一、HDF-EOS数据格式在处理空间数据中的应用（论文文献综述）
汪锦[1]（2020）在《基于时空贝叶斯的植被覆盖对环境变化的响应 ——以京津风沙源治理工程区为例》文中提出为探寻京津风沙源治理工程实施以来该区域环境时空变化情况,本文基于2001年至2017年时间分辨率为月的时空序列数据,将考虑时空因素贯穿整个论文的分析中。采用了时空克里格进行气象数据的插值,利用时空贝叶斯非参数趋势模型对京津风沙源治理工程区的植被及与其相关的环境变化指标的趋势进行了分析,而后通过随机偏微分方程（SPDE）模型结合拉普拉斯近似（INLA）算法进行了响应关系分析,并对研究区的NDVI和GPP进行时空建模。主要的研究结论如下:（1）时空克里格由于考虑了时空相关性,其对于平稳数据的插值精度高,其中和度量时空模型拟合时空变异函数效果较好;非参数时空趋势模型Type II交互模式由于包含时间结构能按时间尺度呈现趋势,对于研究对象的周期、最大值、最小值、能准确反映,并与实际情况相符,且效应值大小显示研究区各环境指标趋势以时空交互趋势为主。（2）响应关系方面,对于NDVI,净光合作用和气温对其正向影响较大,每增加一个标准差,NDVI分别增加0.48和0.382个标准差;夜间陆表温度、日夜陆表温差和0-10cm土壤含水量对其负向影响较大,每增加一个标准差,分别减少0.077、0.074和0.065个标准差;对于GPP,净光合作用、气温以及实际蒸散对其正向影响较大,每增加一个标准差,GPP分别增加0.692、0.165和0.143个标准差;陆表温差、区域潜在蒸散对其负向影响较大,每增加一个标准差,GPP分别减少0.073和0.033个标准差。（3）对于土地覆盖类型,相较落叶针叶林,落叶阔叶林以及常绿针叶林的NDVI分别增加0.05和0.03,其余土地覆盖类型NDVI均减少,GPP与其响应关系不显着;对荒漠化气候类型来讲,湿润区的NDVI值高于其他区域;亚湿润干旱区3的气候类型与GPP的响应关系显着,该区域GPP相较于湿润区减少约21.4kg C/m2;NDVI和GPP都与10-40cm土壤含水量响应关系不显着,淋溶土和灰色森林土最适于植被生长,盐土、碱土和红砂土最不利于植被生长;灰色森林土、黑钙土和淋溶土对于NDVI和GPP的正向影响超过了降水;比起土壤劣势天然对植被覆盖增加的阻力,风速更为严重的加速了该地区的植被退化。（4）时空建模方面,对于NDVI和GPP,考虑气象指标的时空模型在纳入时空效应和土壤类型指标后模型精度大幅提高。此时降水对于NDVI和GPP的影响下降70%左右,风速降幅分别为62%和15%,海拔的影响分别增加了15倍和6倍,气温对NDVI和GPP的影响的影响增加30%左右,说明海拔通过时空效应影响NDVI的程度较大;海拔和气温对于NDVI和GPP的影响有一部分通过土壤类型的不同得到了体现,降水和风速通过时空交互效应对于NDVI和GPP的影响程度较大。（5）精度检验显示时空贝叶斯模型估算NDVI和GPP的R2分别为0.82和0.91,优于固定效应模型的0.62和0.67;能捕捉到平时容易被忽视的时空交互效应,同时能给出超过阈值的概率图,且模型对阈值设定较敏感,效果好;仅用3种易获取的数据包括气象数据、高程数据和土壤类型数据,在时空贝叶斯模型下就能达到较高精度,且时效性强,对于估算植被覆盖变化有参考意义。
杨天宇[2]（2019）在《心血管疾病时空分布与环境健康因子响应遥感诊断》文中指出心血管疾病作为严重危害人类生命与健康的常见病之一,其死亡率分布具有空间聚集性特征,高死亡率国家主要分布在东欧与中亚等地区。大量的文献调研表明心血管疾病死亡率空间分布特征受地理环境,气候因子、大气质量、人群生活习惯等多种因子影响。遥感技术（RS）具有获取数据快、周期短、覆盖范围大及数据信息量大等的特点,能获取全球尺度心血管疾病相关环境健康因子的监测数据。地理信息系统技术（GIS）能够直观地展现疾病和相关环境健康因子的关联关系,结合多种空间分析方法定量化地刻画二者之间的响应关系,使得心血管疾病在一定的时空状态下与环境要素的关系研究成为可能。基于3S技术的环境健康遥感诊断指标体系的提出,支撑了环境要素的阈值化地客观把握,并为心血管疾病与环境健康因子响应关系的分析研究提供了新的思路与方法。本文利用RS和GIS等空间信息技术分析全球心血管疾病死亡率的时空分布特征,分析心血管疾病环境健康因子及其响应特征,并基于筛选出的环境健康因子建立心血管疾病死亡率遥感诊断预测模型。主要研究内容和结论如下:（1）提取心血管疾病死亡率时空分布特征:基于文献资料调研分析研究了全球尺度的2000年、2004年、2008年和2012年四个年份的心血管疾病死亡率的时空分布特征。结果显示出了心血管疾病死亡率在四个年份中一直处于较高水平,每个年份的全球死亡率超过250（人/100000人）;空间特征上心血管疾病死亡率高发区域集中于东欧地区,中亚地区,而大洋洲和拉丁美洲心血管疾病死亡率相对较低,心血管疾病死亡率分布具有空间自相关性,每个年份正相关高值聚集区的国家超过14个;在区域尺度上心血管疾病死亡率存在时空聚集现象,心血管疾病死亡率较高的国家主要聚集在地中海沿岸,欧洲,北非,中亚等人口稠密的区域。（2）心血管疾病死亡率与环境健康因子响应遥感诊断:基于多源遥感数据,结合心血管疾病死亡率时空分布特征,选取心血管疾病环境健康因子。利用地理统计分析和单要素分析方法通过对心血管疾病死亡率分析研究结果表明了心血管疾病死亡率受NO2柱浓度、SO2柱浓度和O3柱总量等的大气污染因子影响,其响应曲线在一定范围内呈现先降后增的趋势,且当SO2柱浓度超过0.9Du或O3柱总量超过320Du时,心血管疾病死亡率降低。心血管疾病死亡率随气溶胶光学厚度因子增加呈现升高的趋势,高死亡率国家集中于气溶胶光学厚度大于0.3的区域内;气候因素对心血管疾病死亡率分布影响较大,心血管疾病死亡率高发区位于年平均气温在10℃-20℃区域和年平均气压在950-1000h Pa的区域;年均风速与年最大气温日较差对心血管疾病死亡率分布具有显着影响,心血管疾病死亡率高发区位于年平均风速在2-3m/s与年气温最高日较差在20-23℃的区域。（3）心血管疾病死亡率环境健康因子筛选研究。利用广义相加函数,研究心血管疾病死亡率对各环境健康因子响应关系,从而筛选影响心血管疾病的环境健康因子。利用赤池信息准则（Akaike Information Criterion,AIC）的逐步回归分析优化广义相加函数模型,建立心血管疾病死亡率环境健康因子筛选算法。结果表明,除去SO2柱浓度和O3柱总量对模型贡献率为负数外,NO2柱浓度、气溶胶光学厚度、年平均气温、年平均气压、年平均风速和年最大气温日较差等环境健康因素均与心血管疾病死亡率有一定相关性,可以作为预测的环境健康因子。（4）心血管疾病死亡率预测遥感诊断模型构建。基于臭氧检测仪（Ozone Monitoring Instrument,OMI）数据、气象数据及历史心血管疾病死亡率数据,构建全球心血管疾病死亡率预测模型。将筛选出的NO2柱浓度、气溶胶光学厚度、年平均气温、年平均气压、年平均风速和年最大气温日较差共6个环境健康因子作为解释变量,引入历史心血管疾病死亡率做为解释社会因素影响效益的解释因子,建立串联灰度误差反向传播（Back Propagation,BP）神经网络遥感诊断模型。串联模型对心血管疾病死亡率预测具有较好的精度。主要创新点:（1）基于全球尺度分析心血管死亡率时空分布特征及环境健康因子的响应关系:在全球尺度上抓取了自相关性与聚集性的心血管疾病空间分布特征,基于多源遥感数据,反演了大气污染因子、气象因子等环境因子,遥感诊断了心血管疾病与环境健康因子的响应关系;（2）提出了心血管疾病死亡率健康因子筛选遥感诊断算法:基于多源遥感数据与地面监测数据,反演环境健康因子。以赤池信息量（AIC）作为指示参数。利用广义相加函数构建心血管疾病环境健康因子的筛选算法;（3）构建了串联灰度BP神经网络模型的心血管疾病死亡率预测遥感诊断模型:模型基于筛选得到的心血管疾病的环境健康因子,结合疾病死亡率数据的离散性特点与提高精度的模型需求,将灰度模型与神经网络模型串联建立了心血管疾病预测模型。
李宏益[3]（2019）在《全球多源遥感数据集成处理平台建设关键技术研究》文中进行了进一步梳理随着对地观测技术的发展,遥感数据的获取途径和方式也越来越多,遥感数据呈现出多源、多尺度、结构复杂、格式多样、体量大等特点,遥感进入了大数据时代。在现有数据资源的条件下,为了进一步增强全球尺度遥感观测频度和精度,需要以多源遥感数据协同的方式来生产遥感产品,为此需要构建全球多源遥感数据集成处理平台。不考虑遥感产品反演算法层面,全球多源遥感数据集成处理平台建设需要解决的问题主要有四个方面:（1）数据存储访问层面:由于每一个传感器数据具有不同的存储结构,需要对应的读写函数;而且各遥感卫星数据中心和应用部门根据应用的需求按各自的标准进行数据的存储组织管理,以及数据的重复拷贝,导致了数据无序的增长。这需要一个通用透明的统一数据存储及访问模式。（2）数据组织协同层面:不同投影下跨尺度数据很难有效组织和检索,给大规模的多源遥感产品生产带来困难,因此需要构建一种适合于多源数据协同的数据立方体作为数据生产单元。（3）算法集成层面:全球遥感算法的多层嵌套、输入参数可变可缺省、时空属性约束等多方面的原因,使得遥感算法的处理架构及大规模集成处理难度增大。因此,需要对各类遥感产品生产流程进行建模,构建自动化生产流程,并在流程中实现对各类算法高效、扩展性强的集成,能应对和处理生产过程中出现的多种不确定性情况。（4）并行处理方面:由于遥感算法专业性强、数据分布情况多样,并行处理方式选择有限,需要构建一种适合于多源数据协同遥感产品生产的高性能处理框架。本文针对上述问题,研究全球多源遥感数据集成处理关键技术并以此为基础构建实现相应的系统平台。研究成果及创新点如下:（1）针对遥感数据格式多样性和多源遥感数据协同使用的需求,抽象出各种数据格式及格式库都遵循的数据格式层级结构,设计了一种统一的数据结构和格式抽象库,实现了不同数据格式的统一IO操作和多源遥感数据的无差别访问。（2）针对多尺度数据的协同使用,构建了结合数据尺度和产品类型的多源多尺度遥感数据协同剖分体系,并在此基础上设计生成一种多维度遥感数据立方体结构,实时在内存中组织数据立方体,为集群环境下协同遥感产品生产奠定了基础。（3）针对多类全球遥感协同产品大规模生产的需求和多源协同遥感产品递归嵌套调用、处理算法复杂和处理平台异构等多方面的特性,建立了遥感产品生产架构、产品生产工作流和产品生产算法服务化集成方法,并制定了对生产过程中出现的多种不确定性问题的处理策略,实现了多领域算法的综合集成和协同生产。（4）针对集成系统无法对算法代码进行修改的状况和遥感数据处理属于数据密集型计算的特点,设计实现了集群环境下双层高性能处理框架,该框架上层采用粗粒度任务并行模式,包括计算并行模式和与之相适应的并行存储文件系统;下层采用基于内存数据链表的图像加速处理框架,为遥感产品的高效生产提供了技术基础。
张孟[4]（2019）在《基于大数据的定标方法研究与初步应用》文中认为随着卫星载荷数量、功能、种类的不断增加,定标任务量持续上升,传统的定标方法和技术,越来越难以满足多参数、高时效和高频次的定标需求,以及难以提高定标时效性和频次,本文结合全球定标场网和自动化定标等新定标手段的应用,针对定标过程中多源、异构和巨量定标数据的获取、存储、管理和处理等问题,调研了国内外定标多源数据存储与管理方法,引入了基于分布式文件存储系统、分布式数据库和分布式计算等大数据技术,建立大数据定标数据库,为高频次定标提供时间连续的定标基础参量,增加遥感卫星过顶定标场地次数,提高在轨辐射定标频次。本文以Hadoop系统为基础,搭建大数据定标的原型系统,实现分布式存储与分布式计算功能。采用HTML5+JavaScript+React构建大数据定标平台前端页面,采用Java语言+Spring boot构建平台后端服务,并通过SWIG调用C/C++库、GDAL库、HDF4库和HDF5库,实现了基于B/S架构和类似于SAAS的数据和定标服务。为了增加地表和大气等定标参数的时间连续性,本文设计了类似于网络爬虫的定标多源数据自动获取功能,实现水汽、臭氧和地表等定标多源数据的爬取、预处理和存储,为长时间序列定标提供了稳定的数据支持,替代了人工定标场地实测定标参数的方法。本文利用大数据定标平台,对S-NPP VIIRS载荷进行了自动化在轨辐射定标试验,得到了 2018年4月～2018年12月期间18次有效的场地自动化定标,各波段的相对偏差均小于5%,表明场地自动化观测得到的表观反射率与星上测量的表观反射率有较好的一致性,18次场地自动化定标的均方根优于2.7%,表明场地自动化定标能够用于卫星的高频次在轨辐射定标,并能较好地检测其状态和变化趋势。针对GF-1WFV3载荷,采用国内15个定标场地,进行了在2013年～2018年期间的250多次长时序定标试验,得到了约100次有效定标结果,通过与2018年自动化定标结果进行比较,两种方法获得的4个通道定标结果的相对偏差都在1%以内,表明这两种定标方法具有很好的一致性,提高了定标结果的可靠性,说明自动化定标与全球定标场网相结合的定标新方法具有良好的应用可行性。
耍倩倩[5]（2016）在《基于GlobeLand30的AIRS CO2气象观测数据网络共享研究》文中研究说明温室气体引起的全球变暖给人类和自然界带来的影响已不容忽视,二氧化碳（CO2）作为最重要的温室气体,其含量多年来持续上升。森林的大量砍伐、草原开垦与过度放牧,引起地表植被覆盖及土地利用的剧烈变化,是导致CO2浓度急剧上升的重要原因。为研究全球大气中CO2浓度时空变化规律,并分析其浓度变化与地表植被覆盖间关系,首要任务是实现数据的网络共享,让更多的普通用户参与到CO2的基础性研究中来,因此气象观测数据的网络共享方法是当前研究的一个重要方向。目前国内外许多机构已经建立了自己的气象观测数据存储数据库,对于全球气象观测数据尤其是温室气体数据（诸如CO2）的发布共享特别少,而且用户通常只能获取专业的数据,很难了解全球气体时空变化状况的具体信息。针对CO2气象观测数据存在的专业性强、结构复杂而且解析难度大等致使网络共享程度较低的问题,本文以NASA AIRS数据中CO2 L3 V5产品为基础,结合GlobeLand30全球30米全球地表覆盖数据,进行CO2气象观测数据的网络共享方法研究。首先介绍NASA AIRS的仪器、卫星产品、CO2的数据格式HDF-EOS的特点及全球地表覆盖数据GlobeLand30的数据类型、组织形式,并分析研究本文所需的技术方法。然后基于MATLAB进行CO2年均值及空间插值算法的应用处理,分析CO2元数据内容及框架,根据需要构建合理的AIRS CO2气象观测数据共享的元数据库,为数据的检索下载提供服务。针对年均值数据研究全球瓦片空间索引构建方法,包括瓦片数据的生成方式、存储管理结构、索引方法及发布形式等多方面。以JSON、GeoJSON格式分别组织分析单点结构及全球时空数据变化,完成数据的图表可视化及下载功能。最后利用JavaScript、PHP、OpenLayers等开发工具,建立B/S的三层体系架构,完成AIRS瓦片地图的发布及全球CO2浓度时空数据信息可视化表达,实现AIRS CO2浓度数据与GlobeLand30数据的集成显示及CO2气象观测时空数据信息的网络共享,为更好地了解碳源汇及其变化规律,研究全球尺度CO2浓度分布与地表覆盖/土地利用间的关系提供平台。
徐云靖[6]（2016）在《基于多源数据的全球CO2浓度立体校验和虚拟仿真研究》文中认为CO2的逐年增长已成为国际社会高度关注的气候问题。传统的地基观测方式,虽然易获取且可信度高,但难以提供宏观的CO2浓度监测数据,空基观测也具有类似的问题,且难以维持大量持续稳定的大气观测。而星载观测的发展使大气CO2浓度的稳定、连续、大尺度观测得到了有效的改善。目前,随着愈来愈多的大气CO2观测数据的产生,展开不同观测方法间多源异构数据的校验工作,验证不同观测源数据,尤其是星载观测数据的可靠性和准确性,对基于多源数据的大气CO2观测和时空变异研究工作有着重要的意义。本文从地表和中对流层两个层面立体校验多源大气CO2浓度数据,为基于多源的大气观测数据校验提供崭新的思路;并通过对多源CO2浓度数据的全球虚拟表达,为公众了解气候现状以及科研人员的气候研究提供新视角。主要完成了以下内容:（1）概述了多源大气CO2数据集。分别介绍了GAW、TCCON和AIRS的相关背景与数据概况,分析了AIRS的各级产品和HDF文件格式。（2）分析了多源大气CO2数据的时空特征,并进行数据预处理。逐一分析了GAW、TCCON和AIRS的多源异构CO2数据的空间分布特征与时间跨度,针对GAW、TCCON和AIRS的数据结构分别设计了数据预处理方法。（3）立体校验多源大气CO2数据。确立了由GAW离散点→TCCON垂直气柱线→AIRS中对流层面的自下而上的立体校验结构,甄选并确定立体校验的校验区。甄选立体校验所需要的参数,并定义了各个参数的计算公式。基于可靠的GAW数据从地表到中对流层逐一校验TCCON和AIRS的CO2观测数据。（4）基于OSGEarth技术虚拟表达多源大气CO2全球分布。介绍全球CO2浓度虚拟表达平台的系统开发环境和技术,设计了系统体系结构。基于MATLAB软件平面模拟AIRS的CO2的全球分布。探索了基于OSGEarth技术的多源大气CO2浓度全球虚拟表达方法,虚拟表达全球CO2浓度时空变异。
夏军宝[7]（2013）在《空间科学大数据存储模型SP-HDF及应用研究》文中认为空间科学是研究发生在日地空间、行星际空间及至整个宇宙空间的物理、天文、化学及生命等自然现象及其规律的科学。空间科学观测和研究过程中将产生数量巨大、种类繁多、数据结构复杂、计算密集型的科学数据，有效地存储、管理、共享这些科学数据已经成为空间科学应用研究迫切需要解决的一个重要问题。本文充分分析了海量空间科学数据的特征，深入研究了HDF（Hierarchy Data Format）、CDF（Common DataForm）等新的存储技术。在此基础上，提出一种新的空间科学大数据自描述存储模型SP-HDF（Space-HDF）。考虑到目前标准化和非标准化数据并存的情况，作者提出了一种基于元数据描述的虚拟观测站点共享服务模型。本文的研究成果及创新点包括：（1）提出一种针对空间科学大数据存储管理和集成共享的自描述存储模型SP-HDF。针对空间天气和子午工程空间科学数据的特点和逻辑结构，设计了相应的逻辑存储结构，在此基础上，为用户设计了简单、易用、友好的数据访问接口。SP-HDF存储模型的优势在于屏蔽了用户直接访问底层HDF和CDF文件的细节，因而降低了数据访问的复杂性。另一方面逻辑存储结构直接面向领域应用，提升了数据访问粒度和数据抽象级别，在实际应用中更加易于理解。（2）针对目前大量空间科学数据在短期内无法完全标准化的现状，提出一种基于虚拟观测站点的共享服务模型。该模型通过共享服务元数据模型和抽象数据服务接口，实现多元、异构科学数据的集成和共享服务。（3）设计并研发了一个基于SP-HDF存储模型的空间天气科学数据逻辑结构及各种大数据服务接口的原型系统。通过对核心数据接口的访问，原型系统实现了与数值模拟、可视化等多个系统的集成应用。验证了基于虚拟观测站点的共享服务模型的子午工程数据服务接口原型，实现了数据检索、数据下载、数据可视化等多个功能。（4）设计并实现了基于XML半形式化描述和数据处理模板技术的子午工程科学数据标准化处理模型，解决了多元、异构、海量空间科学数据的高效处理和灵活定制的困难问题。
李柏鹏,燕琴,关鸿亮[8]（2010）在《ASTER Level 1A数据产品文件解析及应用》文中提出深入解析了ASTER数据的结构,研究如何正确读取数据中卫星的位置、速度、时间、姿态角、姿态变化率等与影像定位有关的数据,并研究了这些数据的变化规律。根据ASTER数据的特点,给出了该数据在辐射校正及影像定位方面的应用方法,使得影像能更好的在这些方面得到应用。
王跃启,江洪,肖钟涌,张秀英,周国模,余树全[9]（2009）在《基于OMI数据的中国臭氧总量时空动态信息提取》文中指出文章以OMITO3e数据产品为源数据,探讨了HDF-EOS数据格式的结构特征,在此基础上以MATLAB为主要工具,运用MATLAB函数库实现了HDF-EOS数据格式向shapefile格式的转换,以适应空间分析的要求,按此思路实现了OMITO3e数据产品信息的提取,获得了2005年1月～2007年12月中国O3总量的时空分布特征,结果表明:以此方法获得的中国臭氧信息能够准确的反应其真实的时空动态,同时也为OMI数据和其他EOS数据的进一步应用提供了一种新的方法。
朱娟娟[10]（2008）在《基于多源影像的多角度遥感数据平台的设计与开发》文中研究表明目前,众多的传感器提供了多种遥感信息,但是大多反演生成基于单一传感器的地表参数产品。它们精度较低、不确定性较大,而且受大气条件的影响、产品频次低、连续性不够。因此,如何更好的综合利用目前已有的众多卫星传感器,同时提供更多的遥感观测资料,解决遥感反演中的问题,引起各国对于卫星遥感数据的综合反演和同化的关注。本论文主要目的是为克服单一传感器遥感反演的缺点,提出以多源卫星遥感数据构成多角度遥感数据集,为下一步的地表参数反演（包括地表BRDF/反照率、植被指数/叶面积指数、地表发射率/温度等参数的反演）提供有效的支持。论文主要内容有:1.分析了几种多角度观测模式的多角度数据获取特点和应用,在现有多角度观测的基础上提出基于多源遥感影像的多角度遥感数据平台的构建;2.研究几种遥感数据的存储与访问方式:重点分析了MODIS、AVHRR、TM、ETM+、ASTER、MISR这几个传感器产品数据特点及其存储格式,实现HDF、HDF-EOS、FAST等格式数据的存取;3.多角度数据的构建:针对1级数据的角度信息特点,设计基于多传感器获取多角度观测的遥感数据集的制作流程,并重点研究角度信息的提取及影像投影和分幅方式的分析;4.影像数据库的构建:设计了多源遥感数据影像数据库,实现1级遥感数据、多角度遥感数据和专题产品数据的存储、管理和查询等功能;5.基于VC++与ORACLE的系统功能模块的设计:主要包括权限设置、显示、数据导入、数据查询、数据维护等功能模块的设计和开发。
二、HDF-EOS数据格式在处理空间数据中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、HDF-EOS数据格式在处理空间数据中的应用（论文提纲范文）
（1）基于时空贝叶斯的植被覆盖对环境变化的响应 ——以京津风沙源治理工程区为例（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 引言 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的及意义 |
| 1.2 国内外研究进展 |
| 1.2.1 植被覆盖遥感监测指标的选取 |
| 1.2.2 时间序列数据重建研究进展 |
| 1.2.3 时空插值分析方法 |
| 1.2.4 空间数据分析方法 |
| 1.2.5 时间序列数据分析方法 |
| 1.2.6 时空数据分析方法 |
| 1.2.7 响应关系模型的研究进展 |
| 1.2.8 时间序列预测研究进展 |
| 1.3 拟解决关键问题 |
| 1.4 研究内容 |
| 1.5 研究技术路线图 |
| 2 研究区概况与数据来源 |
| 2.1 研究区概况 |
| 2.1.1 地理位置 |
| 2.1.2 地形地貌 |
| 2.1.3 气候 |
| 2.1.4 土壤 |
| 2.1.5 植被类型 |
| 2.1.6 水资源 |
| 2.1.7 社会经济状况 |
| 2.2 数据来源 |
| 2.2.1 植被覆盖 |
| 2.2.2 陆表温度 |
| 2.2.3 蒸散 |
| 2.2.4 土壤含水量 |
| 2.2.5 气象数据 |
| 2.2.6 空间数据 |
| 3 数据预处理与分析方法 |
| 3.1 序列数据整合构建 |
| 3.2 时空克里格插值 |
| 3.2.1 时空平稳性 |
| 3.2.2 时空平稳性检验 |
| 3.2.3 构造变异函数 |
| 3.2.4 理论时空变异函数模型的拟合方法 |
| 3.3 隐高斯模型 |
| 3.4 INLA算法 |
| 3.5 非参数动态趋势分析法 |
| 3.5.1 时空模型 |
| 3.5.2 时空效应 |
| 3.5.3 时空交互效应 |
| 3.6 时空贝叶斯建模 |
| 3.6.1 时空贝叶斯模型 |
| 3.6.2 随机偏微分方程 |
| 3.7 模型评判准则DIC |
| 4 区域气象数据时空克里格插值分析 |
| 4.1 时间序列分解 |
| 4.1.1 降水 |
| 4.1.2 风速 |
| 4.1.3 气温 |
| 4.2 随机项平稳性检验 |
| 4.2.1 降水 |
| 4.2.2 风速 |
| 4.2.3 气温 |
| 4.3 随机项时空变异函数拟合 |
| 4.3.1 降水 |
| 4.3.2 风速 |
| 4.3.3 气温 |
| 4.4 精度验证 |
| 4.5 小结 |
| 5 京津风沙源治理工程区环境变化时空特征分析 |
| 5.1 时空趋势模型比较与选择 |
| 5.2 年际及月际变化特征分析 |
| 5.2.1 月际变化特征 |
| 5.2.2 年际变化特征 |
| 5.2.3 年内月际变化特征 |
| 5.3 空间变化特征分析 |
| 5.3.1 植被覆盖 |
| 5.3.2 气象指标 |
| 5.3.3 陆表温度 |
| 5.3.4 土壤含水量 |
| 5.3.5 蒸散指标 |
| 5.4 时空交互效应分析 |
| 5.4.1 NDVI时空交互效应 |
| 5.4.2 GPP时空交互效应 |
| 5.4.3 降水时空交互效应 |
| 5.4.4 气温时空交互效应 |
| 5.4.5 风速时空交互效应 |
| 5.4.6 陆表温度时空交互效应 |
| 5.4.7 土壤含水量时空交互效应 |
| 5.4.8 蒸散时空交互效应 |
| 5.5 小结 |
| 6 京津风沙源治理工程区植被覆盖对环境变化的响应关系 |
| 6.1 相关性分析 |
| 6.1.1 植被覆盖 |
| 6.1.2 气象指标 |
| 6.1.3 陆表温度 |
| 6.1.4 土壤含水量 |
| 6.1.5 蒸散指标 |
| 6.2 模型比较与选择 |
| 6.3 NDVI与各指标的响应关系分析 |
| 6.3.1 气象指标 |
| 6.3.2 陆表温度 |
| 6.3.3 土壤含水量 |
| 6.3.4 蒸散指标 |
| 6.3.5 土壤类型 |
| 6.3.6 土地覆盖类型 |
| 6.3.7 荒漠化气候类型 |
| 6.3.8 其他 |
| 6.4 GPP与各指标的响应关系分析 |
| 6.4.1 气象指标 |
| 6.4.2 陆表温度 |
| 6.4.3 土壤含水量 |
| 6.4.4 蒸散指标 |
| 6.4.5 土壤类型 |
| 6.4.6 荒漠化气候类型 |
| 6.4.7 其他 |
| 6.5 小结 |
| 7 植被覆盖对环境变化响应的时空建模 |
| 7.1 时空模型构建 |
| 7.2 模型比较与选择 |
| 7.3 植被覆盖时空建模结果 |
| 7.3.1 NDVI时空建模结果 |
| 7.3.2 GPP时空建模结果 |
| 7.4 小结 |
| 8 结论与展望 |
| 8.1 结论 |
| 8.2 特色与创新 |
| 8.3 不足与展望 |
| 参考文献 |
| 附录A 数据预处理代码 |
| 附录B 时空克里格插值误差 |
| 附录C 时空克里格插值结果 |
| 附录D 气象站点数据Adf检验结果 |
| 个人简介 |
| 第一导师简介 |
| 第二导师简介 |
| 获得成果目录清单 |
| 致谢 |
（2）心血管疾病时空分布与环境健康因子响应遥感诊断（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的 |
| 1.1.3 研究意义 |
| 1.2 .国内外本学科领域的发展现状与趋势 |
| 1.2.1 遥感与地理信息系统对于慢性疾病监测与预测研究进展 |
| 1.2.2 影响心血管疾病死亡率的环境健康因子 |
| 1.2.3 心血管疾病诊断预测模型研究进展 |
| 1.3 论文研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 论文组织与结构 |
| 1.5 本章小结 |
| 第2章 数据收集与处理 |
| 2.1 遥感数据的收集与处理 |
| 2.1.1 臭氧检测仪(OMI)数据收集与处理 |
| 2.1.2 CERES数据收集与处理 |
| 2.2 疾病、人口等社会数据来源及处理 |
| 2.2.1 心血管疾病数据与人口数据 |
| 2.2.2 人口数据 |
| 2.2.3 心血管疾病时空数据库建立 |
| 2.3 气象数据收集与处理 |
| 2.4 本章小结 |
| 第3章 心血管疾病死亡情况时空分布特征分析 |
| 3.1 心血管疾病死亡情况时间分布特征提取 |
| 3.2 心血管疾病死亡率空间分布特征提取 |
| 3.2.1 基于国家尺度空间分布特征分析 |
| 3.2.2 基于区域尺度空间分布特征分析 |
| 3.3 空间自相关性分析 |
| 3.4 心血管疾病的时空聚集性分析 |
| 3.4.1 时空扫描统计量 |
| 3.4.2 时空聚集性分析结果 |
| 3.5 小结 |
| 第4章 心血管疾病死亡率对环境健康因子响应研究 |
| 4.1 心血管疾病对大气污染环境健康因子的响应分析 |
| 4.1.1 心血管疾病死亡率对NO_2柱浓度响应分析 |
| 4.1.2 心血管疾病死亡率对SO_2柱浓度响应分析 |
| 4.1.3 心血管疾病死亡率对O_3柱总量响应分析 |
| 4.1.4 心血管疾病死亡率对气溶胶厚度响应分析 |
| 4.2 心血管疾病环境危险因素的响应分析 |
| 4.2.1 心血管疾病死亡率对气温的响应分析 |
| 4.2.2 心血管疾病死亡率对气压的响应分析 |
| 4.2.3 心血管疾病死亡率对风速的响应分析 |
| 4.3 心血管疾病对社会危险因素的响应分析 |
| 4.3.1 心血管疾病死亡率对烟草的使用的响应分析 |
| 4.3.2 心血管疾病死亡率对酒精摄入的响应分析 |
| 4.3.3 心血管疾病死亡率对不同区域的响应分析 |
| 4.4 小结 |
| 第5章 心血管疾病环境健康因子筛选 |
| 5.1 心血管疾病环境健康因子筛选方法 |
| 5.1.1 广义相加函数 |
| 5.1.2 赤池信息量准则AIC |
| 5.2 心血管疾病环境健康因子筛选 |
| 5.2.1 基于广义相加模型的心血管疾病环境健康因子筛选 |
| 5.2.2 基于AIC的心血管疾病环境健康因子筛选模型优化 |
| 5.3 小结 |
| 第6章 心血管疾病死亡率预测遥感诊断 |
| 6.1 心血管疾病预测遥感诊断模型 |
| 6.1.1 人工神经网络模型 |
| 6.1.2 误差反向传播算法 |
| 6.2 基于神经网络的心血管疾病预测遥感诊断模型 |
| 6.2.1 神经网络设计 |
| 6.2.2 基于BP人工神经网络的心血管疾病死亡率预测分析研究 |
| 6.2.3 基于串联灰色BP人工神经网络的预测模型优化 |
| 6.3 模型的评价与分析 |
| 6.3.1 模型评价 |
| 6.3.2 模型预测验证 |
| 6.3.3 模型分析 |
| 6.4 小结 |
| 第7章 结论与展望 |
| 7.1 研究工作总结 |
| 7.2 主要创新点 |
| 7.3 研究工作展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（3）全球多源遥感数据集成处理平台建设关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 全球遥感产品生产的意义 |
| 1.1.2 多源遥感数据协同的优势 |
| 1.1.3 多源遥感产品协同自动化生产的挑战 |
| 1.2 国内外研究现状分析 |
| 1.2.1 多源遥感数据存储组织管理 |
| 1.2.2 工作流构建与集成处理 |
| 1.2.3 遥感并行处理 |
| 1.3 本文研究内容描述 |
| 1.4 本文的组织结构 |
| 第2章 基于统一抽象的多源遥感数据集成方法 |
| 2.1 引言 |
| 2.2 多源遥感数据特点分析 |
| 2.3 多源遥感数据格式统一抽象 |
| 2.3.1 遥感数据格式与库分析 |
| 2.3.2 统一格式抽象库设计与实现 |
| 2.3.3 统一的数据格式结构 |
| 2.3.4 基于格式抽象库的工具 |
| 2.4 应用实例 |
| 2.5 小结 |
| 第3章 基于剖分体系的多源遥感数据协同组织方法 |
| 3.1 引言 |
| 3.2 结合数据尺度和产品类型的多源多尺度遥感数据协同剖分体系 |
| 3.2.1 高分辨率剖分层次 |
| 3.2.2 中分辨率剖分层次 |
| 3.2.3 低分辨率剖分层次 |
| 3.3 基于协同剖分体系的多源遥感数据数据立方体协同生成 |
| 3.3.1 多源遥感数据数据立方体协同生成流程 |
| 3.3.2 逻辑数据立方体协同生成 |
| 3.3.3 实体数据立方体协同生成 |
| 3.4 应用实例 |
| 3.5 小结 |
| 第4章 遥感产品流程建模及算法集成 |
| 4.1 引言 |
| 4.2 遥感产品生产架构 |
| 4.3 遥感产品工作流程构建实例 |
| 4.3.1 产品生产架构形式化表达 |
| 4.3.2 遥感产品生产脚本生成 |
| 4.3.3 不确定问题的处理策略 |
| 4.3.4 遥感产品算法服务化集成 |
| 4.4 小结 |
| 第5章 集群环境下遥感产品生产并行处理框架 |
| 5.1 引言 |
| 5.2 遥感产品处理算法的运算特点分析 |
| 5.2.1 运算序列相关性 |
| 5.2.2 运算空间位置相关性 |
| 5.2.3 运算IO占比 |
| 5.3 集群环境下的双层并行处理框架 |
| 5.3.1 系统运行流程设计 |
| 5.3.2 上层粗粒度任务并行处理设计 |
| 5.3.3 对应的并行文件系统设计 |
| 5.3.4 下层基于内存的图像加速处理框架 |
| 5.4 应用实例 |
| 5.5 小结 |
| 第6章 多源遥感数据集成处理系统实现 |
| 6.1 引言 |
| 6.2 系统需求与目标 |
| 6.3 系统设计 |
| 6.3.1 总体设计 |
| 6.3.2 分布式组件设计 |
| 6.3.3 系统流程 |
| 6.4 重要模块实现 |
| 6.4.1 自动工作流 |
| 6.4.2 数据集成 |
| 6.4.3 分层调度 |
| 6.5 系统实现 |
| 6.6 小结 |
| 第7章 总结与展望 |
| 7.1 总结 |
| 7.2 研究展望 |
| 附录 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（4）基于大数据的定标方法研究与初步应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 遥感定标技术发展现状分析 |
| 1.1.1 发射前定标 |
| 1.1.2 星上定标 |
| 1.1.3 替代定标 |
| 1.2 遥感定标数据处理手段和能力现状 |
| 1.3 大数据技术应用于定标的可行性分析 |
| 1.3.1 大数据技术概述 |
| 1.3.2 分布式存储研究与进展 |
| 1.3.3 分布式计算研究与进展 |
| 1.4 大数据技术定标的方法和发展现状 |
| 1.5 本文研究内容 |
| 第2章 大数据定标方案设计 |
| 2.1 大数据定标方案 |
| 2.1.1 分布式文件系统原理 |
| 2.1.2 分布式计算框架原理 |
| 2.1.3 大数据定标方案 |
| 2.2 大数据定标平台的组成 |
| 2.2.1 操作系统 |
| 2.2.2 SSH协议 |
| 2.2.3 JDK |
| 2.2.4 Hadoop系统 |
| 2.2.5 分布式数据库HBase |
| 2.2.6 栅格空间数据开源库 |
| 2.2.7 HDF4/5库 |
| 2.2.8 大气辐射传输模型 |
| 2.2.9 硬件要求 |
| 2.3 自动规划设计 |
| 2.3.1 轨道预报 |
| 2.3.2 SGP4/SDP4库使用说明 |
| 2.4 自动爬取设计 |
| 2.5 算法的物理基础 |
| 2.5.1 场地自动化定标法 |
| 2.5.2 全球定标场网法 |
| 2.6 本章小结 |
| 第3章 大数据定标方案的实现 |
| 3.1 分布式存储与管理定标多源数据 |
| 3.1.1 基础数据 |
| 3.1.2 影像数据 |
| 3.1.3 大气数据 |
| 3.1.4 地表数据 |
| 3.1.5 定标结果数据 |
| 3.2 分布式计算中定标多源数据处理 |
| 3.2.1 影像数据接口设计 |
| 3.2.2 地理定位 |
| 3.3 本章小结 |
| 第4章 大数据定标的软件设计与初步应用 |
| 4.1 多源数据的自动爬取模块 |
| 4.2 数据服务模块 |
| 4.2.1 定标多源数据的查询与下载 |
| 4.2.2 定标多源数据的导入 |
| 4.2.3 定标结果数据 |
| 4.3 基准场模块 |
| 4.4 自动规划模块 |
| 4.5 绝对辐射定标模块 |
| 4.6 大数据定标平台的定标应用 |
| 4.6.1 S-NPP VIIRS高频次定标应用 |
| 4.6.2 GF-1 WFV3长时序定标应用 |
| 4.7 本章小结 |
| 第5章 结论与展望 |
| 5.1 论文工作总结 |
| 5.2 论文的创新点 |
| 5.3 进一步考虑 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的其它研究成果 |
（5）基于GlobeLand30的AIRS CO2气象观测数据网络共享研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容与技术路线 |
| 1.4 论文组织结构 |
| 2 相关数据及技术方法研究 |
| 2.1 NASA AIRS数据介绍 |
| 2.2 GlobeLand30数据介绍 |
| 2.3 关键技术介绍 |
| 2.4 本章小结 |
| 3 AIRS数据处理 |
| 3.1 AIRS时空数据预处理 |
| 3.2 AIRS数据空间插值算法 |
| 3.3 元数据及其相关技术 |
| 3.4 本章小结 |
| 4 AIRS数据组织分析 |
| 4.1 AIRS的瓦片空间索引构建方法 |
| 4.2 AIRS时空数据模型 |
| 4.3 本章小结 |
| 5 基于GlobeLand30的AIRS CO_2气象观测数据网络共享平台的实现 |
| 5.1 平台开发环境 |
| 5.2 体系结构设计 |
| 5.3 系统功能实现 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（6）基于多源数据的全球CO2浓度立体校验和虚拟仿真研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容与研究路线 |
| 1.4 章节结构 |
| 2 多源大气CO_2数据集 |
| 2.1 GAW地表观测数据 |
| 2.2 TCCON气柱数据 |
| 2.3 NASA AIRS卫星观测数据 |
| 2.4 本章小结 |
| 3 多源大气CO_2数据特征分析与数据预处理 |
| 3.1 多源大气CO_2数据时空特征分析 |
| 3.2 多源异构CO_2数据源预处理 |
| 3.3 本章小结 |
| 4 多源大气CO_2立体校验 |
| 4.1 立体校验结构与校验区选取 |
| 4.2 立体校验参量 |
| 4.3 基于GAW和TCCON数据的AIRS CO_2浓度立体校验 |
| 4.4 本章小结 |
| 5 多源大气CO_2虚拟表达 |
| 5.1 全球CO_2浓度虚拟表达平台的系统设计 |
| 5.2 AIRS CO_2浓度数据的平面模拟与图像处理 |
| 5.3 全球CO_2浓度虚拟表达平台的功能实现 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（7）空间科学大数据存储模型SP-HDF及应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 概述 |
| 1.1 研究背景 |
| 1.2 问题的提出 |
| 1.3 国内外研究现状 |
| 1.4 项目依托 |
| 1.5 研究的内容与目标 |
| 1.6 论文组织结构 |
| 1.7 本章小结 |
| 第二章 空间科学数据特征及分类 |
| 2.1 空间科学数据及其特征 |
| 2.2 子午工程及其科学数据 |
| 2.3 空间天气科学数据 |
| 2.4 本章小结 |
| 第三章 空间科学数据传统存储方案 |
| 3.1 空间科学数据的传统存储方案 |
| 3.2 空间科学大数据的存储要求 |
| 3.3 HDF 与 CDF 存储模型的特点与不足 |
| 3.4 本章小结 |
| 第四章 SP-HDF 存储模型框架及设计 |
| 4.1 SP-HDF 存储模型概述 |
| 4.2 SP-HDF 存储映射层设计 |
| 4.3 SP-HDF 逻辑存储层设计 |
| 4.4 SP-HDF 接口层设计 |
| 4.5 SP-HDF 应用层设计 |
| 4.6 本章小结 |
| 第五章 空间科学大数据标准化处理 |
| 5.1 子午工程空间科学大数据标准化处理流程 |
| 5.2 子午工程科学大数据的标准化处理模型 |
| 5.3 基于负载均衡的标准化处理性能优化 |
| 5.4 标准化处理及性能优化的应用效果 |
| 5.5 本章小结 |
| 第六章 空间科学大数据的共享服务模型 |
| 6.1 空间科学大数据的共享服务基本要求 |
| 6.2 基于虚拟观测站点的共享服务模型 |
| 6.3 共享服务元数据模型 |
| 6.4 子午工程数据服务接口原型 |
| 6.5 本章小结 |
| 第七章 结论与展望 |
| 7.1 论文主要工作及创新点 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 1：基于 XML 的标准化处理模板范例 |
| 附录 2：写入空间天气数据程序代码 |
| 附录 3：个人简历 |
| 一、教育经历 |
| 二、发表相关学术论文 |
| 三、参加科研项目 |
（8）ASTER Level 1A数据产品文件解析及应用（论文提纲范文）
| 1 引 言 |
| 2 数据文件解析 |
| 2.1 坐标系统 |
| 2.2 时间编码格式 |
| (1) CCSDS ASCII日历分割时间编码 |
| (2) 卫星时间格式 |
| 2.3 数据结构 |
| 2.3.1 元数据 |
| (1) 目录元数据 |
| (2) ASTER通用数据 |
| (3) GDS通用元数据 |
| (4) 产品特定元数据 (VNIR) |
| (5) 坏像素信息 |
| 2.3.2 辅助数据 |
| 2.3.3 VNIR数据组 |
| 2.4 数据读取 |
| 2.4.1 辅助数据的读取 |
| 2.4.2 元数据的读取 |
| 2.4.3 VNIR数据组的读取 |
| 3 数据的应用 |
| 3.1 辐射校正 |
| 3.2 影像定位 |
| 4 结束语 |
（9）基于OMI数据的中国臭氧总量时空动态信息提取（论文提纲范文）
| 1 数据的获取与处理 |
| 2 MATLAB提取O3总量信息的实现 |
| 2.1 OMTO3e数据产品的结构 |
| 2.2 MATLAB从OMTO3e数据中提取信息几个关键问题的解决 |
| (1) 数据产品的批量转换。 |
| (2) 数据信息的获取。 |
| (3) 野点的剔除。 |
| (4) 属性信息 (O3总量) 与定位信息 (经纬度) 匹配输出。 |
| 3 从OMTO3e数据中提取的中国2005~2007年O3总量的时空分布信息 |
| 3.1 O3总量空间分布特征 |
| 3.2 中国O3总量的时间变化特征 |
| 4 结语 |
（10）基于多源影像的多角度遥感数据平台的设计与开发（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 多角度遥感及其发展现状 |
| 1.2 研究意义 |
| 1.3 遥感影像数据平台的研究现状 |
| 1.4 多角度遥感影像数据平台建立的可行性分析 |
| 1.5 论文主要研究内容和组织结构 |
| 第二章 关键技术分析 |
| 2.1 遥感影像数据格式分析和数据读取 |
| 2.1.1 HDF格式结构及接口 |
| 2.1.2 MODIS 1B数据特点及其存取方式 |
| 2.1.3 NOAA/AVHRR数据格式及读取方式 |
| 2.1.4 Landsat ETM+/TM数据和FAST格式 |
| 2.1.5 SPOT/VEGETATION数据特点及其访问方式 |
| 2.1.6 ASTER、MISR数据和HDF-EOS格式 |
| 2.2 多角度数据集的制作 |
| 2.2.1 计算象元定位和角度信息 |
| 2.2.2 投影方式的选取 |
| 2.2.3 分幅规则 |
| 2.2.4 创建hdf文件 |
| 第三章 系统设计 |
| 3.1 系统总体功能模块设计 |
| 3.2 数据库设计 |
| 3.2.1 数据库基础 |
| 3.2.2 系统数据处理流程 |
| 3.2.3 数据库逻辑设计 |
| 3.2.4 文件命名规则 |
| 3.2.5 表空间、索引设计 |
| 3.2.6 部分存储过程、触发器设计 |
| 3.3 主要模块设计与实现 |
| 3.3.1 VC++访问数据库方式——AD0 |
| 3.3.2 权限设置 |
| 3.3.3 数据导入模块 |
| 3.3.4 显示模块 |
| 3.3.5 查询模块 |
| 3.3.6 基于C/S结构的影像文件网络传输 |
| 3.3.7 基础数据维护模块 |
| 第四章 总结与展望 |
| 致谢 |
| 参考文献 |
| 参与的项目与发表的文章 |
四、HDF-EOS数据格式在处理空间数据中的应用（论文参考文献）
- [1]基于时空贝叶斯的植被覆盖对环境变化的响应 ——以京津风沙源治理工程区为例[D]. 汪锦. 北京林业大学, 2020
- [2]心血管疾病时空分布与环境健康因子响应遥感诊断[D]. 杨天宇. 中国科学院大学(中国科学院空天信息创新研究院), 2019(06)
- [3]全球多源遥感数据集成处理平台建设关键技术研究[D]. 李宏益. 中国科学院大学(中国科学院空天信息创新研究院), 2019(06)
- [4]基于大数据的定标方法研究与初步应用[D]. 张孟. 中国科学技术大学, 2019(02)
- [5]基于GlobeLand30的AIRS CO2气象观测数据网络共享研究[D]. 耍倩倩. 中国矿业大学, 2016(02)
- [6]基于多源数据的全球CO2浓度立体校验和虚拟仿真研究[D]. 徐云靖. 中国矿业大学, 2016(02)
- [7]空间科学大数据存储模型SP-HDF及应用研究[D]. 夏军宝. 中国地质大学（北京）, 2013(04)
- [8]ASTER Level 1A数据产品文件解析及应用[J]. 李柏鹏,燕琴,关鸿亮. 遥感信息, 2010(01)
- [9]基于OMI数据的中国臭氧总量时空动态信息提取[J]. 王跃启,江洪,肖钟涌,张秀英,周国模,余树全. 环境科学与技术, 2009(06)
- [10]基于多源影像的多角度遥感数据平台的设计与开发[D]. 朱娟娟. 电子科技大学, 2008(05)