地理信息熱點監測與預警技術及其在資源環境領域的應用

時 間：2012年5月24日上午8：30-12：00

地 點：學院二樓報告廳

主講人:賓夕法尼亞州立大學G.P.Patil教授

研讨會主題介紹：

時空熱點探測和多因素的優先級判定是地理信息監測的一個重要内容，也是21世紀新型智能城市的一個關鍵功能。熱點的含義，可理解為一個不尋常的時空現象、突發事件、異常的叢聚區或敏感區域。對此類熱點的探測可以用于對自然現象、偶發事件、敏感事務等的早期預警、及時響應、動态監測、成因分析和綜合管理。

本次報告面向多學科的交叉領域，主題是由多個實際案例所引出的一系列新穎的熱點探測與多因素優先級判定的方法與技術。案例内容包括了水資源、生态環境、公共衛生等一些具有重要意義的社會問題。這些地理監測方法和技術能為相關領域的科學家開展此類問題的計算、分析與研究提供一個極好的協同合作的機會。

第一講：地理空間和時空條件下的熱點探測

圓形空間掃描統計方法是許多教科書上都提到的一個流行的空間聚類識别方法。我們采用一個上限集合的概念對此方法進行了革新，并提出基于上限集合的掃描統計方法。新方法可有效的處理時空條件下的不規則形狀熱點探測，并用于對自然現象和社會問題進行早期預警、及時響應、動态監測、成因分析等複雜的分析和計算。而且，我們利用Hasse圖和偏序集合提出一個新穎的熱點事件相關因素優先級判定策略，可無需将這些相關因素都統一集成到某一序列中進行優先級的排序。

第二講：熱點事件相關因素的多指标排序和優先級判定策略

我們正處在一個信息大爆炸的時代，特定熱點事件的發生常常都由許多相關因素所導緻，對這些相關因素的識别和優先級判定是一個複雜的問題。為此，我們開發了一個基于偏序的多指标排序系統。偏序可以揭示某個因素在熱點事件中的影響程度，以及由概念格所引申的多因素相關性和内部原因的分析。而實際案例我們選擇了賓夕法尼亞州濕地監測等三個應用。

外籍主講人G. P. Patil介紹：

Patil博士是賓夕法尼亞州立大學統計系傑出教授(Distinguished Professor)，是該校統計生态學與環境統計中心創始人兼主任，還是國際雜志《Environmental and Ecological Statistics》創始人兼主編，并曾兼任哈佛大學公共衛生學院客座教授。他因為在環境和生态統計學領域的開創性研究工作，先後入選了美國統計學會(ASA)、數理統計學會(IMS)、美國科學促進會(AAAS)、國際統計學會(ISI)等著名協會會員。并長期擔任聯合國環境規劃署、美國農業部(USDA), 美國國立衛生研究院(NIH), 美國國家環保局(EPA)等機構顧問。目前主持NSF一項為期七年的大型跨學科項目，研究數字政府下的地理信息熱點探測，包括信息監測、危情分析、早期預警、可持續化的管理和發展。