甘孜州石渠县2008年特大雪灾冻害分析

2008年1月中旬~3月中旬,四川省甘孜州石渠县发生特大雪灾冻害,尽管此次灾害是在全国大范围低温雨雪冰冻灾害的背景下发生的,但在很多方面都有其特殊性,尤其是局地性特征突出。为今后更好地做好雪灾冻害预测预报及防御工作,作者对此次极端灾害性天气气候事件造成的影响和成因及防灾减灾效果进行了认真分析。结果表明,此次雪灾冻害的强度之大,持续时间之长,危害和损失之重均为当地有气象记录以来少有;2007年8月~2008年5月的拉尼娜事件造成的大气环流异常、地面冷空气活动频繁、西太平洋副热带高压异常偏北、南支槽异常活跃是石渠发生特大雪灾冻害的重要原因,当地特殊的地理位置和地形是雪灾冻害的又一个客观因素;天气气候预报预测、气象服务和相关部门同步开展的防灾救灾工作对最大限度地减轻灾害造成的损失作用明显。     

基于多源数据的中国智慧城市发展状态评价

随着移动互联网、云计算、大数据等新一轮信息通信技术的发展,智慧城市逐渐成为城市建设的重要发展趋势。“十三五”期间,全国各城市纷纷制定智慧城市建设或发展规划,并将其定位为城市中长期发展战略的重要组成部分。由于智慧城市涉及范围广泛、内容体系庞杂,目前还在不断发展完善之中,尚未形成统一的评价标准。基于此,本文对比了国内外智慧城市评价重点与趋势,以提高城市可持续发展能力、实现高效、公平的城市管理、保障民生福祉为目标,构建了包括智慧经济、智慧交通、智慧医疗、智慧教育、智慧管理等多子系统的智慧城市评价指标体系;运用文本、网页、统计等多源数据,本文开展了全面的、统一的、多层次、模块化的全国智慧城市发展状态评估,并从子系统协调程度对智慧城市发展提出了建设性意见。研究发现：① 从整体评价结果分析,除北京、上海、广州、武汉、成都、杭州、天津和南京8个城市综合得分及各子系统得分都较高外,绝大部分城市的智慧建设水平不高;② 在空间分布上,沿海地区的智慧城市建设水平普遍高于内陆地区,直辖市和省会城市高于其他城市;③ 从协调关系分析,70%以上城市的5个子系统为中度甚至低度协调,80%以上城市以智慧教育或智慧医疗成为发展短板,这也是未来政府应关注的重点。本文通过构建指标体系,探讨了中国智慧城市的发展状态,为城市未来的发展和管理提供了借鉴与参考。     

日本地震山东莒县井异常变化分析及对山东地震影响

本文通过2011年日本本州海域9．0级地震、2008年四川汶川8．0级地震和2008年6月14日日本本州东海岸近海7．0级地震前后山东莒县井水位、水温同震响应的资料变化对比分析,对区域应力进行探讨,认为日本本州海域9．0级地震的发生,是对莒县井及周边区域应力的卸载。2011年日本本州海域9．0级地震,可能对山东及周边地区近期震情起到一定的缓解作用。     

自升式钻井平台插桩深度探析

针时目前带桩靴的自升式桩基平台插桩深度计算中存在的问题,通过考虑插桩过程中桩靴对地层物理力学性质的影响,运用最小二乘法求得桩靴对地层承载力的影响系数,从而时Terzaghi和Peck公式进行修正,提高插桩深度预测的准确性.     

移动定位大数据视角下的人群移动模式及城市空间结构研究进展

了解城市人群移动行为和空间结构对城市规划、交通管理、应急响应等具有重要的意义。近年来,随着信息技术(ICT)的快速发展,采集大规模、长时间序列的人群移动定位大数据变得容易,为人群移动行为研究带来了新的机遇和挑战。本文首先介绍了目前用于城市人群移动行为和空间结构研究的主要数据源及其特征,并分别从人群移动行为、城市空间结构2个方面对近3年国内外相关研究进行归纳总结。目前的研究主要从移动定位大数据中挖掘人群移动模式,理解人群移动时空规律,进一步透视城市的空间结构特征;而对城市空间结构与人群移动行为影响的研究较少。未来可通过融合多源时空数据,综合研究人群移动行为与城市空间结构之间的相互作用,发展大规模群体移动行为时空分析理论和模型,进一步深入理解人群移动行为与城市空间结构的耦合关系。     

大数据下面向房地产便利性的综合指数模型

针对房地产便利性描述信息缺少量化和难以比较的问题,该文提出了一种利用大数据测度房地产便利性的综合指数模型。房地产便利性的描述信息往往是定性描述的、单一或单方面的,缺乏综合或整体的定量化评价,从而给不同房地产之间在便利性方面的横向比较造成了困难。该文在引入步行指数概念基础上,通过对便利设施的分类、分级以及便利设施与房地产之间步行距离的定量计算,获得综合衡量房地产便利性的一种实数型指数。基于百度在线地图的实验结果表明:所提模型可以自动测度任一房地产的便利性指数。     

大数据与小数据结合：信息时代城市研究方法探讨

信息技术的快速发展引起了城市研究领域的“大数据”热潮,并带来了传统城市研究方法的变革。但是,其自身存在的诸多缺陷使得学者不得不重新考虑传统小数据的应用角色。但是,传统小数据并没有失去其应用价值,相反,以城市与居民行为活动关系研究为主体的信息时代的城市研究必要充分结合大数据与小数据,并探讨适宜的方法论与方法框架,从而应对日益复杂的城市问题和居民需求。提出“物质空间与活动空间结合”、“相关关系与因果关系结合”、“宏观分析与微观挖掘结合”的3个方法论,并在此基础上构建了“大样本空间发展评价+空间差异与联系发现+小样本影响因素探究”、“小样本模型构建+影响因素发现+大样本验证及挖掘”、“微观活动分析+活动空间界定+影响因素探究”3种方法框架,且分析了这些框架的具体应用,以期为未来的城市研究提供思路和方法借鉴。     

A comprehensive methodology for discovering semantic relationships among geospatial vocabularies using oceanographic data discovery as an example

It is challenging to find relevant data for research and development purposes in the geospatial big data era. One long-standing problem in data discovery is locating, assimilating and utilizing the semantic context for a given query. Most research in the geospatial domain has approached this problem in one of two ways: building a domain-specific ontology manually or discovering automatically, semantic relationships using metadata and machine learning techniques. The former relies on rich expert knowledge but is static, costly and labor intensive, whereas the second is automatic and prone to noise. An emerging trend in information science takes advantage of large-scale user search histories, which are dynamic but subject to user- and crawler-generated noise. Leveraging the benefits of these three approaches and avoiding their weaknesses, a novel methodology is proposed to (1) discover vocabulary-based semantic relationships from user search histories and clickstreams, (2) refine the similarity calculation methods from existing ontologies and (3) integrate the results of ontology, metadata, user search history and clickstream analysis to better determine their semantic relationships. An accuracy assessment by domain experts for the similarity values indicates an 83% overall accuracy for the top 10 related terms over randomly selected sample queries. This research functions as an example for building vocabulary-based semantic relationships for different geographical domains to improve various aspects of data discovery, including the accuracy of the vocabulary relationships of commonly used search terms.     

一种时空路径支持下的车辆油耗与排放估计方法

交通运输中能耗与污染物排放给人类环境带来了严峻挑战。本文提出了一种时空路径支持下的油耗、排放估计新方法。该方法首先在时空集成的三维坐标系下建立个体车辆的时空路径并从中识别移动/停留行为,然后根据时空路径段与提取的运动参数利用COPERT模型估计车辆的油耗和排放,最后提出一种时空路径的N维表达模型,将车辆的运动特征与时空路径段的油耗与排放统一进行可视化。试验中利用武汉市GPS轨迹大数据估计并分析了单辆车与路网片区的油耗与排放,结果显示本文提出的时空路径支持下的车辆油耗与排放估计方法在估计精度与可视化方面优于传统的基于平均速度估计方法,能够更加准确地估计和表达车辆油耗与排放。     

以交叉累积剩余熵为准则的星载激光测高仪大光斑波形数据与地形匹配法

提出了一种基于交叉累积剩余熵的星载激光测高仪大光斑波形数据与地形匹配方法。根据星载激光测高仪大光斑回波波形信号包含地形结构信息的特性,将激光回波波形数据和数字表面模型(DSM)投影到统计特征空间,建立数据的统计特征向量,消除数据间维度差异,以交叉累积剩余熵为相似性测度匹配波形数据与地形的统计特征。试验结果表明,本方法能够较好地实现激光回波波形数据与地形的匹配,匹配精度达到一个像素以内。