多粒度时空对象支持下湿地时空行为认知与表达初探

doi:10.13474/j.cnki.11-2246.2020.0062

测绘通报 ›› 2020, Vol. 0 ›› Issue (2): 147-150.doi: 10.13474/j.cnki.11-2246.2020.0062

• 第七届测绘科学前沿技术论坛获奖论文 • 上一篇下一篇

多粒度时空对象支持下湿地时空行为认知与表达初探

陈云海, 江南, 訾璐

信息工程大学, 河南郑州 450001

收稿日期:2019-06-06 出版日期:2020-02-25 发布日期:2020-03-04
通讯作者: 江南。E-mail:13653802609@163.com E-mail:13653802609@163.com
作者简介:陈云海(1987-),男,博士生,研究方向为全空间信息系统。E-mail:xwliky@qq.com
基金资助:
国家重点研发计划（2016YFB0502300）

The cognition and representation of spatio-temporal behaviors of wetland based on spatio-temporal objects of multi-granularity

CHEN Yunhai, JIANG Nan, ZI Lu

Information Engineering University, Zhengzhou 450001, China

Received:2019-06-06 Online:2020-02-25 Published:2020-03-04

摘要/Abstract

摘要： 湿地作为一种活的空间实体，其时空行为错综复杂，认知和表达一直是该领域研究的重点和难点。全空间信息系统以多粒度时空对象直接对现实世界进行抽象和描述，比传统GIS更符合人的认知特点。因此，本文基于多粒度时空对象建模思想，分别对湿地数据组织、时空行为认知和表达进行了初探。结果表明：湿地时空行为可按对象粒度、数量和特征属性进行分类，且行为表达可通过动态展示，分析建模和模型预测层层递进，较以往表征方式具有动态关联近实时等优势，可为湿地资源的动态监测提供一种新的研究思路。

关键词: 湿地, 多粒度, 时空对象, 行为认知, 行为表达

Abstract: Wetland, as a kind of living spatial entity, has complex spatio-temporal behaviors. The cognition and presentation of its behaviors have always been the focus and difficulty in this field. The pan-spatial information system could abstract and describe the real world directly based on spatio-temporal objects of multi-granularity, which is more convenient than traditional GIS for people's cognitive habits. Therefore, this paper, using the method of spatio-temporal objects of multi-granularity modeling, initially explores the cognition and presentation of its spatio-temporal behaviors by analyzing and summarizing the wetland data organization method, spatio-temporal behavioral cognition, classification, representation respectively. It turns out that wetland's spatio-temporal behaviors could be classified by the granularity, number, characteristic attributes of wetland respectively. And the representation of behaviors could be progressed by three levels, including dynamic display, analytical modeling and model prediction. Furthermore, this method, compared with the previous representation methods, has many advantages, such as dynamic, correlation and real-time. Finally, it could provide a new method for the dynamic monitoring of wetland resources.

Key words: wetland, multi-granularity, spatio-temporal objects, behavior cognition, behavior presentation

中图分类号:

P208

陈云海, 江南, 訾璐. 多粒度时空对象支持下湿地时空行为认知与表达初探[J]. 测绘通报, 2020, 0(2): 147-150.

CHEN Yunhai, JIANG Nan, ZI Lu. The cognition and representation of spatio-temporal behaviors of wetland based on spatio-temporal objects of multi-granularity[J]. Bulletin of Surveying and Mapping, 2020, 0(2): 147-150.

参考文献

[1] 江南,方成,陈敏颉.全空间信息系统认知与表达初探[J].地球信息科学学报,2017,19(9):1150-1157.
[2] 孙广友.中国湿地科学的进展与展望[J].地球科学进展,2000,15(6):666-672.
[3] 张一博,姜琦刚,林楠.三江平原湿地时空演变探究[J].世界地质,2017,36(1):299-304.
[4] 彭力恒,李骞,刘凯.1988-2013年广州市湿地时空演变分析研究[J].国土与自然资源研究,2017(4):69-71.
[5] 杜际增,王根绪,杨燕,等.长江黄河源区湿地分布的时空变化及成因[J].生态学报,2015,35(18):6173-6182.
[6] 卢晓宁,黄玥,洪佳,等.基于Landsat的黄河三角洲湿地景观时空格局演变[J].中国环境科学,2018,38(11):4314-4324.
[7] 张月,张飞,王娟,等.近40年艾比湖湿地自然保护区生态干扰度时空动态及景观格局变化[J].生态学报,2017,37(21):7082-7097.
[8] 张平.1986-2012年霍林河流域湿地时空格局变化及驱动力[J].东北林业大学学报,2014,42(5):78-82.
[9] JIANG W G, WANG W J, CHEN Y Y, et al. Quantifying driving forces of urban wetlands change in Beijing City[J]. Journal of Geographical Sciences, 2012,22(2):301-314.
[10] 郝敬锋,刘红玉,李玉凤,等.基于转移矩阵模型的江苏海滨湿地资源时空演变特征及驱动机制分析[J].自然资源学报,2010,25(11):1918-1929.
[11] 张华兵. 自然和人为影响下海滨湿地景观演变特征与机制研究[D].南京:南京师范大学,2013.
[12] 李德仁.脑认知与空间认知——论空间大数据与人工智能的集成[J].武汉大学学报(信息科学版),2018,43(12):1761-1767.
[13] 周成虎.全空间地理信息系统展望[J].地理科学进展,2015,34(2):129-131.
[14] 华一新,周成虎.面向全空间信息系统的多粒度时空对象数据模型描述框架[J].地球信息科学学报,2017,19(9):1142-1149.
[15] 曹一冰,华一新,郭邵萌.多粒度时空对象行为特征的描述方法研究[J].地理信息世界,2018,25(2):23-29.
[16] 丁小辉,张树清,陈祥葱,等.时空对象行为分类与形式化表达[J].地球信息科学学报,2017,19(9):1195-1200.

多粒度时空对象支持下湿地时空行为认知与表达初探

The cognition and representation of spatio-temporal behaviors of wetland based on spatio-temporal objects of multi-granularity

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	陈根良. 湿地资源质量评价方法——以湖南东洞庭湖国际重要湿地为例[J]. 测绘通报, 2022, 0(3): 28-31,82.
[2]	杨娜娜, 张新长, 朱紫阳, 淳锦, 金诗程. 广东省自然资源调查监测分类标准体系研究[J]. 测绘通报, 2021, 0(9): 145-150.
[3]	陈磊士, 高霞霞, 廖玉芳, 邓剑波, 周碧. 基于CART决策树的高分二号洞庭湖区湿地分类方法[J]. 测绘通报, 2021, 0(6): 12-15.
[4]	贾文翰, 刘越岩. 基于卷积神经网络的高分遥感影像内陆盐沼湿地信息提取[J]. 测绘通报, 2021, 0(6): 89-92.
[5]	高瑞, 王志勇, 周晓东, 刘睿. 利用多时相遥感监测与分析黄河三角洲湿地变化动态[J]. 测绘通报, 2021, 0(4): 22-27.
[6]	程晓晖, 李长辉, 欧佳斌, 刘业光. 深度学习在海珠国家湿地公园统一确权调查中的应用[J]. 测绘通报, 2021, 0(11): 110-114.
[7]	李贺颖, 张建辰, 郭建忠. 黄河流域湿地景观时空演变格局分析[J]. 测绘通报, 2021, 0(10): 28-33.
[8]	耿仁方, 付波霖, 金双根, 蔡江涛, 耿万轩, 娄佩卿. 面向对象的无人机遥感影像岩溶湿地植被遥感识别[J]. 测绘通报, 2020, 0(11): 13-18.
[9]	陈光, 卜坤. Sentinel-2和AW3D30相结合的湿地提取[J]. 测绘通报, 2020, 0(11): 19-22.
[10]	付波霖, 耿仁方, 李颖, 高二涛, 范冬林. 多频率InSAR提取沼泽湿地DEM精度对比分析[J]. 测绘通报, 2019, 0(10): 1-7.
[11]	宋碧波, 卢小平, 刘敏, 谢孟利, 石晶. 利用地理国情普查成果提取湿地[J]. 测绘通报, 2017, 0(6): 53-56,141.
[12]	徐佑军, 谭成国. 时空数据的组织与应用研究[J]. 测绘通报, 2017, 0(2): 98-101.
[13]	陈炜, 陈利军, 陈军, 陈浩, 周晓光, 谢波. GlobeLand30湿地细化分类研究[J]. 测绘通报, 2017, 0(10): 22-28.
[14]	吴非权, 王学华, 谭宁生, 冯金锐, 杜超利. 面向时空对象的警用标准地址数据库质检研究及其软件实现[J]. 测绘通报, 2016, 0(1): 53-56,79.
[15]	马婉婷, 桑特, 王峰. 基于航空影像的盘锦湿地监测空间数据采集方法研究[J]. 测绘通报, 2015, 0(10): 94-98.