网络约束下局部空间同位模式的扫描统计方法

空间同位模式挖掘旨在发现空间数据库中频繁发生在邻近位置的地理事件。由于空间异质性,地理事件在不同区域邻近出现的频繁程度亦存在差异,进而形成局部同位模式。现有局部同位模式挖掘方法多基于欧氏空间的平面假设,难以客观揭示网络空间（如城市道路）内地理事件间的局部同位规律,因此基于空间扫描统计思想,提出了一种网络约束下的局部同位模式挖掘方法。首先,发展了网络约束下的路径扩展方法,识别可能存在局部网络空间同位模式的候选路径;其次,基于网络约束下的二元泊松分布构建显著性检验的零模型,判别候选路径中局部网络空间同位模式的有效性。通过模拟实验与北京市出租车供需模式分析,发现该方法比现有方法得到的结果更精细、更客观,能够有效地挖掘网络约束下的局部同位模式。     

生态系统服务协同权衡对影响因子的空间响应——以福建省生态功能区为例

全球生态系统服务(ecosystem services,ESs)大幅衰退,迫切需要正确的环境治理政策.为解决当前中国生态环境治理存在的缺少以生态功能区为单位的统筹规划和缺乏对ESs协同权衡的深入理解两个问题,以生态功能区为研究单元,测定4项ESs(粮食生产(grain production,GP)、植物固碳(carbo...     

面向任务的高分辨率光学卫星遥感影像智能压缩方法

随着对地观测系统以及空间信息网络的快速发展,中国已经建成星地一体化的对地观测系统。高分辨率遥感影像数据从GB级转向TB级,轻小型智能遥感卫星有限的带宽容量和存储空间都严重限制了遥感信息的智能实时服务,由此提出了一种面向任务的智能压缩方法。首先,基于遥感影像的数据特点以及轻小型智能遥感卫星星地数传的瓶颈,分析了传统在轨压缩算法的局限性,论述了面向任务的高分辨率光学卫星遥感影像智能压缩处理的重要性;其次,提出了基于珞珈三号01星平台面向任务的智能压缩方法,通过星上高质量成像和高精度几何定位获取观测区域;然后,根据不同的任务需求,利用信息提取模型获取感兴趣目标/区域;最后,利用压缩模型对该区域进行自适应码率分配来实现高倍率压缩任务,并生成码流文件回传到地面。针对不同的任务需求,合理分配码率,可通过该方法有效实现遥感影像的高倍率智能压缩。     

云贵高原地区生态系统服务价值时空变化特征北大核心CSCD

针对云贵高原地区在开展生态恢复工程后的生态系统服务价值(ESVs)如何变化问题,本文基于当量因子和空间自相关分析等方法,研究了云贵高原地区ESVs的时空变化特征。结果表明:(1)土地利用类型转移主要是农田转为建设用地与水体。(2)在开展生态恢复工程后,生态系统得到了改善,ESVs在38年间呈先减少后增加的趋势,累计增加94.91亿元,森林的生态调节能力及产生的价值总量在2180亿元以上,最少的为荒漠,约为0.1亿元。(3)ESVs的空间分布格局表现为西南地区较高、中部较低。(4)1980—2018年ESVs表现为显著空间正相关,莫兰指数大于0.46,有明显的聚集特征。     

黄海、东海区域漫衰减系数光谱遥感反演及激光测深性能评估

本文在总结和比较中国现有黄海、东海海域漫衰减系数反演算法的基础上,利用水色测量数据分析得到漫衰减系数Kd(532)与Kd(490)之间的关系,为激光测深系统(以CZMIL为例)的性能评估提供了基础。利用MODIS二级数据产品评估了中国黄海、东海海域在CZMIL海道测量模式下最大可测水深的空间分布。研究结果表明CZMIL在黄海、东海海域可测水深基本在0—50 m,该区域的面积占研究区域面积的比例为76.2%,为浅海海域开展激光测深作业提供了测深能力评估的依据和方法。     

一种网络空间现象同位模式挖掘的新方法

同位模式的挖掘是空间数据挖掘领域关注的热点问题。目前,对于网络空间现象同位模式挖掘的研究较少。本文将欧氏空间已有方法扩展至网络空间,该方法由两个核心步骤组成:①通过对网络进行划分定义同位腜停范ㄍ止叵担虎诙酝止叵到型臣仆贫先范ㄆ涫欠裎荒J健6陨钲谑兄圃煲倒镜耐荒J酵诰蚪辛朔椒ㄋ得鳎谰菁劬醚е械贾虏导鄣娜只贫哉庑┩荒J浇辛硕ㄐ苑治觯ü胍延蟹椒ǖ谋冉弦约巴纾撕募煅檠橹ち吮疚姆椒ǖ挠行浴€     

一种基于软件网络的重要服务发现方法

与已有的侧重于服务内容的方法不同,本文根据服务组合的历史记录,提出了一种依据服务间依赖关系发现重要服务,以及其他可与之进行组合的服务的方法。在对ProgrammableWeb真实数据的实验结果表明,发现的重要Web API在Mashup中出现率达95%,且在分析给定Web API集的可组合性方面,成功率高达98%。     

多尺度空间同位模式挖掘的点过程分解方法

空间同位模式挖掘旨在发现多类地理要素或事件频繁互邻近形成的关联规则,对于理解复杂地理现象内在发生机理具有重要价值。针对现有基于关联规则的空间同位模式挖掘方法难以对地理数据特性(如多尺度性)进行有效建模的缺陷,本文提出了一种基于点过程建模与分解的多尺度空间同位模式挖掘方法。首先通过构建一个随机变量将多类要素实例分布数据表达为混合空间点过程,并引入一个非参统计指标对同位模式进行特征尺度判别;基于此,定义一种条件概率密度分布函数,利用点过程分解思想挖掘多尺度空间同位模式及其实例分布。试验分析结果表明本文方法可以准确挖掘空间同位模式在不同尺度的空间分布形态,并且有效降低了人为设定参数的主观性。     

被动微波遥感雪深反演混合像元问题研究EI北大核心CSCD

积雪深度是反映地表积雪量变化的重要因子,是水文模型和气候模式中的重要参数之一。被动微波遥感以其穿云透雾、对雪层信息敏感等特点,被广泛应用于雪深的反演研究中。被动微波传感器的低空间分辨率(数千米至数十千米)及地表覆盖的复杂性,使星载被动微波遥感影像中的混合像元现象十分突出,严重制约了被动微波雪深遥感监测的应用和发展。目前,被动微波遥感雪深反演中的混合像元问题研究仍存在着诸多挑战:①理论支撑不足,对被动微波混合像元亮温响应特征及影响机制的研究尚不充分;②针对混合像元问题所发展的被动微波雪深反演算法,对地表异质性特征考虑不足。