters. The outcomes from the previous stage were then used as the ranges of the parameters in the recall stage. Finally, a case study was carried out in Wu‐Shi basin to demonstrate the effectiveness of the proposal. Copyright © 2009 John Wiley & Sons, Ltd.     

Artificial neural network model for prediction of rock properties from sound level produced during drilling

In many rock engineering applications such as foundations, slopes and tunnels, the intact rock properties are not actually determined by laboratory tests, due to the requirements of high quality core samples and sophisticated test equipments. Thus, predicting the rock properties by using empirical equations has been an attractive research topic relating to rock engineering practice for many years. Soft computing techniques are now being used as alternative statistical tools. In this study, artificial neural network models were developed to predict the rock properties of the intact rock, by using sound level produced during rock drilling. A database of 832 datasets, including drill bit diameter, drill bit speed, penetration rate of the drill bit and equivalent sound level (L_eq) produced during drilling for input parameters, and uniaxial compressive strength (UCS), Schmidt rebound number (SRN), dry density (ρ), P-wave velocity (V_p), tensile strength (TS), modulus of elasticity (E) and percentage porosity (n) of intact rock for output, was established. The constructed models were checked using various prediction performance indices. Goodness of the fit measures revealed that recommended ANN model fitted the data as accurately as experimental results, indicating the usefulness of artificial neural networks in predicting rock properties.