排序方式: 共有11条查询结果,搜索用时 203 毫秒
1.
2.
将地貌综合的三维Douglas-Peucker方法引入到地形LOD中,通过构建Quad_TIN模型,提出了一种地形实时动态显示的新算法。该算法首先从全局重要性角度将不规则采样点分级;再利用孤立分割的方式建立四叉树空间索引,结合了规则格网的四叉树结构和不规则采样点的TIN结构在虚拟表达中的优势,并消除了节点间的依赖关系;然后,根据视距和模拟误差确定四叉树的绘制层次和插入采样点的顺序及数量;最后,通过添加拆分点消除节点间裂隙。实验表明,该算法在保证地形表达速度的同时提高了模拟精度,对其他模型的LOD表达也是一种借鉴。 相似文献
3.
4.
基于单位影响域的道路增量式综合方法 总被引:1,自引:0,他引:1
在地理信息数据库更新的要求下,提出了一种基于单位影响域的道路增量式综合方法,利用旧小比例尺上未发生变化数据,将道路的单位影响范围作为首要选取标准对新增数据进行取舍,减少了地图综合的工作量。采用四叉树分割方法对道路数据进行密度区域划分,不同密度区利用不同的单位影响域阈值进行取舍,保证综合后道路的密度分布与原数据保持一致,并用实验验证了该方法的有效性。 相似文献
5.
在推进新型城镇化和实施新时代国土空间规划的战略背景下,城市扩展研究逐渐成为热点问题。当前基于元胞自动机(CA)的城市扩展模拟对城市空间多尺度邻域效应解析不足,且在转换规则中对城市长时间演变过程的时间依赖性影响表达不够完善,简化了城市扩展的时空依赖性,无法真实模拟推演未来规划实施情景以服务于国土空间规划。针对上述问题,本文构建一种兼顾空间多尺度邻域效应(3DCNN)和时间依赖性(ConvLSTM)的城市扩展深度学习CA模型(下文称“Deep-CA”)。首先通过组合普通卷积和空洞卷积的3DCNN来提取城市空间多尺度邻域效应,再利用ConvLSTM神经网络将历史信息同化,考虑长时间序列的时间依赖性,从而得到城市扩展的适宜性概率。北京市1995—2015年的土地利用数据及其驱动因素数据用于验证所提CA模型的科学性与适用性,1995—2010年数据用于模型训练,模拟2015年的城市范围。同时将模拟结果精度与ANN-CA、LR-CA和ME-CA 3种传统方法进行对比。与传统CA模型相比,Deep-CA的北京市2015年模拟FoM指数提高了4%左右,且对于城市全局和局部形态模拟效果较好,斑块破碎度低... 相似文献
6.
地理信息服务的基础是数据,要求数据现势性强,信息可靠。随着经济、科技的发展,地理数据的获取方式越来越丰富,卫星遥感、GPS等等都已经成为获取数据的技术手段。基于此,本文根据生产中的实际需要,探讨了矢量道路的匹配方法,并将其分为同源和非同源数据进行分类研究,作为道路变化检测的基础。最后根据研究方法予以实验,验证其有效性。 相似文献
7.
8.
根据建立大比例尺多级土地利用数据库的需要,在进行面状道路数据综合时,对道路进行分类,保留需保持面状的道路面,将不符合要求的道路从网络状道路面中分离出来,并根据需要予以转线或删除,形成新的小比例尺的线面混合道路数据。同时,将删除的道路面分割并归并进相邻图斑,以保证土地数据面状连续的特点。 相似文献
9.
10.