利用SRTM数据绘制地形图及在Google Earth中叠加显示

Google Earth自2005年推出以来,以其易用性和庞大的数据库吸引了众多用户。但由于客观原因所限,某些地区图像分辨率低,且未提供准确的高程数据,不利于地貌地物的分辨和分析。为解决上述问题,笔者通过下载美国SRTM数据,利用Global Mapper软件进行分析、处理和格式转换、生成等高线,并转换成Google Earth支持的KML/KMZ格式。本方法可使地形图和卫星图像进行叠加显示,其使用的数据和软件易于获得,方法操作简便,可在实际工作中有更多的应用。     

完善文字与细节是提高晚报科普质量的关键--以2015年第三季度《新民晚报》科普闪失为例

目的研究《新民晚报》刊登的文章中存在的一些科普闪失,以求提高晚报科普质量。方法以2015年第三季度《新民晚报》为例,从文字方面、知识方面、量的单位与符号以及对于提高晚报科普品质的建议与策略等方面进行分析论述。结果指出了《新民晚报》在文字方面、知识方面、量的单位与符号等方面存在的问题,出版优质晚报是读者、城市进步的需要与要件,基于细节,着力提高晚报的科普品质现实、必要且急需。互联网和全媒体时代,提高晚报竞争力、市场占有率及其信度,晚报的科普要精制。报社、晚报人应了解本报科普的实效和读者的冀望,应当认真地出版让读者获益多、使之满意的晚报。结论晚报等都市报(晚报)是与读者"零距离"的传媒,它是滋润、提携读者的"维生素"。晚报是文化化人、文化城市的学习读本,是缔造学习型城市和低碳社会的向导。     

基于Flex技术的淘宝地图购物系统设计与实现

为了弥补传统网络购物系统远程交易售后服务困难,大件商品物流困难的不足,设计并开发了淘宝地图购物系统;系统整合了淘宝网和谷歌地图,使淘宝网的商品具有地理位置属性并在谷歌地图上展示给用户,方便用户参考地理位置挑选商品;系统客户端采用Flex富客户端技术,服务器端采用J2EE技术;商品来自淘宝开放平台,电子地图来自Google map;系统为用户提供一种更加便捷直观的全新网上购物方式,有助于同城电子商务的发展。     

解读《第一财经日报》的报道特色

《第一财经日报》历经三年的发展，已形成了自身的报道特色：善于挖掘独家新闻，将时效与深度有机结合：运用专业化的视角，将专业与简洁有机结合：体现全球化的视野，将内容与视野有机结合。     

基于Oracle复制的针对结构化数据的搜索引擎功能的实现

针对结构化数据的查询，通常需要针对每个特定的字段设置条件，然后再构造SQL进行查询。这种查询方式对于不熟悉业务和数据结构的用户来说，往往显得不够方便。这里阐述了如何利用Oracle的复制机制，对数据库中的数据进行重新排列，便于使用简单的SQL算法实现全数据库的模糊搜索，从而对结构化数据实现了搜索引擎的功能。     

新闻定义之我见

当前关于新闻的定义很多,本人认为新闻应该是经过传播的新近发生的对受众有知悉意义的事实的信息.本文从新闻是一种信息、新闻是经过传播的信息、新闻是新近发生的事实、新闻是对受众具有知悉意义的信息等四个方面对这一观点进行了说明.     

搜索引擎百度与Google的比较分析

介绍了搜索引擎百度与Google的现状,分析了搜索引擎的工作原理及其核心技术——超链分析技术,并比较了百度与Google搜索功能的异同点。     

浅谈科教类电视节目的组织与策划

科教类电视节目与其他电视节目相比显得抽象、枯燥,它不可避免的专业性和说教性．使不少观众对科教类电视节目敬而远之。因此,研究科教类电视节目的特性,加强新闻策划,打造和强化品牌优势,在新世纪就显得非常重要。这不仅是我国“科教兴国”战略的需要,也是提高我国公众科学素养的重要选择。     

Google Earth在交通信息服务系统中的应用研究

通过将海量的高分辨率卫星遥感图与航拍图映射到三维的地球模型中,Google Earth(GE)为ITS的各种应用提供了全新的地理信息平台。描述并分析了GE的主要功能及其编程接口,建立了基于GE的实时动态交通信息服务系统的分布式系统架构,并开发了相应的原型系统。运行结果表明,原型系统达到了设计目标,与传统基于GIS的交通信息服务系统相比,具有更加生动的交通与地理信息表达方式、用户与开发者友好等优点。     

Valuable information in early sales proxies: The use of Google search ranks in portfolio optimization

We extract information on relative shopping interest from Google search volume and provide a genuine and economically meaningful approach to directly incorporate these data into a portfolio optimization technique. By generating a firm ranking based on a Google search volume metric, we can predict future sales and thus generate excess returns in a portfolio exercise. The higher the (shopping) search volume for a firm, the higher we rank the company in the optimization process. For a sample of firms in the fashion industry, our results demonstrate that shopping interest exhibits predictive content that can be exploited in a real‐time portfolio strategy yielding robust alphas around 5.5%.