基于MapGIS与Oracle的地质数据库建立

与普通的数据相比,地质数据有着多源、多量、多类、多元、多维、多主题等特点。由于地质数据自身的特点,如何有效地存储管理海量地质成果资料和相关信息要素,已经成为当前的热门研究课题。以矿产资源潜力评价数据为例,在Oracle 10G、MapGIS K9平台基础上完成全国矿产资源潜力评价数据的数据库建设工作。在原有软件的基础上,对海量地质数据进行统一管理,为地质数据的应用提供基础保障,从而提高地质数据的信息化服务能力。     

面向地图综合的矢量曲线弯曲识别研究

对矢量曲线的弯曲识别进行研究,从数学的角度解析了几种弯曲识别方法的原理,在Visual Studio 2008和ArcEngine 9.3基础上编程实现各算法并通过实验对比分析各种识别算法的优缺点。在制图综合中,可根据不同需要及各算法的利弊择优选取不同的识别方法对矢量曲线进行弯曲识别后再化简,既有利于线要素整体形状的自然保持,也可使化简综合的结果更为合理。     

一种改进的基于法矢方向调整的平面点云分割方法

智慧城市的蓬勃发展和快速推广,使得三维建模成为当前热点研究方向。平面点云分割是三维点云建模中数据处理的关键环节。该文提出一种三角面片法向量方向调整方法,通过后续对邻近法向量进行加权平均估算实现平面点云的分割。首先采用八叉树的空间划分方法将无序的点云建立索引,利用K紧邻搜索获取参考点的K个邻近点,然后将该局部点构建不规则三角网并且得到包含参考点的所有三角面片以及三角面片的法向量,并通过将三维点投影到二维平面,利用平面三角形两边向量叉乘的方法,判断并调整各三角面片的顶点排列顺序,使三角面片的法向量一致化,最后对包含参考点的所有三角面片的法向量加权平均,估算参考点的法向量,根据点云法矢一致、共面的原则将平面点云分割出来。以徕卡Scanstation 2型扫描仪获取点云数据,对该方法进行检验,结果显示其能较好地实现对点云法矢量方向的调整与估算,并对平面点云数据进行分割提取。     

三维城市模型数据划分及分布式存储方法

随着信息获取技术的快速发展,地理信息数据每天以TB级的数量增加。三维城市模型数据作为三维GIS的重要内容,在数字城市和智慧城市建设过程中发挥重要作用。由于三维城市模型数据结构复杂,其数据量具有海量性,因此,高效地对三维城市模型进行划分及存储,以满足数据的长效管理及三维GIS系统的快速可视化数据调度和空间辅助决策需求,成为近年的研究热点。以往的数据划分方法导致划分区域在数据调度中变化频繁,使数据更新和管理变得困难,需寻找一种更为稳定且具有普适性的数据划分方法。本文分析了现有三维城市模型数据划分方法的不足,提出了基于拓扑关系模型的大比例尺图幅划分方法,并对划分后三维模型数据进行统一命名编码;借助非关系数据库MongoDB强大的海量数据组织及高效的多并发访问功能,构建了MongoDB分片集群服务器;对三维城市模型数据进行了单元划分,并采用规则建模软件City Engine进行建模,得到三维城市模型,借助非关系数据库软件MongoDB进行数据存储实验。结果表明,基于拓扑关系模型的大比例尺图幅划分方法适用于三维城市模型数据划分,划分后数据的存储效率明显提高,MongoDB数据库的多并发访问效率具有良好的稳定性。     

渐进式改进的线要素简化算法探讨

针对经典的线要素全局化简综合算法D-P算法因缺乏拓扑控制而易产生自相交问题,且阈值选取不确定、严重影响简化结果的不足,文章在分析D-P算法优缺点的基础之上,提出了渐进式改进方法,并对改进算法进行了实验验证。结果表明:改进后的D-P算法优化了线状要素的化简综合结果,且提高了简化计算效率。     

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。