共查询到20条相似文献,搜索用时 969 毫秒
1.
2.
本文介绍了慈溪市土地利用现状更新调查工作的技术流程和数据更新流程,并与以往的年度变更调查结果进行了比较分析。 相似文献
3.
本文从机助导线测量系统软硬件构成、导线测量的基本流程及各流程的软件实现等方面详细阐述了系统的设计原理和技术方法,并结合导线测量的作业特点,介绍了系统的野外工作模式和室内处理方式。 相似文献
4.
曾衍伟 《测绘与空间地理信息》2003,26(1):4-8
提出了空间数据质量模型,分析了质量检验与评价工作流程,论述了“空间数据质量控制与评价系统”的总体设计思想、程序实现流程、软件总体结构及功能,并简要介绍系统的关键技术。 相似文献
5.
光学遥感影像的自动匀光处理及应用 总被引:16,自引:0,他引:16
针对光学遥感获取的影像存在一幅影像内部以及区域范围内多幅影像之间的色彩不平衡现象,提出了自动匀光处理方法和处理流程,通过影像匀光软件GeoDodging 4.0对原理和流程进行了实现,并结合实际工程应用取得了良好的效果。 相似文献
6.
7.
8.
基于土地定级估价信息的市场比较法研究 总被引:3,自引:0,他引:3
探讨了在土地定级估价信息系统中,如何将市场比较法与基准地价体系有机地结合,充分利用土地定级和基准地价评估的成果进行宗地评估的技术和方法。通过模板建立并设计了相应的数据结构,解决了数据库结构的不确定性问题,采用聚类分析等数学方法实现了案例提取、匹配以及地价计算相应流程的算法。基于土地定级估价信息的市场比较法克服了传统市场比较法实现存在的问题,对实现宗地地价评估流程的自动化、保证评估结果的客观性具有重大意义。 相似文献
9.
10.
11.
12.
山水林田湖草生态保护修复是保障国家生态安全的重要举措,科学合理的生态保护修复项目监测和绩效评价方法,有助于保障生态保护修复工程的顺利实施和生态保护修复成果的可持续发展。本研究采用文献综述和案例分析相结合的方法,论述了遥感技术在山水林田湖草生态保护修复项目监测和绩效评价中的具体应用。从关注区域生态系统格局和质量两方面出发,选择遥感数据获取的土地覆盖类型、植被长势、水质参数作为评价指标,整体实现了山水林田湖草各生态要素的监测;从维护和提升区域生态系统服务出发,选择水源涵养、水土保持、生态系统承载力等指标,论述了遥感数据在辅助山水林田湖草生态保护修复项目绩效评价中的作用。最后指出积极探索新的遥感数据挖掘方法,并结合遥感技术与传统的调查方法,有望形成更客观、更快速且具备可执行性的山水林田湖草生态保护修复项目监测及绩效评价体系。 相似文献
13.
为加快构建源头治理,把城市内的人、地、事、物、组织等社会治理内容全部纳入网格,实现资源整合进网格、责任落实到网格、问题解决于网格,推动社会治理力量下沉,本文结合北京市怀柔区网格化社会治理的模式,提出融合基础数据、办理事项、办理流程、网格划分、热线电话、网格队伍、考评机制、指挥体系、信息系统的方案,以"多网合一、多元联动"为主要特点,有效地解决了网格化城市治理的诸多问题. 相似文献
14.
基于移动终端的遥感监测数据采集系统设计与实现 总被引:1,自引:0,他引:1
根据国土资源部全天候遥感监测试点工作需要,利用智能移动终端便携、高性能、移动定位的特性,设计开发了基于i OS移动终端的遥感监测数据采集系统。该系统能够直接进行外业数据采集,去除传统数据核查中制作工作底图、打印工作底图、手工记录属性数据等环节,在外业核查现场将图形或属性数据信息录入智能移动终端,随时可以将采集的数据上传,实现了在移动终端上"电子地图、数据采集、数据上传"的一体化作业模式,充分体现了"智能化、移动化、云端化、个性化"的设计理念,极大地提高了全天候遥感监测数据核查工作的工作效率,减少了工作量。 相似文献
15.
16.
云南省沿边境地带生态环境监测与管理信息系统的设计和建设 总被引:5,自引:2,他引:3
文章首先介绍了系统的的总体结构和功能,包括业务流程需求、总体功能结构和系统软件结构等内容,提出了日常信息管理、定期规模化遥感监测、应对突发事件的应急反应等三种工作模式,以及适用于职能部门、公众用户和移动用户的C/S版、B/S版和混合单机版三种软件体系模式。文章阐述了本系统研究开发过程中对于若干关键技术问题的解决,包括多源多类数据的集成和融合、基于遥感图像的生态环境现状及其变化信息的监测和提炼、生态环境信息的尺度转换、生态环境评价模型、生态环境动态仿真和虚拟表达等。 相似文献
17.
基于Mobile Agent技术的空间信息移动服务 总被引:10,自引:1,他引:9
首先详细地分析空间信息移动服务的研究现状、技术路线和局限等问题,在此基础上概括空间信息移动服务的涵义与特征,然后提出一种基于Mobile Agent技术的空间信息移动服务模型.该模型集成移动代理(Mobile Agent)、WAP、XML、SVG、SOAP和J2EE/J2ME等技术,可以实现空间信息的移动计算、空间数据与服务功能的完全分离等,并且该模型还具备易构建性、自主性、移动性、协作性、安全性、智能性、并行计算和同异步处理等特性和良好的可扩展特征.针对此模型框架给出应用案例的算法描述及其结果,最后总结基于此模型的空间信息移动服务的一些优点,同时也指出向普适计算模式的空间信息服务发展的必然趋势. 相似文献
18.
测绘仪器检核管理系统的设计与实现 总被引:1,自引:0,他引:1
本文立足实践,从设计思想、系统框图、主要功能、技术特点、系统评价五个方面,尤其是主要功能(管理模块、校准模块、检定模块、查询模块、打印模块、帮助模块)方面介绍了计算机在测绘仪器校准、检定和管理中的应用。 相似文献
19.
以森林火灾为示范,以火灾地区的多元地理信息数据为基础,结合火灾专题数据,采用适用性强的火灾蔓延模型,研发森林火灾的三维仿真模拟可视化示范系统,实现对火灾发生,发展,蔓延情况的实时模拟。利用三维GIS技术对承灾体受灾情况进行逼真表达并输出模拟灾情产品,为相关部门的灾害预警、监测、救援、分析、统计和应急预案制定提供支持。 相似文献
20.
Imagery from recently launched high spatial resolution satellite sensors offers new opportunities for crop assessment and monitoring. A 2.8-m multispectral QuickBird image covering an intensively cropped area in south Texas was evaluated for crop identification and area estimation. Three reduced-resolution images with pixel sizes of 11.2 m, 19.6 m, and 30.8 m were also generated from the original image to simulate coarser resolution imagery from other satellite systems. Supervised classification techniques were used to classify the original image and the three aggregated images into five crop classes (grain sorghum, cotton, citrus, sugarcane, and melons) and five non-crop cover types (mixed herbaceous species, mixed brush, water bodies, wet areas, and dry soil/roads). The five non-crop classes in the 10-category classification maps were then merged as one class. The classification maps were filtered to remove the small inclusions of other classes within the dominant class. For accuracy assessment of the classification maps, crop fields were ground verified and field boundaries were digitized from the original image to determine reference field areas for the five crops. Overall accuracy for the unfiltered 2.8-m, 11.2-m, 19.6-m, and 30.8-m classification maps were 71.4, 76.9, 77.1, and 78.0%, respectively, while overall accuracy for the respective filtered classification maps were 83.6, 82.3, 79.8, and 78.5%. Although increase in pixel size improved overall accuracy for the unfiltered classification maps, the filtered 2.8-m classification map provided the best overall accuracy. Percentage area estimates based on the filtered 2.8-m classification map (34.3, 16.4, 2.3, 2.2, 8.0, and 36.8% for grain sorghum, cotton, citrus, sugarcane, melons, and non-crop, respectively) agreed well with estimates from the digitized polygon map (35.0, 17.9, 2.4, 2.1, 8.0, and 34.6% for the respective categories). These results indicate that QuickBird imagery can be a useful data source for identifying crop types and estimating crop areas. 相似文献