数字河口平台建设关键技术研究

论文摘要

信息技术的飞速发展改变了和改变着我们的生活方式,我们的生活理念,冲击着社会的各个领域,许多领域和行业已经发生和正在发生巨大的变革,这是一个信息的时代。在当今信息社会,人们对信息的需求量越来越大,特别是在科学研究中,多学科的交叉和融合对数据集成、处理和共享提出了更高的要求,仅靠传统的方法越来越难以满足人们的需要。纸质地图和海洋调查数据都是重要的数据来源,其数据类型纷繁复杂,数量也非常大,数据集成和处理工作非常繁重,仅靠传统的手工操作难以完成该任务,本文通过对地图自动识别与矢量化方法和海洋调查数据处理方法的改进,大大节约了处理时间,加快了数据集成和处理的进程,对于数据共享具有重要意义。海洋数据的处理方法与一般数据处理方法不同,具有其独特性,本文对数据的处理并不局限于已有文献采用的方法,而是根据海洋数据本身的特点,通过分析其内在特征,充分利用信息技术最新的研究成果,在已有研究的基础上加以综合和改进,提出了自己的观点和方法,本文的研究成果主要包括:1在等值线自动识别方面,首次采用了神经网络方法对图文进行分离,取得了较好的分离效果;并提出了基于非线性埃尔米特插值和能量函数相结合的等值线识别方法,跟踪步长增大,克服了采用直线段跟踪等值线步长小的缺点,判识等值线所依据的信息量更大,符合等值线整体识别的发展趋势。2在CTD数据处理方面,针对CTD数据的特点,设计了独特的粗大误差处理流程和处理方法,解决了常规方法效率低,操作繁琐的特点。3结合海洋沉积学领域端元分析模型,开发了端元分解算法,并首次利用该模型对东海陆架沉积物粒度数据进行了研究和分析,揭示了其中蕴含的大量信息。

论文目录

• 摘要
• Abstract
• 1 引言
• 1.1 课题来源与项目背景
• 1.2 国内外研究现状和发展动态
• 1.2.1 数据集成与共享政策
• 1.2.2 数据集成与共享标准
• 1.2.3 数据集成和共享框架
• 1.2.4 数据处理和分析工具
• 1.3 数据集成与共享案例
• 1.4 课题执行中遇到的主要问题
• 1.5 本文的工作内容
• 1.6 论文的组织结构
• 2 海洋图件自动矢量化
• 2.1 研究背景及意义
• 2.1.1 数字地图
• 2.1.2 地图数字化的发展历程
• 2.2 等值线自动识别的研究现状
• 2.2.1 国外发展概况
• 2.2.2 国内发展概况
• 2.3 本文的研究思路
• 2.4 地图预处理
• 2.5 图文分离
• 2.5.1 常用的图文分离方法
• 2.5.2 本文采用的图文分离方法
• 2.5.3 神经网络的输入
• 2.5.4 图文分离效果
• 2.5.5 小结
• 2.6 等值线识别
• 2.6.1 常用的识别方法
• 2.6.2 本文算法的出发点
• 2.6.3 常用的插值方法插值效率比较
• 2.6.4 本文采用的等值线识别方法
• 2.6.5 等值线识别步骤
• 2.6.6 等值线识别结果
• 2.6.7 断点连接
• 2.6.8 小结
• 2.7 交互修改和等值线标注
• 2.7.1 交互修改
• 2.7.2 等值线标注
• 2.8 原型系统
• 2.9 总结
• 3 CTD数据的处理和显示
• 3.1 CTD数据简介
• 3.2 CTD数据处理步骤和方法
• 3.3 CTD数据粗大误差的处理
• 3.3.1 常用CTD粗大误差处理方法
• 3.3.2 基于分位数的CTD粗大误差处理方法
• 3.3.3 应用举例
• 3.3.4 小结
• 3.4 CTD数据的显示
• 3.4.1 等值线图的绘制方法
• 3.4.2 调查站位的显示和选取
• 3.4.3 小结
• 4 海洋沉积物粒度数据处理和分析
• 4.1 常规数学统计方法在东海陆架沉积物粒度数据分析方面的应用
• 4.1.1 研究背景
• 4.1.2 取样站位与样品分析方法
• 4.1.3 研究区沉积物分区
• 4.1.4 表层沉积物粒度数据多元统计分析结果
• 4.1.5 长江口泥质区与浙闽沿岸泥质区站位沉积物级配特性对比
• 4.1.6 泥质区沉积物与粉砂—砂质区沉积物级配特性对比
• 4.1.7 小结
• 4.2 端元分析模型简介
• 4.2.1 端元分析模型的基本原理
• 4.2.2 端元分解算法
• 4.3 端元分析模型在长江口邻近海域沉积物粒度数据反演方面的应用
• 4.3.1 研究区域
• 4.3.2 研究方法
• 4.3.3 数据和结果
• 4.3.4 讨论
• 4.3.5 小结
• 4.4 利用端元分析模型反演东海内陆架沉积物中的气候信息
• 4.4.1 区域概况
• 4.4.2 材料和方法
• 4.4.3 结果与讨论
• 4.4.4 小结
• 4.5 总结
• 5 公共数据平台的建设
• 5.1 平台收集的数据和数据共享策略
• 5.1.1 平台收集的数据
• 5.1.2 用户类型和数据访问权限
• 5.2 网站主要栏目
• 5.3 数据的动态可视化显示
• 6 结语
• 参考文献
• 致谢
• 个人简历
• 博士生学习期间发表的研究论文和申请的专利