地理信息科学专业Python程序课程设计与开课效果分析

在大数据、人工智能时代背景下,以社会需求为导向,兰州交通大学适时地面向地理信息科学专业,在大二年级开设了Python程序设计课程,提升了学生专业学习兴趣,对培养学生实践动手和解决实际问题的能力起到了非常重要的作用.Python程序设计课程的开设,使更多的学生喜欢上编程,加深了学生对地理信息原理、地理空间数据组织与管理、地理空间分析等方面的理解与应用,毕业生的能力水平更能满足社会用人需求,也帮助将来考研究生的同学奠定了科研编程的基础.     

基于ArcGIS模型构建器及Python对沈阳市造林核查质检程序的应用

通过对ArcGIS中模型构建器(ModelBuilder)的应用及扩展,结合字段计算器中Python代码块输入自定义的表达式,对沈阳市造林数据库进行数据分析及质量检查,对其图形拓扑、字段合法性、属性逻辑性等项目进行判断,并将错误信息反馈至独立字段中。该质检程序将模型构建器和Python语言的功能合并,利用可视化模块式编程思路及必要的核心代码,即可完成复杂的生产工作。     

基因表达式编程的多目标空间选址优化

提出了基因表达式编程算法(GEP)的Pareto多目标空间选址模型,成功求解了Bohachevsky函数及Shubert多峰函数模拟空间分布的选址问题。将此方法应用于广州市公共设施的空间优化选址,取得了较好的结果。     

一种考虑云层影响的遥感影像波段配准方案

对高光谱遥感影像中运动云层对波段配准的影响进行了分析,结合灰度拉伸和形态学空间运算提出了一种新的在影像有云条件下高光谱影像多波段配准算法。结合算法设计了较为稳定的多波段配准方案;利用Python编程开发实现了原型系统,并将原型系统在珠海一号高光谱卫星数据上进行了实验。结果表明,系统具有良好的效果。     

SuperMap GIS地理加权回归模型研究与实现

地理加权回归分析是对普通线性回归模型的扩展,将空间数据的地理位置嵌入线性回归参数之中,以此来研究空间关系的空间异质性或空间非平稳性,属于局部空间分析模型.通过地理加权回归分析可以确定两种或两种以上变量间相互依赖的定量关系,局部区域的参数估计可以得到地理空间存在的不同空间关系,核函数的选取规则和带宽参数的验证方法也是本文研究的内容.     

基于高斯过程回归的变形智能预测模型及应用

岩体或建构筑物的变形通常具有复杂性和非线性等特性,一般的回归模型难以精确地进行回归预测,应用高斯过程回归理论对变形监测数据呈现出的非线性特征进行时间序列分析。考虑到监测数据的不断更新和累积,以及超参数与样本集的适应性,首先研究了“递进-截尾式”超参数自动更新模式和训练样本集的选择方法;在此基础上构建了以时间作为输入项的高斯过程回归变形智能预测模型（GPR-TIPM）;将该模型应用于矿山边坡监测点非线性时间序列分析中,通过分析变形趋势,最终采用Matérn 32和平方指数协方差函数相加的方式进行核函数组合。实验结果表明,采用组合核函数的预测性能较单一核函数有所改善,该方法提高了模型的泛化能力,GPR-TIPM模型在短期内的预测效果较理想。     

利用ArcGIS构建地形图分幅空间数据库

本文利用ArcGIS绑定的脚本语言Python和AML及其空间分析功能,设计了简单可行的算法,并编制了相应的程序,构建了国家基本比例尺地形图分幅空间数据库。首先生成图幅分幅格网,以及对应的网格标识点、图幅编号文件,将标识点与图幅编号文件关联后再与图幅网格叠加即可。该方法充分利用了GIS的空间叠加功能,仅用了极少量的程序代码,没有编程经验的人员可以比较容易掌握,对于各行业应用领域的工作者有很大帮助。     

CAD图形快速坐标转换方法实现

坐标转换是测绘地理信息数据处理中最常见的问题之一。2018年国土资源部门全面使用2000国家大地坐标系的要求,更增加了图形数据坐标转换的需求。本文首先介绍了用Python编程实现四参数的快速解算方法,然后实现了用Python直接读写DXF文件坐标值实现坐标转换和在AutoCAD VBA环境下进行CAD图形坐标转换的快捷方法,并比较了两种方法的效率和优缺点。本文实现的坐标转换方法编程简单,使用方便,对于地理信息工作者和规划、国土等基层业务管理部门等具有很强的实用性。     

遥感影像动态裁剪程序化实现方法

影像动态裁剪在影像分析、运算和处理中具有重要的作用,基于ArcGIS影像分析工具提供的裁剪功能,分析了裁剪函数标准模板的数据结构,利用Python脚本从影像文件和矢量文件中读取信息,构建裁剪函数模板所需参数值,实现程序化影像动态裁剪。与基于磁盘输出的传统方式和基于内存输出的改进方式相比,效率提高显著,而且处理时间几乎不受影像容量和矢量图形复杂度影响,在实际工作中具有重要的应用价值。     

顾及空间异质性的自回归模型应用研究北大核心CSCD

针对传统的空间自回归模型拟合精度较低且无法顾及空间异质性的问题,该文提出了改进的地理加权自回归模型。并以北京市住宅小区特征价格数据为例,利用探索式空间数据分析方法分析住宅价格数据的空间自相关性,探讨其时空演变特征;建立了空间自回归模型、地理加权回归模型和地理加权自回归模型,并在模型之间进行精度对比和分析。实验结果表明:北京市住宅价格具有明显的空间相关性与空间集聚特征;由于综合考虑了空间自相关性和空间异质性,地理加权自回归模型不仅能大幅度提高模型的拟合优度和解释能力,还能更好地揭示住宅价格的空间变化规律,为数据的空间探索提供了新的方向。     

顾及空间异质性的自回归模型应用研究

针对传统的空间自回归模型拟合精度较低且无法顾及空间异质性的问题,该文提出了改进的地理加权自回归模型。并以北京市住宅小区特征价格数据为例,利用探索式空间数据分析方法分析住宅价格数据的空间自相关性,探讨其时空演变特征;建立了空间自回归模型、地理加权回归模型和地理加权自回归模型,并在模型之间进行精度对比和分析。实验结果表明:北京市住宅价格具有明显的空间相关性与空间集聚特征;由于综合考虑了空间自相关性和空间异质性,地理加权自回归模型不仅能大幅度提高模型的拟合优度和解释能力,还能更好地揭示住宅价格的空间变化规律,为数据的空间探索提供了新的方向。     

高铁桥墩沉降预测模型的研究及应用

分析高铁的沉降观测数据,评价其安全状况至关重要。采用基因表达式编程(GEP)算法,将某高铁桥墩的沉降观测数据建立预测模型,并与GM(1,1)模型、灰色线性回归模型及BP神经网络模型进行对比分析。结果表明,基于GEP的方法建模更加便捷,预测精度更高,能有效进行变形分析。     

基于单位四元数矩阵实表示的坐标转换算法研究

四元数法可用于大角度的空间三维坐标转换,但其理论较复杂,计算及证明不便。借助四元数的矩阵实表示,可以将四元数域上的运算转化为实数域上向量和矩阵的运算。针对大角度空间三维坐标转换问题,构造了四元数优化函数,然后基于单位四元数矩阵实表示的方式将四元数问题的求解转换成矩阵问题的求解,并给出了利用单位四元数进行空间三维坐标转换两种算法的详细证明。经过算例分析表明,两种算法解算结果和奇异值分解算法一致,验证了算法的正确性和有效性,且两种算法只需进行矩阵的特征值分解,无须线性化,计算简便,便于编程,适用于大角度坐标转换问题的求解。     

无定向附合导线程序编制及难点分析

为了解决在测量生产实践中由于环境条件复杂、已知控制点稀少、控制点被破坏等原因产生的无定向附合导线的平差计算问题,基于Python编程语言和Qt应用程序开发框架进行GUI编程实现无定向附合导线严密平差计算.程序界面设计简洁友好,操作简单,拥有多种数据输入模式可供选择.本研究成果可为测量工作生产实践相关行业提供参考.     

Python在空间矢量数据统计中的应用 ——以三旧改造数据统计为例

本文以三旧改造标图建库数据的统计为例,在对数据进行分析的基础上,重组优化常规的人工处理方法,形成新的技术处理流程。并应用Python编程语言,集成空间数据、属性数据和相关Python扩展库,把数据处理的过程转化成计算机自动化处理的流程,形成数据处理工具。说明了利用Python语言以及有关的开发包进行程序开发,能够达到自动化处理空间矢量数据的目的。     

不规则三角网的几种数据结构及其存储机制研究

在比较分析了TIN的几种常见数据结构的基础上,针对TIN拓扑查询与搜索问题,提出了另外几种强调边拓扑信息的TIN数据结构,根据拓扑关系的表达方式可以将它们分为内存索引式结构、数组索引式结构及二者的混合结构,并给出了这些数据结构的多种序列化存储方式:数组索引直接存储、对象ID存储法、PythoncPickle存储、对象内存地址的存储法。研究比较发现数组索引直接存储的数据占用空间最少,对象ID存储法和对象内存地址存储法的二进制方式占用空间相同,Python cPickle只适合于极小规模的TIN数据的存储。对基于不同数据结构的TIN模型构网效率测试表明,不包含边信息的结构的构网效率最高,含有边信息的结构中采用数组索引表示拓扑关系的构网效率最高。研究结果将对TIN模型的软件实现具有理论及应用价值。     

Python辅助下的坡度提取不确定性分析

以30 m空间分辨率的DEM为试验数据源,借助Python地理建模技术深入研究坡度提取的不确定性。以平均坡度来代表坡度的一般水平,将研究区划分为7种地貌类型,将30 m分辨率的DEM数据重采样成30~120 m分辨率的10组DEM数据,使用以Arc GIS平台和Python开发语言为基础的地理建模技术,定量分析平均坡度与DEM空间分辨率、区域地貌特征的关系,研究坡度提取的不确定性。结果表明:研究区内不同地貌区域提取的平均坡度都随DEM分辨率的减小而减小,衰减速率基本不变;其回归方程的常数项与所在地貌单元的沟壑密度呈二次函数变化特征;坡度提取的精度与DEM的分辨率呈正相关的关系;基于Python的地理建模技术有效地整合了坡度提取分析方法,极大地提高了分析效率;研究结果进一步验证了现有坡度提取方法的不确定性。     

Python结合SQL建立地籍数据库的方法

在云南省某建制镇地籍数据库建设中,综合利用多种公共软件平台,配合Python编程、SQL查询语句完成了数据建库工作,在降低生产投入、提高效率的同时,使作业员的综合业务能力得到较大提高。     

组合核支持向量回归提取高光谱影像不透水面

由于城市地表组成的复杂性,基于单核函数的支持向量回归模型很难满足精度。本文结合空间-光谱组合核函数和支持向量回归,提出了一种提取高光谱影像不透水面丰度的改进算法。首先从高光谱遥感图像上提取波谱特征和多通道灰度共生矩阵空间纹理特征,选取研究区10%像元特征数据作为训练数据,以线性加权求和核为多核组合方式,建立结合光谱信息和空间信息的组合核支持向量回归模型。然后,用生成的回归模型预测未知像元不透水面丰度值。最后,对实验结果进行评价。在模拟数据试验中,本文算法比单核回归均方根误差平均降低1.4%,决定系数比单核回归平均提高0.6%。在Hyperion数据两组试验中,该算法比单核回归均方根误差平均降低1.8%,决定系数比单核回归平均提高11.7%。模拟和真实两种高光谱数据实验中,本文算法均得到了空间形态上更准确的不透水面结果,单核回归结果存在失真现象。研究结果表明:本文算法能够有效提取城市不透水面丰度,与单核方法相比有较明显的精度提升。     

基于Python的ArcGIS空间数据格式批处理转换工具开发

ArcGIS仅提供了单个文件的空间数据格式转换工具。本文首先研究基于Python的ArcGIS空间分析工具开发方式,进而以栅格数据转ASCII工具为例,给出其批处理工具的具体实现过程。