军用矢量数字地图新旧入库格式数据转换的解决方法

本文就军用矢量数字地图新旧入库格式数据转换中的几个主要问题提出自己的见解，分析了新旧入库格式在编码、数据格式、层与层之间的对应关系的异同之处，并给出了解决新旧入库格式数据转换中拓扑关系处理的方法。     

基于HBase的空间矢量数据存储模型设计与优化

数据存储模型是数据库模型的重要组成部分。本文针对目前关系型空间数据库发展过程中遇到的瓶颈问题以及采用HBase管理空间矢量数据存在的问题,在分析关系型空间数据库存储模型的基础上,将关系型数据库存储模式向HBase存储模式转换规则应用到空间矢量数据管理领域,提出了空间矢量数据关系存储模式向HBase存储模式转换方法,设计了一种空间矢量数据HBase存储模型。利用HBase的实体嵌套、反范式化、无模式等特性,对模型进行了优化完善。通过试验验证了在没有辅助索引情况下,本文设计的存储模型查询效率优于目前常用的基于HBase的空间矢量数据存储模型。     

矢量数据动态存贮方法的研究

本文通过对三种矢量数据动态存贮方法的分析比较，并通过实践，找到一种安全可靠并且比较实用的数据动态存贮方式。     

基于水域和高程数据的DEM生成

本文论述了一种基于水域与高程数据的DEM生成方法，介绍了基于含有隐式拓扑关系军用标准格式的水系要素生成封闭水域面的方法，说明了格网的生成方法和DEM生成时水系要素的利用方法。应用该方法能较好的描述地形的水系特征，并已应用到数字高程图的生产中。     

基于人工判读高程原理的DEM自动生成方法

检查DEM精度最可靠的方法是人工判读高程法．理论上，如果人工判读高程法直接用于从等高线自动生成DEM，则生成的DEM是检查不出误差的．本文分析了人工判读高程的原理，论述了将其直接用于生成DEM的方法和过程，经试验，该方法生成DEM速度快、精度高。     

面向地图综合的VGI道路网重要度层次分解选取方法研究

自发地理信息数据具有现势性好、覆盖范围广、信息丰富、获取方便等特点,可作为全球范围内地理信息数据生产与更新的良好数据资料。但是由于数据的无尺度特性,导致自发地理信息道路数据细节过于繁杂,难以直接应用于生产。现有道路网自动选取算法在计算道路重要度时,对所有待选取道路的重要性进行排序,并依据重要性从大到小依次选取。这种方法忽略了选取过程中,道路网结构变化对道路重要性的影响。为此,本文提出了一种基于重要度层次分解的道路网自动选取算法,该方法针对自发地理信息道路网细节繁杂的特点,根据地图数据制图综合时逐级缩编的思路,采用基于层次分解的选取策略进行道路网选取：首先计算所有节点的重要度,然后剔除重要度最小的一些道路节点,并重新计算新的所有节点的重要度,重复上述步骤,直至所有道路节点排序完毕,从而可获得所有道路的重要性排序并完成道路网选取。利用开放街道地图道路网数据进行实验,实验结果表明本文算法选取结果优于网络中心性方法。     

境外地名翻译软件的研制

从境外地名翻译的规则和研究现状出发,探讨地名译写规则库的建立以及地名数据库的设计和建立,并通过原型系统的开发,验证境外地名翻译软件实现的可行性.     

北斗全球导航卫星的运动学解算方法研究

在GNSS中,获取各个可见卫星的位置和速度是卫星导航接收机实现定位、测速和定时的必要条件。介绍北斗全球导航卫星的星历数据参数,依据卫星星历参数,给出了卫星空间位置、运行速度和加速度的数学表达式;研究基于轨道插值的卫星状态估计方法,利用分段三次埃尔米特插值计算卫星位置与速度;采用Matlab软件编制星历参数法与插值法的解算软件,并通过实验仿真验证了两种方法的可行性。结果表明,插值法得到的卫星位置误差可满足导航定位需求,在处理数据量大的情况下,插值法提高了计算效率。     

基于地貌结构选取指标的DEM产品分辨率研究

DEM产品分辨率是其质量和精度的重要表现。目前,关于DEM的分辨率研究,主要以实验方法或公式法进行分析比较确定区域DEM的最佳分辨率;这些研究对于具体应用具有一定的指导意义,但是对于DEM产品的分辨率确定往往引起了混淆。本文从地貌选取指标出发,对DEM产品分辨率进行分析研究,对其适用性的指导也有一定帮助。     

Aster DEM数据与1∶50000地面高程库数据的精度比较分析

ASTER DEM是利用高分辨率卫星成像设备ASTER获取的立体影像生成的DEM,其全球覆盖范围较广、数据获取快、质量稳定。但其数据精度和质量在我国区域内存在较多不确定性,本文选取具有高山峡谷等典型地貌特征的秦岭山区的ASTER DEM数据,以相应1∶50 000地面高程库数据作参照,从总体统计、检查点法以及剖面法几个方面对其精度进行了实验与分析。结果表明,与地面1∶50 000地面高程库相比,ASTER DEM误差值所对应的点数数据分布呈正态分布,RMSE为30.109 358 028 165 158 m;且其在山峰上的高程值会有所降低,在山谷中的高程值会有所增加。