多源遥感数据支持下的区域性森林冠层高度估测

结合机载LiDAR数据,提出了一种改进的GLAS光斑点冠层高度地形校正模型,以校正后的GLAS光斑点作为输入样本,结合MODIS遥感影像,利用支持向量回归（SVR）的方法对研究区森林冠层高度进行分生态区估测,并利用野外调查数据和机载LiDAR冠层高度结果对估测结果进行验证。结果显示:研究区的坡度等级直接影响GLAS光斑点森林冠层高度估测精度,改进的地形校正模型可以较好的减小坡度对GLAS光斑点森林冠层高度估测的影响,模型精度RMSE稳定在3.25~3.48 m;不同生态分区的SVR模型估测精度较为稳定,其RMSE=6.41~7.56 m;与算数平均高相比,样地的Lorey's高与制图结果拟合最好,不同生态分区平均估测精度为80.3%。机载LiDAR冠层高度结果的验证平均精度为79.5%,和Lorey's高验证结果呈现较好的一致性。     

确定地面点与线路中线相对关系的统一数学模型

基于线路中线的统一数学模型,给出了确定地面点与线路中线相对关系的统一数学模型,据此可以快速确定地面点在线路中的里程和地面点相对于线路中线的垂距与边向。     

陕西省级CMACast的改进措施

介绍陕西省气象信息中心采取电磁环境优化、通信线路改造、卫星接收机升级和数据补调等措施,改进陕西省级CMACast(中国气象局卫星数据广播系统)的经验,为省级气象部门提升数据接收率提供参考。     

浅谈气压极值的挑选

随着科学技术的日益发展 ,气象基本数据记录都已科技化 ,如气压、温度、湿度都有仪器的自记记录 (自记纸 ) ,但 2 4小时内的气压极值挑选仍需人工挑选。在挑选过程中 ,我们通常按《地面气象观测规范》之规定进行挑选 ,即必须从自记迹线中找出一日 ( 2 0～ 2 0时 )中最高 (最低 )处标一箭头符号 ,读出自记数值并进行订正 ,订正后的数值一般都能代表当天的极值。但在特殊情况下我们按《地面气象观测规范》却不能挑选到当天 2 4小时内的真实气压极值。例如 :2 0 0 0年 8月 4日的自记气压最高值是 883.2 - 5 .2 =878.0 ;883.2是当日 ( 2 0 -2 0…     

基于ArcGIS平台的不动产登记数据建库研究

为提高不动产登记数据整合效率,实现不动产登记数据的信息化管理,本文从不动产登记数据整合作业流程出发,基于规范要求并详细分析用户需求,借助Oracle数据库、ArcSDE、ArcGIS等工具,构建不动产登记数据库,结合研究区实际概况及需求进行不动产登记整合数据管理系统设计研发,提高研究区不动产登记数据搜集、处理、应用及管理效率;同时对研究区不动产登记过程中普遍存在的问题进行分析总结,针对不同情况提出相应的处理方案。不动产登记整合数据管理系统在研究区内得到了成功应用,提高了不动产登记数据管理应用效率,同时推动了区域内不动产登记信息化建设发展。     

基于ANUSPLIN的京津冀区域逐日气温格点数据集建立方法研究

为建立一个高精度、高空间分辨率的逐日气温格点数据集,满足公共气象服务对于精确信息及实时信息的需要,利用2018年6—8月京津冀区域以及临近省区共3 974个国家级及区域气象观测站质控后的逐日气温资料,采用ANUSPLIN软件对逐日气温数据进行空间内插,得到了京津冀区域逐日气温格点数据集(0.01°×0.01°),并分别利用反距离权重插值法、普通克里金插值法、样条函数法对逐日气温数据进行空间插值,采用相关系数(Corr)、平均绝对误差(MAE)、平均相对误差(MRE)等作为评估指标来检验插值精度。结果表明:1) ANUSPLIN软件满足了空间插值对精度及曲面平滑度的要求,能直观体现京津冀区域气温由北向南递增的空间分布特征; 2) 4种插值方法中,基于ANUSPLIN软件的插值结果最优,相关系数平均达0.97,其样本误差在1℃之内占比为90.59%,MAE为0.46℃,MRE为1.81%; 3)插值误差较大的区域位于冀北高原、燕山丘陵及太行山脉一带,高海拔、低站点密度等是造成插值误差的主要原因。基于ANUSPLIN插值方法建立的逐日气温格点数据集具有分辨率高、空间插值误差小的优势,ANUSPLIN对气温的空间分布具有较好的预测能力。     

签到位置数据的密度峰值快速搜索与聚类方法

位置签到数据蕴含了城市居民活动变化。由于客户端位置候选问题,不同的签到行为以同一候选位置签到时会产生位置重复现象。针对现有密度聚类方法在签到数据聚类上存在的问题,以快速搜索和查找密度峰值聚类算法(CFSFDP)为基础,提出了签到位置数据的密度峰值快速搜索与聚类方法。首先,引入位置重复频率来表达签到位置重复,然后,对原始签到位置数据点统计位置重复频率并重新设计数据结构,以新的空间点要素为研究对象寻找密度峰值点;最后,构建了峰值点密度簇聚类算法,在点要素集聚类过程中考虑密度连通性来保证峰值密度簇的连续与完整。试验表明,所提出的聚类方法有效避免了重复度较高的离群位置对象选为峰值并聚类的情况,并具有良好的空间适应性。所提取的密度峰值点不仅可以用来表示热区的中心,还能够反映热区的集中趋势,进而可以帮助探索热区的动态变化情况。     

GIS支持下的全球武装冲突数据体系建设评介

地缘环境安全是国家安全的重要组成部分。准确、精细、及时更新的各类地缘冲突信息是全球地缘风险评估和预警的基础。本文全面回顾了以武装冲突为核心的全球地缘冲突数据体系建设的发展历程,剖析了地理时空定位、大数据挖掘等技术的应用进展。在地理信息系统（GIS）技术支持下,对武装冲突内涵和武装冲突事件数据体系总体框架的理解不断深入,生产出一大批高质量的数据集合或数据产品;地缘冲突在主题上逐渐细化,冲突事件记载的空间定位精度从国家发展到更小尺度的地理位置（经纬度）;在网络信息搜索与大数据挖掘技术支持下,武装冲突信息的更新频率从年度更新提高到每小时更新,全球武装冲突数据体系建设初见成效。地缘环境系统科学与地理科学的深度融合、地理大数据与人工智能技术的广泛应用将是推动本学科领域发展的重要动力。     

The Influence of Vegetation Cover on Summer Precipitation in China： a Statistical Analysis of NDVI and Climate Data

This study provides new evidence for the feedback effects of vegetation cover on summer precipitation in different regions of China by calculating immediate (same season), and one-and two-season lagged correlations between the normalized difference vegetation index (NDVI) and summer precipitation. The results show that the correlation coefficients between NDVI in spring and the previous winter and precipitation in summer are positive in most regions of China, and they show significant difference between regions. The stronger one-and two-season lagged correlations occur in the eastern arid/semi-arid region, Central China,and Southwest China out of the eight climatic regions of China, and this implies that vegetation cover change has more sensitive feedback effects on summer precipitation in the three regions. The three regions are defined as sensitive regions. Spatial analyses of correlations between spring NDVI averaged over each sensitive region and summer precipitation of 160 stations suggest that the vegetation cover strongly affects summer precipitation not only over the sensitive region itself but also over other regions, especially the downstream region.     

基于众源地理数据的GlobeLand30人造地表数据精度验证

GlobeLand30数据已被广泛应用于生态、环境、气候等研究领域,对其进行精度验证是保证GlobeLand30产品推广应用的首要前提.本文提出了一种基于众源地理数据的GlobeLand30人造地表精度验证方法:首先利用随机抽样的方法布设样本点,其次应用LDA(latent Dirichlet allocation)主题模型计算众源数据文档的地表覆盖主题,最后通过构建样本点与GlobeLand30数据产品之间的混淆矩阵,以实现人造地表数据的精度验证.研究区域为我国27个省级行政区,众源地理数据选用POI数据,对本文提出的方法进行了实例验证.结果表明:2000年和2010年的人造地表总体精度分别为87.63％和88.81％,这与GlobeLand30人造地表第三方评价精度86.97％相近,验证了本文方法的有效性.