地理模型定义XML文档编辑器的设计和应用

地理模型分布式集成是虚拟地理环境研究的主要内容之一。在分布式系统中多采用XML作为数据交换的统一标准,以解决多种信息在网络空间的表达和传输。本文在VisualC#.NET平台下开发了一个通用的模型数据定义编辑器,用XML来统一描述多源异构的地理模型数据,以实现模型的共享和集成。提供了直观式图形界面,可满足无程序背景的设计人员的需求,使智能化的模型集成成为可能。以地下水模型分布式调用为例,验证了此编辑器的有效性和易操作性。     

城镇-农业-生态空间划定的多情景模拟

城镇-农业-生态空间划定(简称"三区"划定)是国土空间规划的核心内容,对于科学合理地规划、利用有限的国土资源具有重要的意义。已有研究主要根据区域内土地利用与社会经济发展现状构建指标体系进行"三区"划定,较少将未来土地利用变化纳入"三区"划定过程中,使得划定结果在指导实践过程中缺乏前瞻性。针对这一问题,本文提出一种基于土地利用情景模拟,结合指标体系评价与决策树特征挖掘的"三区"划定方法,并以武汉市2015年土地利用现状为基础,在土地利用变化情景模拟的基础上进行"三区"划定。通过对比,验证了本文提出方法的合理性。研究发现:①不同情景下的"三区"空间在规模、空间分布上具有明显差异,将未来土地利用变化纳入"三区"划定过程中确有必要;②不同土地利用情景下"三区"空间的差异主要出现在三类空间的交界区域,这些区域是国土空间规划应该关注的重点区域。     

平原地区高潜水位采煤塌陷综合治理研究——以兖州煤田为例

煤炭资源的开采引发了采煤塌陷、农田损毁、生态破坏、农民失地等后果,给矿区带来了一系列经济、社会、环境问题。该文以兖州煤田为例,对平原地区高潜水位条件下煤炭开采引起的地表塌陷现状进行调查,充分掌握了塌陷区土地利用现状、塌陷区稳沉状况及破坏现状。分析了兖州煤田采煤塌陷区的土地损毁特点,研究了塌陷区综合治理的手段和方法,针对性地提出了高潜水位地区采煤塌陷综合治理的途径,为采煤塌陷区的规划治理提供了参考。     

海陆气候事件关联规则挖掘方法

近年来,异常气候事件的频发对人类的生活环境和经济发展带来严重负影响。气象学家研究表明：海洋气候异常对陆地气候异常事件的发生具有重要的诱发作用,因此,对海陆气候间的内在关联机制进行深入挖掘具有重要研究价值。本文提出了一种关联规则挖掘方法,以探索单一海洋气候指数与陆地异常气候事件间存在的关联。首先,针对陆地气候要素,采用顾及空间邻近关系的层次聚类方法进行有效气候分区,通过对各层分区结果进行相关统计分析得到有效的各区域气候序列;然后,进行顾及多重约束进行时序关联规则挖掘,以探索海陆气候要素间的关联机制;最后,通过实际算例分析得到的各气候指数与我国陆地区域异常降水事件间的关联机制结果,与实际情况高度吻合。     

内蒙古鲁新井田水文地质条件研究

矿产资源开发导致了地下水失衡,地下水失衡又给矿产开发造成了极大的安全隐患,近年来,矿产资源开发与地下水环境保护之间的矛盾愈发凸显。通过对内蒙古鲁新井田典型的水文地质条件进行分析研究,分析采矿导致地下水失衡机理,深入剖析矿井开采充水条件及矿山开发对地下水环境的影响,合理提出了促进矿产开发与地下水保护相互协调的对策建议,为实现"采矿保水"协调统一提供了基础地质依据。为类似地区矿产开发过程中遵循自然规律,趋利避害,保障生产安全,保护地下水环境安全,实现资源绿色开发有较好的指导借鉴作用。     

Optimizing support vector machine learning for semi-arid vegetation mapping by using clustering analysis

In remote sensing communities, support vector machine (SVM) learning has recently received increasing attention. SVM learning usually requires large memory and enormous amounts of computation time on large training sets. According to SVM algorithms, the SVM classification decision function is fully determined by support vectors, which compose a subset of the training sets. In this regard, a solution to optimize SVM learning is to efficiently reduce training sets. In this paper, a data reduction method based on agglomerative hierarchical clustering is proposed to obtain smaller training sets for SVM learning. Using a multiple angle remote sensing dataset of a semi-arid region, the effectiveness of the proposed method is evaluated by classification experiments with a series of reduced training sets. The experiments show that there is no loss of SVM accuracy when the original training set is reduced to 34% using the proposed approach. Maximum likelihood classification (MLC) also is applied on the reduced training sets. The results show that MLC can also maintain the classification accuracy. This implies that the most informative data instances can be retained by this approach.     

使用Python函数式编程进行空间回归分析

针对使用传统的编程方式进行空间回归分析过于繁杂的问题,本文提出将Python函数式编程引入空间回归分析方法,分析和探讨脚本语言＋函数式编程方式在GIS数据分析中的推广应用前景。编程实践证明,采用Python函数式编程,结合既有的开源软件包,可以有效提高编程效率,减少代码量,将实践人员的注意力集中在问题本身。     

空间数据挖掘进展

空间数据挖掘是解决海量空间数据利用瓶颈的技术之一。本文综述空间数据挖掘的研究与应用进展。首先,分析空间数据挖掘的缘起。其次,研究空间数据挖掘的本质及其特点。再次,基于理论技术,分类总结空间数据挖掘的研究和应用的成果,并探讨其研究方向。最后,总结全文。     

动态矿区DEM生成方法及其在土地复垦中的应用研究

首先根据我国矿区土地复垦工作中存在的不足,通过研究提出"动态土地复垦"的概念,并确定了动态土地复垦方案制定的数据基础——动态矿区数字高程模型。动态矿区数字高程模型应该包含煤矿生产对地表的累积影响结果数据和地表的原始地形信息,开采沉陷预计结果可以提供前者,地面测量可以提供后者,经过数据处理可以按时间间隔生成描述塌陷区的一系列数字高程模型(DEM)(准动态),然后运用DEM的空间分析技术提取塌陷区在不同时间段的土地破坏类型、范围和位置数据,并根据这些数据进行动态土地复垦方案决策数据的提取,经实例验证该方法可行。     

小卫星数据的变化监测能力分析

为了促进小卫星数据在地质灾害监测中的应用与推广,本文以监测采矿图斑变化为目标,通过对北京地区的2006年和2007年两期北京一号小卫星4m全色影像采用正射校正、配准和迭加对比的方法发现变化信息。结合1∶50 000影像图、野外调查和测量,确定变化图斑的边界、变化原因和规模,并对小卫星全色图像的变化监测能力进行分析和总结。本文通过对小卫星4m全色影像数据的分析,基本上可以概括出其变化监测能力。