M-Quadtree索引:一种基于改进四叉树编码方法的云存储环境下空间索引方法

为了解决基于"键-值"模型的云存储环境仅支持简单的关键字查询,不支持多维空间查询的问题,提出了一种新的分布式空间索引方法——M-Quadtree索引。在索引构建过程中,设计了一种基于改进四叉树的空间数据划分方法,该方法规定了叶节点区域的最小数据量,通过四叉树叶节点的再合并,解决了划分后各子区域间存储量不平衡的问题,并且满足了MapReduce并行化要求。给出了MapReduce框架下M-Quadtree索引的快速构建、查询与更新算法,并在搭建的Hadoop平台进行了关键参数对索引效率的影响以及不同规模数据下索引的创建、查询和更新试验。与现有分布式空间索引的对比试验及分析结果表明,M-Quadtree索引在数据存储量负载均衡、算法并行化和空间查询效率等方面表现得更好。     

关于地理实体编码设计和应用的研究

本文以考虑地理实体编码在地理空间数据更新中的应用为出发点,对地理实体编码的设计进行了初步研究。通过分析和试验建立了一套统一的编码规则,使之能适应于数据生产中要素的自动编码,并为实现要素快速定位、变化要素自动级联更新等应用创造有利的技术支持。     

基于岩体塑性位错理论的龙门山区域构造系统演化过程

青藏高原对四川盆地的挤压作用导致了龙门山断裂带的形成及其山脉的隆起。本文以龙门山附近区域板块运动以及深部岩体力学特性为背景,采用FLAC3D软件模拟再现了时间跨度为700万年的龙门山区域构造系统演化过程。研究结果表明：在板块运动作用下,F1、F2和F3断层依次形成,贯通的断层对地表的抬升具有较强的控制作用,当断层贯通于地表后,龙门山及其以西的川西高原持续隆起,平均抬升速率约为138mm/yr,而龙门山断裂带以东的川西坳陷只有较小的抬升量,从而导致川西高原抬升8996 m, 致使该区域产生6000m左右的落差,模拟的地形特征与目前的龙门山地形地貌基本相似。依据模拟结果与实测资料,绘制了龙门山断裂带形成及其附近区域地形地貌的演化过程图,呈现了板块挤压、断层塑性位错、地表侵蚀和沉积作用等因素共同作用对地形地貌的塑造过程。     

人民城市理念下国土空间规划公众参与数字化探索——以浙江省为例

<正>党的十九大报告明确指出,中国社会经济已由高速增长阶段转向高质量发展阶段,社会主要矛盾也转变为人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾。新时代背景下,国土空间规划不应仅仅关注物质空间环境的问题,还需注重“以人为本”的价值导向。2019年11月,习近平总书记在考察上海时提出“人民城市人民建,人民城市为人民”的重要理念,强调人民群众在城市规划、建设和治理等方面的重要性,     

浅谈电子版1：50000成图系统

本文讨论了基于Geographics MicroStation工作环境下的1：10000数字线划图到1：50000数字线划图缩编成图系统的技术路线、技术方案，以及实现方式。     

浙江省基础地理空间要素数据库增量更新技术研究与生产应用

随着社会经济对地理信息服务需求的不断高涨,如何提升基础地理空间要素数据库更新效率,已成为发展新型基础测绘中一个非常关键的问题。利用增量更新技术对基础地理空间要素数据库进行更新,是有效减少更新工作量、加快更新生产周期的主要解决方法之一。本文所介绍的基于要素唯一编码的增量更新技术方法,已应用于浙江省省级基础测绘的更新生产中,形成了贯穿数据更新生产和数据库更新的整套增量更新工艺流程。该方法在不增加数据更新生产工作量的同时,既保留了增量信息,也有效地提高了数据库更新的效率,减少了数据库的冗余,更好地适应了基础地理信息数据快速更新的生产需求和数据现势性的需求。     

面向要素对象的DGN到DWG格式的大比例尺地形图数据转换

针对大比例尺地形图提出了在MicrostationV8平台上实现面向要素对象的DGN到DWG格式的数据转换方法，阐述和介绍了该方法在生产中的应用和工作体会。     

面向自然资源与地理空间基础信息库的综合信息产品在线定制模式——以浙江省为例

自然资源与地理空间基础信息库是电子政务建设的四大重要基础信息资源库之一,综合信息产品库是其中的重要建设内容。本文在分析了综合信息产品库现存问题以及用户需求的基础上,进行了"以用户为中心"的综合信息产品在线定制模式的设计。针对用户综合信息产品浏览、综合信息产品个性化定制和自主制作信息产品3个层次的需求,本文相应地提出了"我要看图""我要改图"和"我要作图"3个板块,并围绕这3个板块设计了一种层次递进的在线定制模式。最后以浙江省综合信息产品库为例,基于该模式进行了综合信息产品在线定制系统的构建,验证了其可行性。     

基于多尺度对比学习的弱监督遥感场景分类

遥感场景分类作为一种理解遥感影像的重要方式,在目标检测、影像快速检索等方向有着重要的应用,当前主流的场景分类方法多关注影像深层次特征的准确提取,忽略了场景目标在不同分布尺度下的差异性。此外,有限的高质量场景标签进一步限制了模型分类性能。为了解决以上问题,本研究提出了基于多尺度对比学习的弱监督遥感场景分类方法,首先利用多尺度对比学习的自监督策略,从大量无标注数据中自动获取影像不同尺度下的特征表示。其次,基于多尺度稳健特征对分类模型利用少量标签进行微调,并结合标签传播方法生成高质量样本标签。最后,结合大量无标签数据构建弱监督分类模型,进一步提升场景分类的能力。本研究在遥感场景AID数据集和NWPU-RESISC45数据集上分别使用1%、5%和10%的标注样本下分类精度分别达到了87.7%、93.67%、95.56%和86.02%、93.15%和95.38%,在有限标注样本条件下与其他基准模型相比有着明显的优势,证明了本文模型的有效性。