排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
城市暴雨内涝模拟模型优化与精度验证 总被引:2,自引:0,他引:2
本文采用“Vegetation-Impervious Surface-Soil”模型和线性光谱混合分解方法,获取像元中不透水面、植被、土壤覆盖信息,用于计算SCS模型产流参数综合CN(Curve Number)值;基于土地利用类型,采用经验值与数值实验逐步求精相结合的方法,确定水动力汇流模型参数曼宁系数,并用实测积水数据验证两次参数修正的模拟效果。以上海中心城区为例进行验证,研究结果表明:①将采用V-I-S模型得到的不透水面、植被、土壤信息设定CN值,能够降低积水分布的极值化现象,提高SCS产流模型产流量和产流分布精度;②采用经验法和数值模拟逐步求精法,按土地利用类型设定曼宁系数,使各时段最大积水深度高于原模型,说明曼宁系数是汇流模型的敏感参数。 相似文献
2.
地理大数据是地理对象所产生的“足迹数据”,而地理大数据挖掘就是通过反演分析地理对象的“足迹数据”,揭示其中蕴含的人地关系及其时空模式。近年关于地理大数据的重大研究进展显示,其研究结论的取得大多需要借助多种大数据的信息综合。为此,本文提出研究地理大数据聚合的必要性:代表新的研究范式、产生新的研究视角、提升研究的全面性,并将地理大数据聚合定义为:不同地理大数据之间通过转换形成面向研究对象的多维数据集合。在阐述地理大数据分类和特点的基础上,将地理大数据聚合分为:时空聚合、面向对象聚合、面向主题聚合以及面向模型聚合四种类型。地理大数据聚合作为地理大数据挖掘的重要组成部分,其过程大致可以分为:确定内核—信息溯源—反演汇聚3个步骤,而其中的关键科学问题包括:统一时空框架和基准、统一数据表达与存储、匹配同一观测对象的多数据源、统一多源数据的时空范围、调和不同对象之间不同的变化速率、解决数据共享与隐私保护、大数据与小数据的聚合等。地理大数据聚合方法与技术的发展,将会拓展地方的感知、土地功能的识别、对人群的观测与理解、功能与流动之间关系、地表复杂巨系统等新领域的研究。 相似文献
3.
地理流的空间模式:概念与分类 总被引:1,自引:0,他引:1
地理流被定义为地理对象在不同空间位置间的流动,而地理流通常涵盖了物质、信息、资金、能量等的空间转移。位置之间各种流的出现与强化,改变了以距离衰减效应为基本规律的传统认知。因此,针对地理流的研究将有助于从新的角度理解地理格局及其形成机理。本文认为可采用2种模型对地理流进行表达:① 将地理流抽象为包含起点和终点坐标的四元组(又称地理流正交模型);② 将其抽象为包含起点坐标、流长度与流方向的模型(又称地理流极坐标模型)。在地理流表达模型的基础上,流空间可以定义为由两个二维空间通过笛卡尔积形成的四维空间。本文给出了流空间中4种距离(最大距离、加和距离、平均距离和加权距离)、不同距离下地理流的r邻域体积以及地理流密度等测度的定义。根据地理流极坐标模型中不同要素随机性的组合方式,将地理流模式分为随机、丛集、聚散、社区、并行与等长6种常见的单一模式,并梳理了不同模式的识别方法。单一模式之间的组合可以形成混合模式,而多类流数据之间可以形成多元流模式。在未来的研究中,地理流的基础统计理论、地理流模式的挖掘方法以及在实际问题中的应用将是其重要的发展方向。 相似文献
4.
5.
1