地理信息热点监测与预警技术及其在资源环境领域的应用
时 间：2012年5月24日上午8：30-12：00
时空热点探测和多因素的优先级判定是地理信息监测的一个重要内容，也是21世纪新型智能城市的一个关键功能。热点的含义，可理解为一个不寻常的时空现象、突发事件、异常的丛聚区或敏感区域。对此类热点的探测可以用于对自然现象、偶发事件、敏感事务等的早期预警、及时响应、动态监测、成因分析和综合管理。
本次报告面向多学科的交叉领域，主题是由多个实际案例所引出的一系列新颖的热点探测与多因素优先级判定的方法与技术。案例内容包括了水资源、生态环境、公共卫生等一些具有重要意义的社会问题。这些地理监测方法和技术能为相关领域的科学家开展此类问题的计算、分析与研究提供一个极好的协同合作的机会。
圆形空间扫描统计方法是许多教科书上都提到的一个流行的空间聚类识别方法。我们采用一个上限集合的概念对此方法进行了革新，并提出基于上限集合的扫描统计方法。新方法可有效的处理时空条件下的不规则形状热点探测，并用于对自然现象和社会问题进行早期预警、及时响应、动态监测、成因分析等复杂的分析和计算。而且，我们利用Hasse图和偏序集合提出一个新颖的热点事件相关因素优先级判定策略，可无需将这些相关因素都统一集成到某一序列中进行优先级的排序。
第二讲：热点事件相关因素的多指标排序和优先级判定策略
我们正处在一个信息大爆炸的时代，特定热点事件的发生常常都由许多相关因素所导致，对这些相关因素的识别和优先级判定是一个复杂的问题。为此，我们开发了一个基于偏序的多指标排序系统。偏序可以揭示某个因素在热点事件中的影响程度，以及由概念格所引申的多因素相关性和内部原因的分析。而实际案例我们选择了宾夕法尼亚州湿地监测等三个应用。
Patil博士是宾夕法尼亚州立大学统计系杰出教授(Distinguished Professor)，是该校统计生态学与环境统计中心创始人兼主任，还是国际杂志《Environmental and Ecological Statistics》创始人兼主编，并曾兼任哈佛大学公共卫生学院客座教授。他因为在环境和生态统计学领域的开创性研究工作，先后入选了美国统计学会(ASA)、数理统计学会(IMS)、美国科学促进会(AAAS)、国际统计学会(ISI)等著名协会会员。并长期担任联合国环境规划署、美国农业部(USDA), 美国国立卫生研究院(NIH), 美国国家环保局(EPA)等机构顾问。目前主持NSF一项为期七年的大型跨学科项目，研究数字政府下的地理信息热点探测，包括信息监测、危情分析、早期预警、可持续化的管理和发展。
| 