融合多源数字信息的流域水系提取方法研究

由于DEM数据不包括河流、湖泊(水库)及流域边界和堤坝等信息,因此常规仅依靠DEM提取水系的方法不能反映平坦区域及受人类影响强烈区域水系的真实特征。该文建立了融合DEM、河流、湖泊水库、流域边界和堤坝等多源数字信息的流域水系提取方法,对多源信息进行栅格化,采用所提出的高程-距离函数对DEM进行校正,使得提取的数字水系与实际水系精确拟合。将该方法应用于山区太湖西苕溪流域老石坎水库及其上游集水区和平原丘陵分布区的淮河史灌河蒋家集站、梅山、鲇鱼山水库区间流域,提取的河网结构与地图信息拟合较好。     

海面-地面系统中三维古地面反演计算的剥蚀算法研究

三维古地面反演计算是海面-地面系统研究中的一个基础研究。该文在前人研究的基础上提出了三维古地面反演计算的剥蚀算法,并与传统的加积算法做了比较分析,得出剥蚀算法比加积算法有对时间序列离散判断简单、方便计算等优点。同时,在GIS平台下实现了该算法,并以长江三角洲地区为试验区,进行了古地面虚拟反演计算,取得了较好的效果。     

地层信息系统中的地质实体与数据类型

结合地质实体概念厘清数据类型及其特征对地层信息系统的发展有重要意义。地层信息系统数据可以归类为属性数据、几何数据、关系数据、元数据4类,地层信息中的地质实体可分为基础地质实体和地质实体要素,进一步把地质实体要素分为关联要素和非关联要素。文中分析了矿体、风化分界面、断层、褶皱、不整合面、滑坡体的几何属性。区分观测者位置、数据采集点和数据本身空间属性,数据获取方法可分为地表调查、钻入调查、岩层透视调查、岩层非透视调查,并分析了原始数据与地质实体的对应关系。     

基于GIS的怒江峡谷人居环境容量评价——以泸水县为例

本文选取坡度、坡向、海拔、土地利用、交通、水资源、土壤质量等作为评价指标,利用GIS的叠置分析、缓冲区分析等空间分析技术对怒江峡谷区的泸水县人居环境适宜性进行了定量综合评价分析。评价结果表明,泸水县人居环境适宜区主要以带状形式分布在河流周围,其他区域只有零星分布,与泸水县人口分布的空间格局相吻合。泸水县人居环境状况与经济发展水平呈现明显的正相关性,人居环境评价值与各乡镇农民人均纯收入相关系数达到0.89,与各行政村农民人均纯收入的相关系数达到0.956。此外,本文还分析了泸水县各个乡镇的人居环境容量,表明泸水县已难以承载现有的人口。     

基于Google API的地震信息地图发布系统

Google Map及相关工具功能强大,是可二次开发的地理信息平台。介绍运用Google MapAPI技术,实现动态实时更新的地震信息发布系统,并简单应用。     

Remote sensing of ecosystem services: An opportunity for spatially explicit assessment

Ecosystem service is an emerging concept that grows to be a hot research area in ecology. Spatially explicit ecosystem service values are important for ecosystem service management. However, it is difficult to quantify ecosystem services. Remote sensing provides images covering Earth surface, which by nature are spatially explicit. Thus, remote sensing can be useful for quantitative assessment of ecosystem services. This paper reviews spatially explicit ecosystem service studies conducted in ecology and remote sensing in order to find out how remote sensing can be used for ecosystem service assessment. Several important areas considered include land cover, biodiversity, and carbon, water and soil related ecosystem services. We found that remote sensing can be used for ecosystem service assessment in three different ways: direct monitoring, indirect monitoring, and combined use with ecosystem models. Some plant and water related ecosystem services can be directly monitored by remote sensing. Most commonly, remote sensing can provide surrogate information on plant and soil characteristics in an ecosystem. For ecosystem process related ecosystem services, remote sensing can help measure spatially explicit parameters. We conclude that acquiring good in-situ measurements and selecting appropriate remote sensor data in terms of resolution are critical for accurate assessment of ecosystem services.     

地理命名实体分类体系的设计与应用分析

自然语言是一种重要的空间数据来源,从自然语言中获取地理空间信息是地理信息科学的重要研究议题。完善的地理命名实体分类体系,有助于实现自然语言中地理空间信息的解析、存贮、组织、管理、分析及共享应用。现有的基础地理要素分类体系、地名分类体系和组织机构分类体系,分别侧重于不同的应用领域,只能表达自然语言中的部分地理命名实体,没有考虑时空关联特性。本文在参照大量相关标准的基础上,根据大量自然语言文本的标注结果,以地理命名实体所指代的空间位置、地理特征和属性作为分类标准,采用主分表和复分表相结合的方式,设计了地理命名实体分类体系(简称"GNEC")。采用定量和定性相结合的方法,分析了GNEC与GB/T18521-2001,GB/T13923-2006,CHG IS的地名分类体系、ADL的FTT词表之间的兼容性,并以中文文本的地理命名实体解析和地图服务为例,验证了GNEC的应用性能。多样性是自然语言中地理实体描述的重要特征,而分类体系主要实现地理命名实体的概念化操作。因此,在GNEC基础上构建本体,将成为解决这一问题的有效途径。     

面向对象的极高海拔区水体及冰川信息提取——以珠穆朗玛峰国家级自然保护区核心区为例

极高海拔地区多为河流发源、冰川发育地,由于地形起伏强烈,且野外考察验证工作困难,传统的遥感信息提取方法很难保证该地区水体及冰川的提取精度。本文基于ASTER影像,运用面向对象的图像信息自动分析方法,对珠穆朗玛峰国家级自然保护区核心区的水体及冰川信息进行了提取研究。为保证信息提取的准确度,将数字高程模型(DEM)及其衍生数据(坡度、坡向),归一化植被指数(NDVI)数据,及有助于区分水体、冰川与其他地物的相关指数(冰雪指数NDSII)及波段运算结果(b1-b3)、(b3/b4)等,分别作为一个波段叠加到原始图像中,使之成为对目标地物光谱特征的有益补充。并对不同类型的水体及冰川进行多级、多尺度分割,以满足其对分割尺度的不同要求。分割完成后,综合考虑目标地物的光谱特征、纹理特征、空间结构特征,根据各特征指数的直方图信息,设定合适的阈值,建立了各水体及冰川类型信息提取的知识规则,并结合实地调查对信息提取的精度进行验证,改进了ASTER遥感影像自动快速提取极高海拔区水体及冰川信息的实用模型。     

Zn上的k次不可约多项式与k阶Carmichael数

设n是合数,如果对一切f（x）∈Zn[x]都满足f（x）nk≡f（x）mod（n,r（x））,那么就称n是模r（x）的k阶Carmichael数,这里r（x）是Zn[x]上的k次首一不可约多项式,用Ck,r（x）表示所有这种数的集合,并且定义Ck=Ur（x）Ck,r（x）.k阶Carmichael数,当k=4时,已证明了n=pq,p,q是不同的奇素数,p2-1,q3-1均整除n4-1,则n∈C4.主要目的是将k=4时得出的结论推广到k≥4的一般情形,利用孙子定理,通过构造Zn上的首一k次不可约多项式f（x）的方法,得出：在k≥4时,设n=pq,如果k=2m,m≥2,pm-1,q2m-1-1均整除nk-1,则n∈Ck;如果k=2m＋1,m≥2,pm-1,pm＋1-1,q2m-1均整除nk-1,则n∈Ck.     

K-means算法复杂度的能量分析方法

传统的算法复杂度分析方法重点对算法的内在流程进行分析,而且对于数据挖掘时具有很大不确定性,执行时间不能准确确定.用物理学原理从能量的角度对数据挖掘中的经典聚类算法K-means进行分析,并从算法的本质上推导出其复杂度下限,推导出该算法能优化到的极限值.