国土经济学在实验区中的实践问题——在“站在国家安全高度研究国土经济学”研讨会上的发言

尊敬的张怀西主席、陈洲其部长、孙鸿烈院长。各位领导、各位专家： 大家下午好! 在2010年新年到来之际,中国国土经济学会组织召开“站在国家安全高度研究国土经济学”研讨会,充分体现了学会的办会宗旨。刚才,听了四位领导、专家的发言,受益匪浅,启发很大．感触颇深。作为一名来自基层一线的实践者．能有机会聆听各位专家的真知灼见,倍感机会难得;能有机会在这里发言,也是倍感荣幸。     

对虾传染性皮下及造血组织坏死病毒衣壳蛋白基因的克隆表达及抗体制备

本文根据GenBank登录的对虾传染性皮下及造血组织坏死病毒(IHHNV)的全基因组序列(NC-002190),设计出主要结构蛋白基因的相应引物,从厦门发病的对虾中,提取DNA,以此为模板,利用PCR扩增目的基因.再将目的基因分别与pGEX-6p1载体和pET-28a载体连接,构建重组表达载体pGEX-Ⅳ、pET-Ⅳ,重组子经酶切和测序鉴定后导入表达型大肠杆菌BL21,IPTG诱导表达,SDS-PAGE检测,大小约为62KDa和41KDa,与预测大小一致.将pET-Ⅳ表达重组蛋白经纯化,免疫小鼠,Western免疫印迹反应结果表明其抗体均可与pGEX-Ⅳ和pET-Ⅳ表达的蛋白发生特异性反应.本研究的结果为对虾IHHNV的快速检测及其免疫提供了研究基础.     

中英文关键词对照——测绘业务与组织管理

<正>~~     

非洲矿业大门向中国敞开

一个由国际矿业企业工作委员会与中外商通咨询服务有限公司联合组织的“中国矿业投资考察团”正紧锣密鼓组建中,将参加2009年2月初的第14届非洲国际矿业大会。是什么吸引了如此多的中国企业——     

肇州县扎实开展第二次土地调查

在第二次土地调查工作中,肇州县国土资源局精心组织,多措并举,效高质优,取得了阶段性成果。     

第三十届亚洲遥感会议（30ACRS）通知

第三十届亚洲遥感会议（30ACRS）将于2009年10月18-23日在北京会议中心召开。亚洲遥感会议是亚洲遥感界发起并推动遥感科学技术发展与交流的盛会,至今已经举办了29届。2009年是亚洲遥感会议三十周年庆典,届时欢迎您的参与!大会组织机构组织单位：亚洲遥感委员会（AARS）中国遥感委员会（CNCRS）主办单位：中国科学院遥感应用研究所中国科学院对地观测与数字地球科学中心国土资源部航空物探遥感中心会议主题———迈向空间时代的亚洲大会欢迎遥感及相关研究领域的专家学者、企业家、学生代表与会,     

当前农村宅基地管理存在的问题及对策

农村宅基地是农民从农村集体经济组织分配取得的一项重要财产,它关系着农民一辈子的切身利益,农民将其视为"命根子".随着我国城市住房制度的改革和完善,无论是商品房还是房改房,所有者都可以将住宅连同相应土地使用权一起上市转让,进行自由交易.但是,受现有法律法规的约束,我国农村宅基地使用权交易市场尚未形成,农村宅基地尚无法进行合法流转.农村宅基地与集体经济组织成员的资格是联系在一起的,宅基地在一定程度上是对农村村民的福利和社会保障,是取得生存居住的权利,而城镇居民不享受此权利.     

应用于村镇信息自助平台的电子地图构件关键技术研究

从构件化村镇信息自助平台的低成本、易定制的特点出发,针对其中电子地图构件在地图浏览和交互查询中存在的网络负载大、响应速度慢等技术问题,研究了传统We-bGIS空间数据网络发布模式及其不足,探讨了基于AJAX、地图切片、多级缓存技术的电子地图发布解决方案,并实现了在村镇信息自助平台上的应用.     

土地资源体多级变粒度空间数据管理方法

结合资源体的概念和土地要素功能提出了土地资源体概念,将土地资源数据对象组织成土地利用资源体、土地权属资源体等不同类型的土地资源体.在土地资源体对象基础上,结合具体的土地资源管理业务需要,提出了土地资源体多级变粒度数据组织管理模式,对土地资源体横向按资源体、图库、图层集合、图层和地物等不同资源授权粒度,纵向按多级区域层次管理的方式进行管理.国家、省、市级别的土地资源管理以县为基本单位,以区域特征管理国家、省、市、县等逻辑关系,县级的土地资源时空数据按资源体、图库、图层集合、图层和地物等不同资源授权粒度来对数据进行管理.在具体的土地资源管理和业务实施时,可以根据实际的需要对位于不同位置、不同层次、不同资源体类型的土地资源体进行动态组合.     

Extending self-organizing maps for supervised classification of remotely sensed data

An extended self-organizing map for supervised classification is proposed in this paper. Unlike other traditional SOMs, the model has an input layer, a Kohonen layer, and an output layer. The number of neurons in the input layer depends on the dimensionality of input patterns. The number of neurons in the output layer equals the number of the desired classes. The number of neurons in the Kohonen layer may be a few to several thousands, which depends on the complexity of classification problems and the classification precision. Each training sample is expressed by a pair of vectors ： an input vector and a class codebook vector. When a training sample is input into the model, Kohonen＇s competitive learning rule is applied to selecting the winning neuron from the Kohouen layer and the weight coefficients connecting all the neurons in the input layer with both the winning neuron and its neighbors in the Kohonen layer are modified to be closer to the input vector, and those connecting all the neurons around the winning neuron within a certain diameter in the Kohonen layer with all the neurons in the output layer are adjusted to be closer to the class codebook vector. If the number of training sam- ples is sufficiently large and the learning epochs iterate enough times, the model will be able to serve as a supervised classifier. The model has been tentatively applied to the supervised classification of multispectral remotely sensed data. The author compared the performances of the extended SOM and BPN in remotely sensed data classification. The investigation manifests that the extended SOM is feasible for supervised classification.