基于3S的湿地监测与空间决策支持系统研究 ——以扎龙国家级湿地保护区为例

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (4): 204-207.

基于3S的湿地监测与空间决策支持系统研究
——以扎龙国家级湿地保护区为例

王志强^1,2,张树清²,张柏²,胡茂桂²

1.南理工大学测绘学院，河南焦作 454000
2.中国科学院东北地理与农业生态研究所，长春 130012

收稿日期:2007-06-18 修回日期:2007-08-12 出版日期:2008-02-01 发布日期:2008-02-01
通讯作者: 王志强

Monitoring and spatial decision-making supporting system of Zhalong wetland based on“3S” technologies

WANG Zhi-qiang^1,2,ZHANG Shu-qing²,ZHANG Bai²,HU Mao-gui2

1.Henan Polytechnic University，Jiaozuo，Henan 454000，China
2.Northeast Institute of Geography and Agricultural Ecology，Chinese Academy of Sciences，Changchun 130012，China

Received:2007-06-18 Revised:2007-08-12 Online:2008-02-01 Published:2008-02-01
Contact: WANG Zhi-qiang

摘要/Abstract

摘要： 湿地具有重要的保护价值，传统的湿地管理和决策方法面临挑战。要提高湿地的保护和管理水平，不仅需要先进的管理模式，更需要先进的技术手段。建立高效实用的扎龙湿地监测与决策支持系统，将湿地管理和决策过程实时化和科学化，以加强对湿地的监控和管理，成为亟待解决的问题。以扎龙湿地为研究对象，以RS、GIS、GPS和Web技术为技术支撑，开展湿地监测与决策支持系统研究与开发，为扎龙湿地的保护提供及时、有效的辅助决策支持，并为其它湿地的管理提供借鉴。

关键词: RS, GIS, 空间决策支持系统, C/B/S结构, 扎龙湿地

Abstract: The importance of wetlands is widely accepted in the world，while many currently-used decision-making methods are outdated.It is an urgent assignment that develops a spatial decision-making supporting system to improve the governance of wetland.Zhalong wetland being selected as a case study，RS，GIS and Web technologies as supporting tools，a study of a spatial decision-making supporting system is carried out in the paper，and hereafter such a system is developed and realized.The realization of the spatial decision-making supporting system provides suggestions for decision-making in protection of wetland，and also gives references for other wetland protection.

Key words: RS, GIS, spatial decision-making supporting system, C/B/S structure, Zhalong wetland

王志强^1,2,张树清²,张柏²,胡茂桂². 基于3S的湿地监测与空间决策支持系统研究
——以扎龙国家级湿地保护区为例
[J]. 计算机工程与应用, 2008, 44(4): 204-207.

WANG Zhi-qiang^1,2,ZHANG Shu-qing²,ZHANG Bai²,HU Mao-gui2. Monitoring and spatial decision-making supporting system of Zhalong wetland based on“3S” technologies[J]. Computer Engineering and Applications, 2008, 44(4): 204-207.

[1]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[2]	李子杏，兰珍，唐邓清，闫超，相晓嘉，周晗. 基于ERP信号的目标检测研究综述[J]. 计算机工程与应用, 2021, 57(23): 37-49.
[3]	闫政旭，秦超，宋刚. 基于Pearson特征选择的随机森林模型股票价格预测[J]. 计算机工程与应用, 2021, 57(15): 286-296.
[4]	蒋文杰，罗晓曙，戴沁璇. 基于对抗网络人脸超分辨率重建算法研究[J]. 计算机工程与应用, 2021, 57(11): 219-223.
[5]	徐乐，韦玉科. 基于三点定位与加权坐标的三角定位算法[J]. 计算机工程与应用, 2020, 56(9): 111-116.
[6]	安葳鹏，程小博，刘雨. Fleiss’ Kappa系数在贝叶斯决策树算法中的应用[J]. 计算机工程与应用, 2020, 56(7): 137-140.
[7]	魏芬娟，陈崇成，叶晓燕，陈功. 森林资源调查与督查的移动GIS研发及应用[J]. 计算机工程与应用, 2020, 56(6): 231-238.
[8]	应毅，任凯，刘亚军. 基于GIS技术和加权kNN算法的实时揽件调度方法[J]. 计算机工程与应用, 2020, 56(21): 248-252.
[9]	李丽荣，李木子，李崔灿，王培崇. 具有动态自适应学习机制的教与学优化算法[J]. 计算机工程与应用, 2020, 56(19): 62-67.
[10]	袁炜，于瀛，唐聃. RS柯西码编码算法改进研究[J]. 计算机工程与应用, 2020, 56(11): 83-89.
[11]	何伟健，陆江城，朱耀磷，李学聪. RFID旋转天线中的椭圆模型室内定位算法[J]. 计算机工程与应用, 2019, 55(9): 87-93.
[12]	周学德1，2，张艳1，2. 事件驱动Markov型网络系统的输出反馈H∞控制[J]. 计算机工程与应用, 2019, 55(6): 231-236.
[13]	刘鸿，陈晓红，张恩豪. 融入Universum学习的度量学习算法[J]. 计算机工程与应用, 2019, 55(13): 158-164.
[14]	杨超杰，裴以建，刘朋. 改进粒子群算法的三维空间路径规划研究[J]. 计算机工程与应用, 2019, 55(11): 117-122.
[15]	赖永凯1，陈向宇2，刘海2. 基于贝叶斯Logistic回归的软件缺陷预测研究[J]. 计算机工程与应用, 2019, 55(11): 204-208.