CN116580123A - 一种区域大气环境光化学网格模型图像生成系统 - Google Patents
一种区域大气环境光化学网格模型图像生成系统 Download PDFInfo
- Publication number
- CN116580123A CN116580123A CN202310323572.2A CN202310323572A CN116580123A CN 116580123 A CN116580123 A CN 116580123A CN 202310323572 A CN202310323572 A CN 202310323572A CN 116580123 A CN116580123 A CN 116580123A
- Authority
- CN
- China
- Prior art keywords
- data
- photochemical
- image generation
- generation system
- model image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000006870 function Effects 0.000 claims abstract description 18
- 238000007405 data analysis Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 12
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 11
- 231100000719 pollutant Toxicity 0.000 claims abstract description 11
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 238000005516 engineering process Methods 0.000 claims abstract description 8
- 238000013079 data visualisation Methods 0.000 claims abstract description 7
- 230000000007 visual effect Effects 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 21
- 230000008676 import Effects 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 11
- 230000007613 environmental effect Effects 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000012886 linear function Methods 0.000 claims description 8
- 102100037651 AP-2 complex subunit sigma Human genes 0.000 claims description 7
- 101000806914 Homo sapiens AP-2 complex subunit sigma Proteins 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 239000000356 contaminant Substances 0.000 claims description 2
- 230000006798 recombination Effects 0.000 claims description 2
- 238000005215 recombination Methods 0.000 claims description 2
- 238000011160 research Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 abstract description 4
- 238000003384 imaging method Methods 0.000 abstract description 3
- 239000000463 material Substances 0.000 abstract description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000005065 mining Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001983 electron spin resonance imaging Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000008521 reorganization Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/258—Data format conversion from or to a database
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Remote Sensing (AREA)
- Human Computer Interaction (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种区域大气环境光化学网格模型图像生成系统,属于气象环境分析研究领域,软件具有强大的数据插值和绘图功能,可用于气象研究领域各种气象要素的数据资料处理与分析,导入坐标数据、shapefile文件、气象污染数据,自动匹配GIS地图、自动拟合污染物分布图像,综合采用克里金算法、数据可视化、GIS等技术,一键生成包含GIS地图、污染物拟合分布情况、敏感点、关注区域和比例尺等的气象环境评估专业环境评估素材的专业化软件。系统操作简单易上手,数据分析处理高效,数据成图效果直观,并可导出为图片以适应更多展示的需求,不仅大大减轻工作量,提高工作效率,而且可以对原始数据进行预处理与分析,从而能够保证图件绘制的精度与准确性。
Description
技术领域
本发明属于气象环境分析研究领域,具体为一种区域大气环境光化学网格模型图像生成系统。
背景技术
在气象研究领域,常常要处理和分析大批量的气象要素数据,其中必然涉及各种图件的绘制工作。随着现代计算机技术的发展与应用,各种专业绘图软件层出不穷,并且伴随业务应用的不断深入,绘图软件的性能和功能也在不断地提高和完善。传统手工绘制图件的过程不仅速度慢、效率低、而且绘图质量在很大程度上由业务人员的技术水平所决定。通过利用计算机绘制气象图件,不仅可以大大减轻工作量,提高工作效率,而且可以对原始数据进行预处理与分析,从而能够保证图件绘制的精度与准确性。现在市面上众多的绘图软件中,各软件的功能繁多,操作步骤多且兼容性强,对于我院专业的气象资料评估而言,操作和实用性不够满足分析成图的需求。所以需量身打造最适合本院情况的系统应用,以直观易学、操作简单、对系统要求低等特点为主。
发明内容
建设简单导入坐标数据、shapefile文件、气象污染数据,自动匹配GIS地图、自动拟合污染物分布图像,综合采用克里金算法、数据可视化、GIS等技术,一键生成包含GIS地图、污染物拟合分布情况、敏感点、关注区域和比例尺等的气象环境评估专业环境评估素材的专业化软件,用于气象研究领域各种气象要素的数据资料处理与分析。
为实现上述目的,本发明采用以下技术方案:
一种区域大气环境光化学网格模型图像生成系统,其特征在于:包括服务层、平台层、设施层,服务层用于实现数据导入及与用户交互、数据可视化显示;平台层采用微服务架构,负责进行数据解析和相关算法处理,设施层用于为服务层和平台层提供基础应用环境,构成数据交互。
进一步地,所述服务层作为门户统一入口,包括基础数据导入、SHP数据导入、风向数据导入和图片导出,实现GIS数据可视化。
进一步地,所述平台层包括基础数据解析、Shapefile文件解析、污染物数据算法拟合。
进一步地,所述的基础数据解析包括excel数据读取、经纬度数据读取、关键数据读取、GeoJson数据转换。
进一步地,所述的Shapefile文件解析包括SHP文件读取、特征数据解析、特征数据重组、GeoJson数据转换。
进一步地,所述的污染物数据算法拟合包括数据转换、离散间隔计算、离散颜色匹配、克里金差值。
进一步地,所述的克里金差值根据克里金法得出,克里金法基于一般最小二乘算法的随机插值技术,用方差图作为权重函数,基本公式如下:
本系统默认采用球形变异函数模型,对于误差处理和贝叶斯预测,自动计算σ2和α变量,分别对应于高斯过程的方差参数和变差函数模型的先验,σ2和α变量的含义在于:二维坐标a、b在世界坐标中即经度和纬度和参数nugget、range、sill和A的核函数,将其重新参数化为线性函数,其中:
w=[nugget,(sill-nugget)/range]
在高斯模型中:
k(a,b)=w[0]+w[1]*(1-exp{-(||a-b||/range)2/A})
α为w的先验分布的方差参数,根据:
w~N(w|0,αI)
使用拟合的核函数超参数并K设置为Gram矩阵,高斯过程的先验就变成了:
y~N(y|0,K)
t|y~N(t|y,σ2I)
方差参数σ2反映了高斯过程中的误差。
进一步地,二维坐标a、b重新参数化为线性函数,在指数模型中:
k(a,b)=w[0]+w[1]*(1-exp{-(||a-b||/range)/A})
进一步地,二维坐标a、b重新参数化为线性函数,在指数模型中:
k(a,b)=w[0]+w[1]*(1-exp{-(||a-b||/range)/A})
进一步地,二维坐标a、b重新参数化为线性函数,在球形模型中:
k(a,b)=w[0]+w[1]*(1.5*(||a-b||/range)-0.5*(||a-b||/range)3)
进一步地,所述的设施层包括服务器、数据库、网络,服务器用于提供计算服务的设备,数据库用于实现数据共享,网络用于实现资源共享与数据传输。
本发明的有益效果:
本发明提供一种区域大气环境光化学网格模型图像生成系统,导入数据后综合采用克里金算法、数据可视化、GIS等技术,一键生成包含GIS地图、污染物拟合分布情况、敏感点、关注区域和比例尺等的气象环境评估专业素材,系统操作简单易上手,数据分析处理高效,数据成图效果直观,以达到最简单的操作完成对数据的价值挖掘,并可导出为图片以适应更多展示的需求,不仅大大减轻工作量,提高工作效率,而且可以对原始数据进行预处理与分析,从而能够保证图件绘制的精度与准确性。
附图说明
图1是本发明流程示意图;
图2是本发明的整体架构图;
图3是本发明的技术架构图;
图4是本发明的成图效果图。
具体实施方式
下面对本发明作进一步详细说明。
所述的一种区域大气环境光化学网格模型图像生成系统,其特征在于:包括服务层、平台层、设施层,服务层用于实现数据导入及与用户交互、数据可视化显示;平台层采用微服务架构,负责进行数据解析和相关算法处理,设施层用于为服务层和平台层提供基础应用环境,构成数据交互。
区域大气环境光化学网格模型图像生成系统在数据分析成图上,需要导入基础数据和shapefile数据。基础数据主要包括敏感点数据和栅格数据。栅格数据是将空间分割成有规律的网格,每一个网格称为一个单元,并在各单元上赋予相应的属性值来表示实体的一种数据形式,每一个单元(像素)的位置由它的行列号定义,所表示的实体位置隐含在栅格行列位置中,数据组织中的每个数据表示地物或现象的非几何属性或指向其属性的指针。在GIS中,栅格数据的使用主要分为四个类别:底图,通常用来作为其他要素图层的背景显示画面;表面地图,表示沿地表(表面)连续变化的数据;主题地图,表示主题数据的栅格可通过分析其他数据获得;用作要素属性,可以是与地理对象或位置相关的数字照片、扫描的文档或扫描的绘图。shapefile是普遍使用的普遍的地理空间格式,读取SHP文件二进制数据,采用UTF-8编码,并将其解析为SimpleFeatureSource,供后续处理。SHP文件是“空间数据开放”格式的文件,全称“ESRI Shapefile”,是一种空间数据开放格式,是一种矢量图形格式,该格式文件主要用于描述几何体对象(点,折线与多边形),能够保存几何图形的位置及相关属性。
所述服务层作为门户统一入口,包括基础数据导入、SHP数据导入、风向数据导入和图片导出,实现GIS数据可视化。所述平台层包括基础数据解析、Shapefile文件解析、污染物数据算法拟合。所述的基础数据解析包括excel数据读取、经纬度数据读取、关键数据读取、GeoJson数据转换;GeoJSON是一种对各种地理数据结构进行编码的格式,基于Javascript对象表示法(JavaScript Object Notation,简称JSON)的地理空间信息数据交换格式,GeoJSON对象可以表示几何、特征或者特征集合,支持下面几何类型:点、线、面、多点、多线、多面和几何集合,包含一个几何对象和其他属性,特征集合表示一系列特征。所述的Shapefile文件解析包括SHP文件读取、特征数据解析、特征数据重组、GeoJson数据转换;所述的污染物数据算法拟合包括数据转换、离散间隔计算、离散颜色匹配、克里金差值;污染物数据可以通过环境污染源管控平台或通过污染源在线监测运维单位或航环境监测平台获得。所述的设施层包括服务器、数据库、网络,服务器用于提供计算服务的设备,数据库用于实现数据共享,网络用于实现资源共享与数据传输。
基础数据中解析出的经纬度和对应污染数据密度较低,敏感点污染数据为实际离散监测点,栅格数据一般为固定距离(比如2km)形成一个栅格,每个栅格中仅有一个数据,无法形成最终的连续的污染物情况分布和预测,即数据采样呈离散态,但实际气象污染为连续型环境变量,需要算法用离散数据估计出原真实环境中的连续污染分布,因此引入克里金算法。
克里金方法(Kriging)是以南非矿业工程师D.G.Krige名字命名的一项实用空间估计技术,是地理统计学的核心,后被普遍应用于地理科学、环境科学、大气科学等领域。克里金法根据样品空间位置不同、样品间相关程度的不同,对每个样品的品位赋予不同的权重,进行滑动加权平均,以估计中心块段平均品位。克里金法应用了随机函数理论,不仅考虑估点位置与已知数据位置的相互关系,而且还考虑变量的空间相关性。
克里金法是依据协方差函数对随机过程/随机场进行空间建模和预测(插值)的回归算法,基于一般最小二乘算法的随机插值技术,用方差图作为权重函数,基本公式如下:
算法原型被称为普通克里金(Ordinary Kriging,OK),常见的改进算法包括泛克里金(Universal Kriging,UK)、协同克里金(Co-Kriging,CK)和析取克里金(DisjunctiveKriging,DK)。克里金法能够与其他模型组成混合算法。
本系统根据气象污染数据特性,自动适配克里金法,默认采用球形变异函数模型,同时为支持未来其他数据的接入,可人工选择切换函数模型为高斯模型、指数模型等,对于误差处理和贝叶斯预测,支持自动计算σ2和α变量,他们分别对应于高斯过程的方差参数和变差函数模型的先验。σ2和α变量的含义在于:二维坐标a、b(在世界坐标中即经度和纬度)和参数nugget、range、sill和A的核函数,将其重新参数化为线性函数,其中:
w=[nugget,(sill-nugget)/range]
在不同模型中:
高斯模型:
k(a,b)=w[0]+w[1]*(1-exp{-(||a-b||/range)2/A})
指数模型:
k(a,b)=w[0]+w[1]*(1-exp{-(||a-b||/range)/A})
球形模型:
k(a,b)=w[0]+w[1]*(1.5*(||a-b||/range)-0.5*(||a-b||/range)3)
α为w的先验分布的方差参数,根据:
w~N(w|0,αI)
使用拟合的核函数超参数并K设置为Gram矩阵,高斯过程的先验就变成了:
y~N(y|0,K)
t|y~N(t|y,σ2I)
方差参数σ2反映了高斯过程中的误差。
离散间隔range也由系统自动计算得到,该离散间隔为等值面分级数据,按照该等值面分级数据对克里金算法处理后的数据进行GeoJSON格式处理,并进行等值面分级颜色匹配,生成等值面矢量数据(即featureColletions类型的经纬度数据、污染数据和颜色数据),供GIS数据可视化使用。
最后说明的是,以上优选实施例仅用以说明本发明的技术方案而非限制,尽管通过上述优选实施例已经对本发明进行了详细的描述,但本领域技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离本发明权利要求书所限定的范围。
Claims (10)
1.一种区域大气环境光化学网格模型图像生成系统,其特征在于:所述的区域大气环境光化学网格模型图像生成系统包括服务层、平台层、设施层,服务层用于实现数据导入及与用户交互、数据可视化显示;平台层采用微服务架构,负责进行数据解析和相关算法处理,设施层用于为服务层和平台层提供基础应用环境,构成数据交互。
2.如权利要求1所述的一种区域大气环境光化学网格模型图像生成系统,其特征在于:所述服务层作为门户统一入口,包括基础数据导入、SHP数据导入、风向数据导入和图片导出,实现GIS数据可视化。
3.如权利要求1所述的一种区域大气环境光化学网格模型图像生成系统,其特征在于:所述平台层包括基础数据解析、Shapefile文件解析、污染物数据算法拟合。
4.如权利要求1所述的一种区域大气环境光化学网格模型图像生成系统,其特征在于:所述的基础数据解析包括excel数据读取、经纬度数据读取、关键数据读取、GeoJson数据转换。
5.如权利要求1所述的一种区域大气环境光化学网格模型图像生成系统,其特征在于:所述的Shapefile文件解析包括SHP文件读取、特征数据解析、特征数据重组、GeoJson数据转换。
6.如权利要求1所述的一种区域大气环境光化学网格模型图像生成系统,其特征在于:所述的污染物数据算法拟合包括数据转换、离散间隔计算、离散颜色匹配、克里金差值。
7.如权利要求1所述的一种区域大气环境光化学网格模型图像生成系统,其特征在于:所述的克里金差值根据克里金法得出,克里金法基于一般最小二乘算法的随机插值技术,用方差图作为权重函数,基本公式如下:
本系统默认采用球形变异函数模型,对于误差处理和贝叶斯预测,自动计算σ2和α变量,分别对应于高斯过程的方差参数和变差函数模型的先验,σ2和α变量的含义在于:二维坐标a、b在世界坐标中即经度和纬度和参数nugget、range、sill和A的核函数,将其重新参数化为线性函数,其中:
w=[nugget,(sil l-nugget)/range](2)
在高斯模型中:
k(a,b)=w[0]+w[1]*(1-exp{-(||a-b||/range)2/A})(3)
α为w的先验分布的方差参数,根据:
w~N(w|0,αI)(4)
使用拟合的核函数超参数并K设置为Gram矩阵,高斯过程的先验就变成了:
y~N(y|0,K)(5)
t|y~N(t|y,σ2I)(6)
方差参数σ2反映了高斯过程中的误差。
8.如权利要求1所述的一种区域大气环境光化学网格模型图像生成系统,其特征在于:二维坐标a、b重新参数化为线性函数,在指数模型中:
k(a,b)=w[0]+w[1]*(1-exp{-(||a-b||/range)/A}) (7)
9.如权利要求1所述的一种区域大气环境光化学网格模型图像生成系统,其特征在于:二维坐标a、b重新参数化为线性函数,在球形模型中:
k(a,b)=w[0]+w[1]*(1.5*(||a-b||/range)-0.5*(||a-b||/range)3) (8)
10.如权利要求1所述的一种区域大气环境光化学网格模型图像生成系统,其特征在于:所述的设施层包括服务器、数据库、网络,服务器用于提供计算服务的设备,数据库用于实现数据共享,网络用于实现资源共享与数据传输。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310323572.2A CN116580123A (zh) | 2023-03-29 | 2023-03-29 | 一种区域大气环境光化学网格模型图像生成系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310323572.2A CN116580123A (zh) | 2023-03-29 | 2023-03-29 | 一种区域大气环境光化学网格模型图像生成系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116580123A true CN116580123A (zh) | 2023-08-11 |
Family
ID=87532947
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310323572.2A Pending CN116580123A (zh) | 2023-03-29 | 2023-03-29 | 一种区域大气环境光化学网格模型图像生成系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116580123A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117437254A (zh) * | 2023-12-21 | 2024-01-23 | 北京英视睿达科技股份有限公司 | 基于环境时空数据的网格划分方法、装置、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112015803A (zh) * | 2020-08-29 | 2020-12-01 | 中国农业科学院农业信息研究所 | 一种基于组件式GIS的WaSSI-C模型可视化系统 |
CN112257021A (zh) * | 2020-10-16 | 2021-01-22 | 中国电波传播研究所(中国电子科技集团公司第二十二研究所) | 一种可选的克里金空间插值降雨量估算方法 |
CN112434935A (zh) * | 2020-11-20 | 2021-03-02 | 中国电波传播研究所(中国电子科技集团公司第二十二研究所) | 一种可选的pm2.5浓度估算方法 |
-
2023
- 2023-03-29 CN CN202310323572.2A patent/CN116580123A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112015803A (zh) * | 2020-08-29 | 2020-12-01 | 中国农业科学院农业信息研究所 | 一种基于组件式GIS的WaSSI-C模型可视化系统 |
CN112257021A (zh) * | 2020-10-16 | 2021-01-22 | 中国电波传播研究所(中国电子科技集团公司第二十二研究所) | 一种可选的克里金空间插值降雨量估算方法 |
CN112434935A (zh) * | 2020-11-20 | 2021-03-02 | 中国电波传播研究所(中国电子科技集团公司第二十二研究所) | 一种可选的pm2.5浓度估算方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117437254A (zh) * | 2023-12-21 | 2024-01-23 | 北京英视睿达科技股份有限公司 | 基于环境时空数据的网格划分方法、装置、设备及介质 |
CN117437254B (zh) * | 2023-12-21 | 2024-05-03 | 北京英视睿达科技股份有限公司 | 基于环境时空数据的网格划分方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen | Visualization of real-time monitoring datagraphic of urban environmental quality | |
Alahmadi et al. | Estimating the spatial distribution of the population of Riyadh, Saudi Arabia using remotely sensed built land cover and height data | |
Tominski et al. | Information visualization in climate research | |
CN112288247B (zh) | 一种基于空间交互关系的土壤重金属风险识别方法 | |
Bell et al. | Forecasting the pattern of urban growth with PUP: a web-based model interfaced with GIS and 3D animation | |
US20110202326A1 (en) | Modeling social and cultural conditions in a voxel database | |
CN108062454A (zh) | 污染物时空分布不确定性特征分析方法、系统及存储介质 | |
CN113204903B (zh) | 一种预测雷电的方法 | |
CN116843845A (zh) | 一种应用于数字孪生城市的空间数据集成方法及系统 | |
Lorenz et al. | 3D feature surface properties and their application in geovisualization | |
CN116580123A (zh) | 一种区域大气环境光化学网格模型图像生成系统 | |
Rink et al. | A virtual geographic environment for multi-compartment water and solute dynamics in large catchments | |
Kastner et al. | A GAN-based surrogate model for instantaneous urban wind flow prediction | |
Samet et al. | Web based real-time meteorological data analysis and mapping information system | |
CN102609721B (zh) | 遥感影像的聚类方法 | |
Mohammed et al. | Data-Driven Sustainability: Leveraging Big Data and Machine Learning to Build a Greener Future | |
Yin | Dynamical fractal: Theory and case study | |
Tao et al. | Spatial allocation of anthropogenic carbon dioxide emission statistics data fusing multi-source data based on Bayesian network | |
CN115393731A (zh) | 一种基于交互想定和深度学习生成虚拟云图的方法和系统 | |
Hollt et al. | Probability maps for the visualization of assimilation ensemble flow data | |
Krafczek et al. | Generating LOD2 city models using a hybrid-driven approach: A case study for New Brunswick urban environment | |
Böttinger et al. | Visualization in Climate Modelling | |
Yu et al. | Low-quality multivariate spatio-temporal serial data preprocessing | |
Ribeiro et al. | Inverse projection of vector fields | |
CN117589646B (zh) | 大气细颗粒物浓度监测方法、装置、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |