非线性模型空间测量数据处理理论及其应用

随着测绘科学技术的发展 ,线性模型空间测量平差与数据处理已成为制约测量数据处理精度进一步提高的瓶颈。二十多年来 ,非线性平差、变点分析、神经网络方法、非线性回归分析等方面的研究取得了很大进展 ,但仍有许多问题需要进一步研究。围绕非线性模型空间测量平差与变形数据分析的有关问题 ,用综合的、联系的、系统的方法进行研究 ,得出了一些阶段性或层次性结论 ,无疑对于现有非线性测量数据处理的发展可以起到积极的促进作用。对误差和精度的定义与分类进行研究 ,其特点是把粗差归入随机误差类 ,同时提出以广义精度作为参数质量的评价标…     

面向对象和规则的高分辨率影像分类研究

随着航天遥感技术的发展,遥感数据的空间分辨率、光谱分辨率和时间分辨率极大提高,高效解译并处理海量的、具有空间几何信息和纹理信息的地物高分辨率遥感影像数据已成为遥感领域研究的重点与难点。对此,本文提出一种面向对象和规则的遥感影像数据的分类提取方法,即通过发现和挖掘高分辨率影像丰富的光谱和空间特征知识,建立影像对象多层次网络分割分类结构,实现对遥感影像准确快速的地物分类和精度评价。以藏南地区WorldView-2影像数据为试验研究对象,采用面向对象和规则的影像分类方法进行验证试验,即综合采用均值方差法、最大面积法、精度比较法进行分析,选择3种最佳分割尺度建立多层次影像对象网络层次结构进行影像分类试验。结果表明,采用面向对象规则分类方法对高分辨率影像进行分类,能使高分辨率影像分类结果近似于目视判读的结果,分类精度更高。面向对象规则分类法的综合精度和Kappa系数分别为97.38%、0.967 3;与面向对象SVM法相比,分别高出6.23%、0.078;与面向对象KNN法相比,分别高出7.96%、0.099 6。建筑物的提取精度、用户精度分别比面向对象SVM法高出18.39%、3.98%,比面向对象KNN法高出21.27%、14.97%。     

基于HBase的矢量空间数据存储与查询方法及其应用

研究了HBase存储机制,针对现有存储查询方法效率低等缺陷,设计了HBase矢量空间数据存储表模式,如行键、过滤列族、几何列族及非几何列族等,以MapReduce算法为基础改进了原有的区域查询方法,上述改进有效提高了HBase中矢量空间数据查询效率。以某地近100 a地质灾害数据进行实验,结果表明：设计的存储模型可行,查询算法与传统查询算法相比效率更高;由于MapReduce运行过程中的通信等原因,当数据量小于5万级时,算法优势并不明显;当数据量大于10万级时,算法查询时间低于原来的1/2,而数据量达到100万级时,算法查询时间仅为算法改进前查询时间的1/20。数据量越大,并行化处理优势越明显。     

MongoDB的遥感影像分布式存储策略研究

通过碎片式划分算法对影像进行分级分块处理,提出基于MongoDB的非关系型数据库遥感影像数据存储策略,使其在高并发访问的前提下,读写速度没有明显下降。通过试验对比其与基于SQL Server数据库的遥感影像存储方法的存储效率和多并发访问效率,结果表明,MongoDB在遥感影像的存储与多并发访问上效率明显高于后者。     

基于非线性误差模型的参数估计

测量平差与数据处理所涉及到的误差模型大多为非线性模型。对非线性模型作线性化处理必然导致信息的损失和牲的改变。因此,在非线性模型空间内进行测量平差与数据处理是学科发展的必然趋势。在对非线性函数误差模型与非线性随机误差模型作出假定的基础上,本文着重讨论了关系型函数模型与相关型函数模型中参数的估计准则与解算方法。     

一种修改建筑物底部DEM和DLG的实用方法

三维快速建模在实现三维数字城市建设进程中起着举足轻重的作用。针对JX-4G数字摄影测量系统测得的数字高程模型（DEM）和数字线划图（DLG）,提出一种改进的方法,主要对建筑物底部的DEM和道路DEM处存在的不匹配问题进行修改,并对DLG数据中建筑物高度信息的缺失进行改进。改进后的DEM和数字正射影像图（DOM）能生成更高精度的数字表面模型（DSM）,为高效率、高精度地建立三维数字城市模型奠定基础。     

地质大数据分析与应用模式研究

大数据时代下地质数据的获取方式多种多样,数据量十分庞大,数据格式复杂多样。从地质大数据的存储管理、数据挖掘技术、可视化技术等方面阐述了其分析应用的关键点。介绍了大数据不同于传统数据的分析思维,强调注重数据本身的重要性。大数据的分析与应用方法处在不断创新中,同时也面临巨大挑战,如何保证地质大数据的质量、如何高效地搭建云平台等都是需要解决的难题。指出了地质大数据的开发对矿产资源预测、城镇选址等具有十分重要的意义。