.Net环境下空间数据缓存方案的设计与实现

空间数据查询效率的优劣决定着三层体系结构空间信息系统的应用效果。空间数据缓存技术是提高空间数据查询效率的有效方法之一。在数据缓存技术逐渐成熟的今天,如何利用数据缓存技术来构建空间数据缓存是目前研究的热点。基于Microsoft新的数据缓存技术,借助常用的格网索引,在客户端和应用服务器端开辟空间数据缓存区,以降低数据的传输量,减少用户的请求响应时间,从而提高空间数据查询效率。在利用版本控制技术实现空间数据缓存的同时,解决客户端、应用服务器和数据库服务器的数据一致性问题,确保空间数据的有效性和可用性。     

苏北废黄河三角洲海岸时空演变遥感分析

基于遥感与地理信息系统技术,使用苏北废黄河三角洲海岸地区1978,1987和2000年的Landsat卫星遥感数据,选取岸线指标与波段,提取岸线信息,生成1978-1987年和1987-2000年海岸土地增减时空变化分布图,建立岸线变化距离及增速衡量指标,定量分析了废黄河三角洲海岸面积变化特征,以及灌河口-中山河口、中山河口-扁担港口和扁担港口-双洋河口以南岸段的时空变化格局与分布特征.研究结果表明,废黄河三角洲海岸的自然侵蚀速率呈减小趋势,但侵蚀作用仍在继续.侵蚀强度以废黄河口地区为中心,向南北两侧逐渐减弱.人工保滩护岸措施在一定程度上影响着自然侵蚀格局.其内部各岸段分别呈现缓蚀、侵蚀和基本侵淤平衡的变化格局.     

地理空间数据自动综合方法的研究现状与发展趋势

多年来人们已经报道了很多自动综合方法。这些方法确实解决了地理空间数据自动综合中的很多重要问题,但这些方法也有明显的缺陷和应用范围。本文对这些方法进行了研究,研究内容包括这些方法的分类、原理、优缺点和适用范围,并提出了今后自动综合方法的研究发展趋势。     

基于多尺度纹理和光谱信息的SVM分类研究

基于单尺度纹理和光谱信息的地物分类较难取得理想效果,本文结合多尺度纹理与光谱信息,运用SVM分类方法,对IKONOS遥感影像进行分类。结果表明:结合多尺度纹理和光谱信息的SVM高分辨率遥感影像分类,能够更好地描述地物,分类总体精度达到83.9%,与基于光谱信息的最大似然法和基于单尺度纹理和光谱信息的SVM分类方法比较,分类精度分别提高了13.8%和4.9%,该方法有助于提高高分辨率影像的分类正确率。     

空间选址关键因素及其建模研究

影响空间选址的因素错综复杂,本文在对以往一些研究成果进行综合分析的基础上,提出了空间选址的三大影响因素:容量、区位特征和作用范围,并进行了空间选址的建模研究,建立了三个基本模型(容量因素影响模型、区位特征因素影响模型、作用范围因素影响模型)和空间选址的评估模型,并结合应用实例对该模型进行了初步的验证。     

攀枝花“数字城管”中的基础空间信息共享策略研究

本文通过分析“数字城管”实施过程中基础空间信息共享的技术难题,在充分考虑现有的网络条件、软件平台、坐标系统的基础上,提出了基础空间信息共享的技术实现途径,包括适用于通用条件的WMS和WFS技术以及适用于特定软件环境的专用技术,对不同条件的“数字城管”的实施具有一定的参考意义。     

空间信息网络服务中的数据安全策愀

以地理信息网络服务的安全策略为研究对象,根据我国空间数据生产到应用整个流程保密管理规定,研究地理空间数据在存储、分发、传输、表现以及与其他系统集成应用阶段上的安全策略,解决地理空间数据共享与空间数据安全之间的矛盾。     

基于地理信息的大型场馆区域人员疏散模型设计

采用了Geodatabase空间数据模型,建立了地理信息数据库,设计了基于地理信息的人员疏散模型。     

村镇空间结构特征分析

以平原村镇香河县、山地村镇密云县和水乡村镇昆山市为研究区, 分析了村镇空间结构的特征。建立基于网格的村镇选址及空间范围模型, 采用GIS空间分析和建模技术实现; 此外, 空间范围模型根据泰森多边形模型的思想, 提出用土地效益的概念代替距离来确定村镇的空间范围。由于考虑因素更全面, 更具体, 这两个模型可以更好地为村镇的选址与空间范围的确定提供参考。此研究为村镇规划工作提供帮助。     

自适应空间邻域分析和瑞利-高斯分布的多时相遥感影像变化检测

提出了一种基于自适应空间邻域分析和瑞利-高斯模型(Rayleigh-Gauss models, RGM)分布的多时相遥感影像自动变化检测方法。该方法把自适应空间邻域信息和改进的差值影像与比值影像乘积变换融合 法(improved multiplying transform fusion, IMTF)结合构造差异影像, 可以有效地抑制噪声和消除多时相影像之间配准误差的影响, 具有更强的鲁棒性。在对差异影像的分割处理中, 运用瑞利和高斯模型分别模拟变化类像元和非变化类像元的分布情况, 然后估计出两类像元的概率