2020年新疆于田MS6.4地震的地震迁移趋势

根据大空间尺度上存在特殊的地震迁移并具有规律性的现象, 在回顾2020年于田M_S6.4地震的震前异常和1900年以来于田地区“始发地震—迁移地震”序列的基础上, 分析了于田M_S6.4地震的发震构造和动力学背景, 讨论了于田地区 “始发地震—迁移地震”的时空分布及其趋势。 本文侧重于对近些年于田地区地震迁移现象(如迁移方向、 时间间隔)的统计, 统计结果显示地震迁移可以作为该区域中长期地震危险性分析的方法之一, 并尝试应用于未来地震迁移趋势分析。 地震迁移现象的成因及动力机制有待于深入研究。     

多值图像的自适应空间索引结构研究

提出一种适于多值图像层次表示的自适应空间索引结构，讨论了该索引结构的构造及检索算法。文中所列试验及分析表明，新提出的数据结构提高了多值图像的空间存贮与检索效率。     

应用多种测量软件对地图后期处理

随着电子地图的出现和各种测量软件的开发，地形图实现了美观化和统一化。而各种测绘软件提供的开放性，也使我们可以在不同的测绘软件中对地形图加以编辑和修改，充分利用各个测绘软件的优势。本文结合实际工作经验，针对具体工作中遇到的一些问题，利用各种测绘软件的结合，使一些问题得到解决，并使图形更趋于美观化。     

复杂河网水沙数学模型研究

根据节点水沙平衡和能量衔接条件,在单一河道水沙数学模型的基础上,建立了可以适用于一般河网体系水沙数值计算的数学模型,并采用荆江-洞庭湖的相关资料进行了验证。结果表明,模型的计算值与实测值吻合较好,说明对荆江-洞庭湖区域复杂边界条件的处理是合适的,所建模型具有较好的适用性。     

河网水流数值模拟方法研究

讨论了河网概化的一般原则,并在分析单一河段水流数学模型的基础上,建立了可以适用于一般河网体系水流数值计算的数学模型,并采用荆江—洞庭湖的相关资料进行了验证.结果表明,模型的计算值与实测值吻合较好,说明该模型具有较好的适用性.     

NOAA-AVHRR数据在吉林省东部林火信息提取中的应用

概述了利用NOAA-AVHRR数据进行林火监测的原理和4种方法。针对吉林省东部的森林火灾,运用4种方法进行了火点信息提取与分析,最后对阈值法进行了改进,提取精度达到了89.2%。分析了NOAA-AVHRR应用于林火遥感监测的可行性和不足。     

网络专题地图服务平台的设计与实现

空间信息共享和互操作是GIS发展永恒的主题,本文主要研究了网络专题地图服务平台的设计与实践,从数据目录管理、多源数据节点的远程访问与调度、专题地图的按需动态生成与发布等关键技术着手,研究实现了面向用户的空间信息与行业统计信息的集成共享与可视化。利用ASP．NET创建了网络专题地图服务门户,验证了所提出的框架体系和关键技术的合理性和可行性。     

天绘一号卫星覆盖性能分析与优化方法研究

天绘一号卫星为测绘卫星,测绘卫星标称轨道是卫星进行长期轨道维持的目标,对卫星的地面覆盖性能起到决定性的作用。为了分析和提高卫星对地面目标的覆盖性能,根据天绘一号卫星轨道设计和维持的特点,提出了基于条带—纬度覆盖图的分析和优化方法。推导了推扫式成像卫星覆盖经度跨度计算公式,构建了基于条带—纬度覆盖图的分析方法,通过将多颗卫星的条带—纬度覆盖图叠加得到不同区域的覆盖次数,根据每次重访时的卫星星下点条带号计算对地面目标的重访时间间隔。提出了通过调整当前条带号和降交点地方时减小对目标区域的重访间隔的优化方法。通过与网格点方法的计算结果比较,验证了该方法的有效性。     

Metrics for characterizing network structure and node importance in Spatial Social Networks

Social Network Analysis offers powerful tools to analyze the structure of relationships between a set of people. However, the addition of spatial information poses new challenges, as nodes are embedded simultaneously in network space and Euclidean space. While nearby nodes may not form social ties, ties may exist at a distance, a configuration ill-suited for traditional spatial metrics that assume adjacent objects are related. As such, there are relatively few metrics to describe these nuanced situations. We advance the burgeoning field of spatial social network analysis by introducing a set of new metrics. Specifically, we introduce the spatial social network schema, tuning parameter and the flattening ratio, each of which leverages the notion of ‘distance’ to augment insights obtained by relying on topology alone. These methods are used to answer the questions: What is the social and spatial structure of the network? Who are the key individuals at different spatial scales? We use two synthetic networks with properties mimicking the ones reported in the literature as validation datasets and a case study of employer–employee network. The methods characterize the employer–employee as spatially loose with predominantly local connections and identify key individuals responsible for keeping the network connected at different spatial scales.