基态修正时空数据模型的进一步扩展

引入超图模型的部分理论，建立了基于基态修正的面向对象时空数据模型。很好地解决了时空对象的空间关系和时空对象之间的关系，提出了时空对象的索引结构。并引入基态距因子和等比系数，从而大大提高了查询效率。并缩短了查询时间。     

面向移动对象范围的混合索引结构

许多时空应用(如火灾模拟等)需要高效地查询移动对象的变化范围,针对此需求提出了基于TPR-tree和GF索引方法的两种混合索引结构,以支持对移动对象当前和未来范围的预测时空查询.在代价模型分析的基础上,基于模拟数据集的实验结果表明,这种混合索引方法能够有效地支持对移动对象变化范围的预测查询.     

移动数据对象索引技术研究

本文总结了索引移动对象的各种技术，并对它们进行了比较详细的归类，对每种方法均找出了一个或多个比较典型的模型进行介绍。对于动态移动对象的索引，我们必须结合多种索引结构才能实现相对比较全面的查询和索引功能。多种索引结构的结合是时空数据库系统实际设计的主要趋势，选择哪几种索引结构以及如何把它们有机地结合起来将是系统设计所面临的主要难题。     

闽宁对口帮扶系统发展动力学模型及其应用

把经济学时空引进模型体系,建立起讨论模型的严格时空参照系,提出供需和管理三大经济位势,提出经济渗透率、空隙度、饱和度、粘滞度等参数,建立了经济力学流动工程;引进空间作用函数,改进空间相互作用模型;广义定义资源概念,给出资源优化配置决策模型,使其适用于广泛的应用场合,在此基础上,阐述了闽宁对口帮扶系统发展的动力机制和运行机制,并提出了定性和定量相结合的系统分析方法,供决策参考。     

一种有效检索和更新移动对象的混合索引结构

由于无线通信技术持续不断的发展和基于定位服务的广泛应用,存储和处理移动对象数据变得尤为重要。提出了一种移动对象混合时空索引结构,即HTVKDB-tree,此索引结构在KDB-tree的基础上结合了直接存取移动对象位置的辅助索引结构。在结点中加入时间和速度参数,使其支持索引移动对象,并且索引结构能够支持未来的位置检索。此外,增加了一个指向中间结点访问表的主存结构以支持自底向上的更新算法以降低更新代价。     

基于空间数据结构的图像检索

提出了用图像联合特征取代单一的图像特征表示内容的模型，通过把图像的相似性定义在欧氏空间，引入了空间数据索引结构，针对图像联合特征的高维性，提出用X树空间结构来索引图像联合特征从而实现对图像内容进行检索的方法，通过实验比较，证明该方法的检索不仅视觉效果良好，而且检索效率也明显提高。     

图结构XML文档的关键字检索方法

研究了基于图结构XML文档的关键字检索方法。根据图结构XML文档的结构特点,结合用户输入的关键字及其类型,建立了用户查询语义模型;定义了拥有完整语义信息的查询结果模型,并从层次结构上分析来定义结果的语义相关性排序方案;提出基于语义的双层索引结构。实验结果表明,算法具有较高的准确率和效率。     

超级节点-MDS资源信息模型的设计与研究

网格开发工具GT4中MDS索引服务的层次式结构已经不能满足大规模网格动态变化的资源服务要求。为了克服MDS的缺陷,将超级节点模型引入GT4,提出一种基于超级节点-MDS的新资源信息模型。对该模型的设计进行了研究,分别从模型假设、定义和结论等方面论述。并描述了单VO内部结构及模型系统结构。该模型将层次式索引分散化,具有分布式的索引结构,克服了MDS易单点失效、扩展性差等缺陷。仿真测试了模型的性能,实验结果表明该模型易于扩展、鲁棒性强。     

基于数据编解码的时空交通流预测方法

针对路网的拓扑信息不完整而无法实现时空结合交通流预测的情况，提出了一种基于时间序列预测模型联合数据编解码机制的预测方法。对路网内路段交通流数据进行编码得到路网信息的链状结构，以此获取路网结构中的拓扑信息；通过时序模型对链状结构进行交通流预测，完成对链状结构的时序特征提取；最终，通过解码方法得到路网的时空交通流预测结果。采用GPS数据，选取不同路网进行对比实验，引入数据编解码的时空交通流预测方法与时间序列模型进行比较，并且与基线模型HA和ARIMA展开了对比实验。实验结果表明：深度学习模型引入数据编解码机制后，模型性能明显提升；引入数据编解码机制的深度学习模型的性能比基线模型的性能更优越。该方法仅仅使用简单的时间序列深度网络再联合数据的编解码机制即可实现时空结合的交通流预测。     

EDDBMS存取机制的设计与实现

介绍了一种面向对象的工程数据库管理系统的存取机制，根据面向对象语义模型的特点，提出了一种适合于类、对象的存储模型以及一种可查询类层次对象和单类对象的复合对象索引机制，对象标识的选择便于对象的查询，在此之上实现了复杂对象的存储管理     

基于ORDBMS的时空数据库系统实现与应用

以基于对象关系数据模型的时空数据模型STORM为基础,研究了在ORDBMS上进行时空数据库系统扩展的方法,并以中国历史地理信息为例,讨论了时空数据库在实际中的应用问题.实验证明,基于ORDBMS的时空数据库系统既可以实现时空数据的有效存储,又能够很好地支持前端时空应用的数据存取需求.     

珠江流域1981—2020年水文干旱时空特征分析

基于VIC模型和汇流模型生成的1981—2020年5 km×5 km网格模拟流量数据,构建了长历时、网格化的标准化径流干旱指数(SRDI),对珠江流域水文干旱时空演变特征进行了评估。结果表明：基于模拟流量构建的网格化SRDI能够较好地模拟珠江流域干旱时空演变过程;珠江流域水文干旱的时间演变特征明显,干旱集中发生在夏季,秋季可能发生大范围的水文干旱,季节尺度上一年四季均有可能发生极端干旱;珠江流域水文干旱在空间格局上呈现为自东向西由干旱高频区向干旱长历时、高烈度区过渡分布。     

时空数据模型的研究进展评述

时空数据模型是研究地学时空过程的基础数据设施条件．在介绍时空数据模型的研究进展的同时也讨论了当前主要时空数据模型的优缺点．时空数据模型根据其建模思路主要地可分为4类，即着重于描述时空状态序列的过程模型，着重于描述某个时间点上形成的时空因果联系的时间点模型，意图全面描述时空关系的面向对象的模型以及满足特定时空推理方法要求的专用数据模型．时空对象的特征变化过程、空间关系以及时序关系的表达在时空数据模型的研究中讨论得比较广泛而深入，但是针对时空中的相互作用过程及存在于其中的时空因果联系以及针对时空不确定性的表达研究目前仍显不足，需要进一步研究．针对特定时空推理算法的专用时空数据模型需要与时空推理模型的研究紧密结合才能取得同步发展．越来越多的多源异构时空数据需要一个逻辑上的集成模型以实现一体化的数据管理，这方面的研究也需要进一步深入．     

时空XML文档中不一致性修正方法的研究

作为时空数据库的核心和基础,许多时空数据模型被提出以适应越来越多的应用.基于XML对时空数据建模的研究特别是修正时空数据在XML文档中的不一致性的研究还很少.首先,提出了一个基于XML的时空数据模型,并在此模型的基础上给出了时空数据在XML文档中的一致性条件.然后,对三种主要的变化操作即更新操作、插入操作和删除操作中的不一致性阐述了修正方法,并给出了相应的例子说明.最后,对这三种操作不一致性种类进行了讨论.     

基于XML的不确定时空数据模型

由于在传送过程中存在数据失真、丢失或者网络延迟等原因,时空数据的不确定性普遍存在且无法避免,因此需要研究一个折中办法,使其不影响对数据的处理.基于XML建立不确定时空数据模型表达时空数据具有更多优势,可以更好地管理不确定时空数据.传统的关系数据库对数据的表示以关系为基础,对时间的表示有大量的数据冗余,使其不能很好地表示不确定时空数据.基于XML构建不确定时空数据的表示模型,对各个节点分类,对于特殊的不确定节点,引入概率属性来表述,提高了数据表示能力.     

模糊时空XML数据Schema的研究

为了管理模糊时空XML数据,将若干个模糊构造子引入到XML文档中,并对XML文档的Schema进行模糊时空扩展,同时,通过修改XML文档的Schema以容纳这些新引入的模糊构造子.由此形式化提出模糊时空XML数据模型,之后分别对模糊时空XML数据模型中OID部分、ATTR部分、FP部分、FM部分以及FT部分的Schema进行扩展,并举出具体实例加以说明.通过对Schema的扩展,使其兼容模糊时空信息,方便管理模糊时空XML数据,从而可以进一步表示、推理和查询模糊时空XML数据.     

一种集成时空数据模型及语义扩展

采用面向对象的方法提出了一种具有集成特点的时空数据模型．模型分别扩展了空间数据对象和时态数据对象,时空对象是空间对象和时态对象的聚集,空间对象的变化由对象的行为进行描述并以不同的版本表现出来．此外,通过量词符号在时域上的扩充对对象的基本关系进行了语义扩展,在形式上将时态和空间谓词语义统一起来．这种模型能够更好地适应时空信息系统的应用需求．     

一种基于对象快照模型的时空查询原子模型

基于对象快照模型, 在分析时空对象最基本时空特征的基础上, 定义时间范围、空间范围、时空范围、时间关系、空间关系和属性状态6 个基本查询元素。在此基础上, 以时间为主轴, 定义原子查询类型, 并提出基于原子类型构造新类型的方法。对基本元素和原子查询的定义不涉及应用级语义, 使其具有良好的系统性和适应性; 同时具有明确的GIS 表达, 使其具备可实现性。研究成果可以作为时态GIS 中时空查询接口实现的基础和依据。     

Incorporating temporal variability to improve geostatistical analysis of satellite-observed CO2 in China

Observations of atmospheric carbon dioxide (CO2 ) from satellites offer new data sources to understand global carbon cycling. The correlation structure of satellite-observed CO2 can be analyzed and modeled by geostatistical methods, and CO2 values at unsampled locations can be predicted with a correlation model. Conventional geostatistical analysis only investigates the spatial correlation of CO2 , and does not consider temporal variation in the satellite-observed CO2 data. In this paper, a spatiotemporal geostatistical method that incorporates temporal variability is implemented and assessed for analyzing the spatiotemporal correlation structure and prediction of monthly CO2 in China. The spatiotemporal correlation is estimated and modeled by a product-sum variogram model with a global nugget component. The variogram result indicates a significant degree of temporal correlation within satellite-observed CO2 data sets in China. Prediction of monthly CO2 using the spatiotemporal variogram model and spacetime kriging procedure is implemented. The prediction is compared with a spatial-only geostatistical prediction approach using a cross-validation technique. The spatiotemporal approach gives better results, with higher correlation coefficient (r2 ), and less mean absolute prediction error and root mean square error. Moreover, the monthly mapping result generated from the spatiotemporal approach has less prediction uncertainty and more detailed spatial variation of CO2 than those from the spatial-only approach.