摘要：传统土地利用变化预测方法通常效率低,无法满足土地利用变化大数据分析和处理的需求。采用MapReduce编程模型对元胞自动机-马尔可夫模型进行并行化扩展,设计了基于Hadoop的土地利用变化预测方法(land-use change prediction method based on cloud computing,Cloud-CMLP),并选取杭州市进行实验,包括:①不同数据量下Cloud-CMLP核心算法的运行效率实验;②利用Cloud-CMLP方法模拟杭州2013年土地利用变化,并将模拟结果与2013年遥感影像解译结果进行对比分析,验证了预测方法的正确性;③杭州2020年的土地利用变化模拟预测分析,研究区中心地带受发达交通系统影响,建设用地面积整体呈快速上升趋势,且主要来源于农业用地的转换。

摘要：针对互联网上旅游信息量飞速增长导致旅游者难以从海量大数据中检索出有效信息的问题,该文为帮助旅游者从众多Web旅游网站中高效地获取想要的地理信息,基于开源的Nutch搜索引擎框架,结合旅游领域与地理信息的特性,对原有搜索引擎框架的索引及搜索方法模块进行改造,通过设计基于词典的双向最大匹配模型对地理信息进行分词,并集成到Nutch搜索引擎框架的分词模块中,构建出面向旅游领域地理信息的垂直搜索引擎。最后,利用GIS技术,设计并实现了一个旅游地理信息垂直搜索系统,对旅游地理信息搜索服务进行了验证。

摘要：为了能及时、准确的估算出PM2.5浓度及污染等级,分别构建了K最邻近模型(KNN)、BP神经网络模型(BPNN)、支持向量机回归模型(SVR)、高斯过程回归模型(GPR)、XGBoost模型和随机森林模型(RF)6个PM2.5浓度预测模型,选取江西省赣州市为实验区域,采用2017~2018年逐小时气象站数据、PM2.5浓度数据和Merra-2再分析数据开展PM2.5预测实验.结果表明,缺少污染物观测数据时,利用能见度和气象因子等数据也能较好的预测PM2.5浓度.在PM2.5浓度预测精度方面,XGBoost模型最高,随机森林模型次之,高斯过程回归模型最差.6个模型的预测精度总体呈现冬季最高,秋季和春季次之,夏季最低.XGBoost模型的PM2.5污染等级预测准确率高于其他模型,综合准确率达87.6%,并且XGBoost模型具有训练时间短,占用内存小等优点.XGBoost模型的变量重要性结果表明,能见度变量的重要性最高,相对湿度和时间变量次之.本研究可为环境部门准确预测、预报PM2.5浓度提供参考.

摘要：近年来,城市管理问题日益突出,如信息传递不及时、政府管理落后等,为解决当前城市管理滞后问题及频发的城市管理公众事件.采用WebGIS和移动GIS技术实现了基于自发式地理信息的城市管理信息系统,将传统的政府主导的城市管理模式更改成公众可参与的开放式数字化城市管理新模式.并基于天地图空间数据共享平台的开放接口,设计了一套新的自发式城市管理流程及监督评价模型,实现了对参与城市管理的社会公众和政府部门的双向监督与评价,并以赣州市城市管理工作为例进行了应用研究.

摘要：针对主流CAD、GIS软件无法构建与处理缓和曲线多边形的问题,文中从缓和曲线算法设计、多边形模型构建、多边形处理算法设计等方面进行研究,提出了一种基于附带缓和曲线的多边形构建算法.该算法采用层状模型构建附带缓和曲线多边形模型,能实现多边形的布尔运算,周长计算和面积计算.同时,采用C#语言进行AutoCAD二次开发完成处理附带缓和曲线多边形插件的开发.通过大量附带缓和曲线多边形数据处理实验,结果表明该算法能完成附带缓和曲线多边形布尔运算、面积计算和周长计算.