1. Integrating memory-mapping and N-dimensional hash function for fast and efficient grid-based climate data query

集成内存映射和N维哈希函数以进行基于网格的气候数据高效查询

To cite this article:

Mengchao Xu, Liang Zhao, Ruixin Yang, Jingchao Yang, Dexuan Sha & Chaowei Yang (2020): Integrating memory-mapping and N-dimensional hash function for fast and efficient grid-based climate data query, Annals of GIS, DOI: 10.1080/19475683.2020.1743354

在当前的大数据时代，数据库系统是无处不在的组件。然而，有效地管理和查询基于网格或基于数组的多维气候数据仍然超出了大多数据库的能力。数据量达到上限时，数组数据模型和关系数据模型之间的不匹配限制了在传统数据库中查询多维数据的性能。即使对关系数据库中的大型多维数据集进行琐碎的数据检索也很耗时，并且需要巨大的存储空间。考虑到对时间敏感的时空数据查询与分析的科学兴趣和应用需求，迫切需要在大型多维数据集上实现高效的数据存储和快速的数据检索解决方案。本文介绍了一种多维数据存储与访问的方法。该方法包括了一种新的哈希函数算法，其工作在统一的数据存储结构上，并与内存映射技术相结合。本文描述了一个原型数据库LotDB的实现，与SciDB、MongoDB和PostgreSQL相比，LotDB在数据查询性能上有着良好的效果。

2. Enhancing the U.S. TBI data infrastructure: geospatial perspective

增强的美国TBI数据基础设施：地理空间观点

To cite this article:

Mara Chen, Donna Ritenour & Karl Maier (2020): Enhancing the U.S. TBI data infrastructure: geospatial perspective, Annals of GIS, DOI: 10.1080/19475683.2020.1744724

颅脑外伤（TBI）已成为一项快速增长的全球公共卫生问题。它会导致人员过早丧命，造成劳动力短缺，增加对受伤老龄人口的护理需求以及加剧其他社会经济负担。本文介绍了国家综合TBI数据库的重要性和必要性，该数据库包含地理空间数据组件以帮助应对TBI的流行。它呼吁采取立法和研究行动，以增强美国的TBI数据基础设施，从而使GIS在TBI研究中的使用成为可能。此外，它提出了一个多层概念框架和相关的实施策略，以建立其提议的国家TBI数据结构。增强版的美国TBI数据基础设施将提供一个可行的平台，以利用GIS功能进行基于位置的地图绘制、数据分析和建模。精确的TBI研究、有针对性的推广和教育可能会帮助实现更有效的预防和更好的保健服务。增强版的美国TBI数据库基础设施将成为其他发展中国家的指导模型。TBI在全球方面的共同努力可以帮助改善世界各地的整体生活质量。

3. Geospatial analyses to determine academic success factors in California’s K-12 education

用于确定加利福尼亚州K-12教育中学业成功因素的地理空间分析

To cite this article:

To cite this article: Brianna Chew, Asish Satpathy & Elaine Wong (2020): Geospatial analyses to determine academic success factors in California’s K-12 education, Annals of GIS, DOI: 10.1080/19475683.2020.1739141

标准化考试成绩常被用于衡量学生的学业成绩。尽管教学技巧、课堂动态和学习技巧等因素会影响学业成功，但课堂外还有其他可能会影响学生整体学业成绩的因素。通常，这些因素会被教育工作者忽视或容易被认为是不可控的。先前的研究已经确定并检查了这些因素；但在此次分析中，我们将使用地理信息系统（GIS）来分析和展示先前不可能发现的外部因素空间模式，如家庭收入和平均家庭人数。利用GIS以及人口统计数据和生活方式数据的变化，我们可以更深入地了解这些因素是否与学业成绩呈正相关或负相关。我们利用来自加州教育部的2015–2016年学业评估测试（SAT）分数样本以及来自环境系统研究所（又称Esri）的基于位置的家庭支出、社会经济和人口统计学数据，建立统计模型，从而了解影响SAT成绩的因素。结果表明，双亲家庭和医疗保险支出对学生学业成绩有积极影响。此外，处于教育行业氛围影响下的学生SAT得分更高。我们还了解到，多样性、家庭规模和多代家庭对学生的SAT成绩有负面影响。

4. Freshwater lake inundation monitoring using Sentinel-1 SAR imagery in Eastern Uganda

使用Sentinel-1 SAR影像监测乌干达东部的淡水湖淹没情况
Bernard Barasa & Joshua Wanyama (2020): Freshwater lake inundation monitoring using Sentinel-1 SAR imagery in Eastern Uganda, Annals of GIS, DOI:10.1080/19475683.2020.1743754

在洪水灾害评估中，很少在热带地区将Sentinel-1合成孔径雷达（SAR）图像用于淡水湖淹没的季节性观测。为了评估淹没的空间变化，本研究调查了雨季（2月至4月和9月至11月）和干旱季节（5月至8月和12月至1月）河岸植物的淹没量级和反射率。使用面向对象的分类算法确定淹没区域，并利用后向散射系数值很好地定义了湖泊、河岸植被和海岸线的特点。研究结果表明，SAR图像可用于实际监测淹没覆盖区域，并识别湖盆的特定特征，例如高地、海岸线、水和河岸植被。由于季节性原因，2月（902平方公里）和10月（700平方公里）的淹没面积相对较高。被淹没部分的后向散射系数在-16 dB至-19 dB之间变化，而河岸植被的后向散射系数在5月和8月较高。因此，这项研究揭示了河岸植被、水文学和气候变量之间的明确关联。

4. Suitable location selection for the electric vehicle fast charging station with AHP and fuzzy AHP methods using GIS

基于AHP和模糊AHP方法的GIS电动汽车快速充电站选址

To cite this article:

Dogus Guler & Tahsin Yomralioglu (2020): Suitable location selection for the electric vehicle fast charging station with AHP and fuzzy AHP methods using GIS, Annals of GIS, DOI: 10.1080/19475683.2020.1737226

现今，电动汽车逐步进入大众视野，因为它们不仅在依赖石油的现下为各国经济做出了贡献，而且还有助于打造更加宜居和可持续发展的城市。为了增强电动汽车的使用，电动汽车充电站位置的选择是一项最重要的议题。从这个层面上讲，本文旨在提出一种将地理信息系统（GIS）技术和多准则决策（MCDM）相结合的方法，以找到电动汽车充电站的合适位置。该方法使用了层次分析法（AHP）和模糊层次分析法（FAHP）来计算标准的权重。虽然就环境影响和可及性而言，通过AHP可以获得每个标准的两个不同权重，但利用FAHP的方式也可以获得每个标准的另一个权重。通过确定三个不同适用性指标的共通处，可以取得完整可靠的结果。利用优劣解距离法（TOPSIS）对备选位置进行排名。其结果表明，所提出的方法为选择合适的充电站位置提供了显着有效的解决方案。此外，决策者和管理者可以从这些结果中受益，以便为前瞻性计划和策略做出有效的决策。

5. Land use/land cover and land surface temperature analysis in Wayanad district, India, using satellite imagery

利用卫星图像分析印度Wayanad区的土地利用/土地覆盖和地表温度

To cite this article:

Jovish John, G. Bindu, B. Srimuruganandam, Abhinav Wadhwa & Poornima Rajan (2020): Land use/land cover and land surface temperature analysis in Wayanad district, India, using satellite imagery, Annals of GIS, DOI: 10.1080/19475683.2020.1733662

本文评估了Wayanad地区在2004到2018年间的土地利用/土地覆盖（LULC）分类和土地表面温度（LST）。首先，分别使用IRS P6LISS-III（线性成像自扫描仪）和ETM+(增强型专题制图仪)图像的热波段得到了Wayanad地区的LULC分类和LST。然后，选择最大似然分类（MLC）技术对六种土地利用特征（水体、稻田、森林、密集植被区、农作物和密集建筑区）进行分类。结果表明，从2004年到2018年，土地利用特征改变的影响与LST的升高具有相关关系。在研究期内，植被总覆盖率呈上升趋势。由于建造了两个水坝：Banasurasagar和Karappuzha，Wayanad地区的水体从4.30平方公里增加到32.68平方公里。然而，在过去的14年中，农作物和稻田面积减少了4.7％。农业作物减产可以直接与人口增长联系起来，为了满足后者的基本需求开发了各种密集建筑区。在研究期内，森林和密集植被区的覆盖面积分别增加了近2.3％和3.0％，而从2008年到2013年，竹子退化的现象也很明显。从2014到2018年间，密集建筑区的土地面积从占土地总面积的1.48％增长到了5.69％。在LST下降1.75℃的范围内，植被覆盖和LST负相关，可以看出LULC对LST有明显的影响。研究结果可以帮助当地管理部门在未来几年中，实施满足公众意愿和决策者的城市规划法规，以实现可持续的规划和管理。

6. GIS-based multi criteria decision making method to identify potential runoff storage zones within watershed

基于GIS的流域内潜在径流蓄水区识别多准则决策方法
To cite this article:

Vikas Kumar Rana & Tallavajhala Maruthi Venkata Suryanarayana (2020): GIS-based multi criteria decision making method to identify potential runoff storage zones within watershed, Annals of GIS, DOI: 10.1080/19475683.2020.1733083

本研究利用Vishwamitri流域的各种物理特征，依托基于GIS的概念框架，对潜在的径流蓄水区进行识别。该概念框架使用多准则决策方法对层次分析法进行组合。它有助于根据水体的各种物理特征（降雨，坡度，土地利用/土地覆盖，最近排水渠上方高度，溪流级别，径流曲线数，地形湿度指数）来确定蓄水场所的潜在径流蓄水区。结果发现，有17％的区域是最合适的，有33.2％的区域是中等合适的，有33.1％的区域是勉强合适的，有18.7％的区域是不适合作为储水区/结构的。研究结果将有助于相关部门熟练地安排和执行与水有关的计划和方案，改善缺水状况，减少对地下水的依赖性，并确保研究地区的当地和农业用水的可持续供应。

7. Utilizing ecological niche modelling to predict habitat suitability of eastern equine encephalitis in Florida

利用生态位模型预测佛罗里达东方马脑炎的生境适应性

To cite this article:

Claire Burch, Rebecca Loraamm, Thomas Unnasch & Joni Downs (2020): Utilizing ecological niche modelling to predict habitat suitability of eastern equine encephalitis in Florida, Annals of GIS, DOI: 10.1080/19475683.2020.1730962

东方马脑炎病毒（EEEV）是一种主要发现于美国密西西比河以东的人马共患病毒。该病以前常发生于佛罗里达等州，但近年来在美国东海岸以北的其他州，其患病率却有所增加。本研究主要使用生态位建模程序Maxent对EEEV的生境适应概率进行建模。不同于传统EEEV制图将哨兵鸡感染数据作为空间数据源，该研究利用了马宿主的致死率数据。这项研究绘制了栖息地适宜性地图，并通过利用其他环境因素扩展了先前的风险模型。它证实了先前模型确定的较高概率区域，也发现了更精细的高概率区域。该模型将生态建模技术应用到空间流行病学文献中。它突出表明了环境因素在促进EEEV传播的潜力空间。考虑这些已识别的环境因素有助于确定随着新病例出现的EEEV高风险地域。

8. A Bayesian spatial shared component model for identifying crime-general and crime-specific hotspots

一个用于识别一般犯罪和特定犯罪热点的贝叶斯空间共享组件模型
To cite this article:

Jane Law, Matthew Quick & Afraaz Jadavji (2020): A Bayesian spatial shared component model for identifying crime-general and crime-specific hotspots, Annals of GIS, DOI:

10.1080/19475683.2020.1720290

犯罪热点的空间模式化为设计、分配和实施用于预防犯罪的政策和规划提供了基于场所的信息。然而，大多数空间热点识别方法都是针对单一变量的，只分析单个的犯罪类型，并不考虑一个热点具有多个犯罪类型的情况。本研究应用贝叶斯空间共享组件模型，在小区域范围内识别关于暴力犯罪和财产犯罪的一般犯罪热点和特定犯罪热点。利用空间共享组件模型对暴力犯罪和财产犯罪进行了联合分析，并将每种犯罪类型在特定区域的风险分为一个共享组件和一个特定类型组件，前者用于发现这两种犯罪类型共有的潜在一般犯罪空间模式，后者用于识别不同于共享模式的特定犯罪空间模式。分别基于共享组件和特定类型组件的后验概率估计，对一般犯罪热点和特定犯罪热点进行分类。结果表明，一般犯罪模式解释了大约81%的暴力犯罪变化和70%的财产犯罪变化。并且一般犯罪热点比特定犯罪热点的产生更为频繁，而关于财产的特定犯罪热点比暴力特定犯罪热点的产生更为频繁。一般犯罪热点可能是多种犯罪类型综合发生的目标地区，而特定犯罪热点可能是发生单一犯罪类型的目标地区。