多尺度NED/DEM生成的数字综合理论和关键技术研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    41471328
  • 项目类别:
    面上项目
  • 资助金额:
    83.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    D0114.地理信息学
  • 结题年份:
    2018
  • 批准年份:
    2014
  • 项目状态:
    已结题
  • 起止时间:
    2015-01-01 至2018-12-31

项目摘要

The United States on the basis of comprehensive use of high-precision source data, launched a new generation of DEM - 2006 national elevation data set (NED), aimed at the global new elevation data services. Analysis shows that although NED used a high precision source data, but still adopted the defective mechanical sampling approach, deviated from the scientific quality theoretical concept of resolution and data integrity, cause error is still large, logical consistency defects such as the lack of integrity.This project aims to, based on the previous research and test on the target DEM/NED on each node area with feature modeling method of the "digital generalization" instead of "mechanical sampling", based on recursive generating science sequence of multi-scale DEM/NED. To implement the following extensive investigate 1. The scale effect of main parameters of elevation quality and the theoretical research of digital generalization; 2. The technology research of building foundation raster database; 3. Building experimental platform of Multi-scale digital generalization and verifying experiments.With the help of the scale effect research, we can realize and improve the research of digital generalization theory and method of DEM/NED; realize the form a complete set of software tools and Settings; And high-quality regional experiments are presented.
美国在全面利用高精度源数据基础上,于2006年推出了新一代DEM- - 国家高程数据集(NED),旨在全球高程数据新型服务。分析表明:NED虽运用了高精度源数据,但仍采用了有缺陷的"机械取样建模"途径,背离了质量理论中分辨率和数据完整性的科学概念,导致误差仍大、缺乏完整性和高程逻辑一致性等缺陷。本项目旨在前期研究和试验基础上,对目标DEM/NED各节点责任区上用"数字综合"的特征建模方法,找出特征代表点的技术途径代替"机械取样",以递次生成科学多尺度DEM/NED序列。拟实施下列硏究:1. 高程质量主要参数的尺度效应和数字综合理论研究;2. 多尺度构建基础栅格库技术研究;3. 多尺度数字综合实验平台构建及验证实验。力图通过对质量主要参数尺度效应的研究,实现和完善DEM/NED数字综合生成理论和方法研究,实现软件工具和配套设置;给出区域实验,实现优良质量。

结项摘要

数字模型是数字时代大数据背景下探索大自然奥秘的有力武器,而DEM是所有定义在地球表面上事物和现象的数字地面模型DTM的先行和核心。自上世纪50年代DEM诞生以来,已被公认为是地球空间数据框架(DGDF)的主要内容之一,在各方面运用广泛且规模巨大,但从长期实践和原创的基础研究发现:其准确性不高,完整性、逻辑一致性欠缺,表明DEM质量上难以避免地存在重大缺陷,严重影响了半个世纪来DEM的高质量使用。. 本项目的主要研究内容:1)高程质量主要参数的尺度效应和数字综合理论研究;2)多尺度DEM/NED构建基础栅格库的技术研究;3)多尺度DEM/NED数字综合实验平台构建及验证实验。. 取得的重要结果:三项主要研究内容都已优质完成,开辟了DEM研究和使用的新方向(成果正在陆续整理中)。.1)优质地完成了高程质量主要参数的尺度效应研究,优质、系统地完成了数字综合理论研究,揭示了原主流DEM误差“理论”基础概念上长期存在的误解,创建了系统和随机误差综合作用的DEM误差理论和标准;创建了DEM完整性理论和标准;创建了DEM逻辑一致性理论和标准,尤其是发现与揭示了DEM高程逻辑(水流)序同态/同构规则和标准,由此而获得了高质量的DEM。.2)优质地完成了多尺度DEM/NED构建基础栅格库的技术研究。.3)完成了DEM/NED数字综合实验平台V1.0的构建,实验验证了该平台是客观的,涵盖了主要方法和技术,有较强的代表性,并具有一定批量性和科学系列性。.①创建了具备严密完整性、序逻辑一致性、以及具有优秀准确性的DEM系列;.②创建了特征建模下综合方法建DEM的算法,完成了相应工具软件V1.0;.③经一定批量的对照实验,证实了综合方法建DEM在准确度上优于机械取样建模的三种主要方法(Topogrid、IDW、去平TIN内插),并且拥有严密的完整性和序逻辑一致性,这是机械取样建模方法所不能拥有的。

项目成果

期刊论文数量(6)
专著数量(0)
科研奖励数量(0)
会议论文数量(5)
专利数量(0)
基于地图代数的地球椭球面空间分析系统的研究与设计
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    地理信息世界
  • 影响因子:
    --
  • 作者:
    蒋会平;谭树东;胡海;王建伟
  • 通讯作者:
    王建伟
地图代数中的双重网格计算方法
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    测绘学报
  • 影响因子:
    --
  • 作者:
    胡海;郝大磊;杨传勇;胡鹏
  • 通讯作者:
    胡鹏
A coastline generalization method that considers buffer consistency.
一种考虑缓冲区一致性的海岸线泛化方法
  • DOI:
    10.1371/journal.pone.0206565
  • 发表时间:
    2018
  • 期刊:
    PloS one
  • 影响因子:
    3.7
  • 作者:
    Yang H;Li L;Hu H;Wu Y;Xia H;Liu Y;Tan S
  • 通讯作者:
    Tan S
地球格网化剖分及其度量问题
  • DOI:
    10.11947/j
  • 发表时间:
    2016
  • 期刊:
    测绘学报
  • 影响因子:
    --
  • 作者:
    胡海;游涟;宋丽丽;胡鹏
  • 通讯作者:
    胡鹏
椭球面三角形外心的地图代数解法
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    测绘学报
  • 影响因子:
    --
  • 作者:
    蒋会平;谭树东;胡海
  • 通讯作者:
    胡海

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

游涟的其他基金

网络分析的地图代数分析与带Steiner的最小生成树ESMT问题研究
  • 批准号:
    40471107
  • 批准年份:
    2004
  • 资助金额:
    31.0 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码