线状要素图形综合的渐进方法研究

该方法明显优于Ｄｏｕｇｌａｓ综合方法,可以控制线的自交,使地图比例尺从离散式变成连续式,适用于地理信息系统。在兼顾特征点情况下,其效果更佳。     

基于客观综合自然规律的线状要素自动综合的算法

本文叙述了一套基于所谓客观综合自然规律的自适应线状要素综合的新算法。简要讨论了已有的线状要素综合的缺点，并叙述了它们的算法。还把这些新方法的功能同手工制图过程及很多地理信息系统中现有标准方法的功能进行了比较。     

线状要素综合中空间知识获取方法的分析

在进行图形简化过程中,线状要素必须考虑其自身的空间知识和它与周围要素关系的空间知识。线状要素自身的空间知识主要是指特征点、弯曲等,线状要素同周围要素的空间关系也是线状要素图形综合过程中必须考虑的。这里所述的空间知识主要是指空间数据所包含的空间关系及其特征。一、线状要素特征点的结构化　　线状要素特征点的探测方法有很多,同时,线状要素图形的特征点有多种,这里主要是通过弯曲的嵌套来获取特征点的重要性,此种现象称“复杂弯曲”。如图１所示,ＡＢＣ就是一个复杂弯曲,整个图形也是一个复杂弯曲。设一条线的特征点…     

多尺度表达中线状要素的综合不确定性评价模型

在考虑节点化简的基础上建立了节点数据不确定性评价模型,基于曲线光滑模型建立了线元模型不确定性评价模型,在此基础上,根据不确定性传播律构建了由数据不确定性和模型不确定性合成的线状要素多尺度表达不确定性的综合评价模型。实验表明,综合不确定性指标值作为线状要素多尺度表达不确定性的量化指标是有效的。可将其用于计算线元不确定带的宽度,解决线状要素多尺度表达不确定性空间分析和推理问题;并用于线状要素多尺度表达的质量评价与控制。     

线状要素多尺度表达质量评价模型研究

本文立足于线状要素多尺度表达的实现过程,利用线状要素多尺度表达的目的,将线状要素多尺度表达的质量需求分解为"4准则",将影响线状要素多尺度表达的质量因素概括为"6因素"。并图表出"6因素"与"4准则"的对应关系。由此推导并建立了线状要素多尺度表达质量评价的概念模型,为线性数据多尺度表达的质量评价问题提供必要的理论依据。     

线状要素图形综合的渐进方法研究

提出了\     

线状地图要素的自相似性分析及其自动综合

通过线状地图要素的自相似性分析和分维估值，研究了线状地图要素的形状结构特征随量测尺度和比例尺变化的规律，并在此基础上，提出了旨在使综合过程自适应进行和保持图形形状特征的线状要素自动综合的方法。     

地图线状要素自动合并的重心算法

提出一种基于矢量数据的线状要素自动合并的重心算法，阐述方法思路和实现步骤。该算法可用于消除曲线的微小凹凸。     

数字正射影像图质量的模糊综合评价

质量评定是地图产品生产过程中的一个重要环节，但是，传统的地图质量评价方法存在着许多固有的局限，而难以满足新的要求．本文以模糊数学的原理为基础，建立了DOM产品质量的模糊综合评价模型．研究表明，相对于传统的质量评价方法，模糊综合评价方法能够充分利用各种质量信息，并尊重质量的模糊属性，评价过程更细腻，结果也更可靠。     

地图质量的模糊综合评价

地图质量评价是判定地图质量的重要方面 ,文中在分析地图质量评价的内容、标准的基础上 ,引进模糊综合评价的方法评价地图质量 ,并给出了实例。     

11:0000土地利用现状图制图综合研究

本文基于我国传统的土地利用制图综合方法速度慢、精度差的现势,借助ArcG IS软件的可视化及空间分析工具和国源软件,将地图综合过程分解,合理地进行人机分工,交互式地完成地图缩编工作。这种缩编的方式可以更快速、高效地对基础数据进行制图综合,从而满足土地管理部门对不同比例尺土地利用现状图的用图需求。     

土地利用现状数据缩编方法探讨

在国家第二次土地调查数据通过核查后,要求各省在此基础上开展多比例尺的数据缩编工作以利于成果的各类应用。本文就如何开展土地利用现状数据缩编工作进行了探讨,重点介绍了数据缩编工作的技术路线,对各类空间要素的缩编处理进行详细阐述。通过对典型区进行缩编实践,最终得到了满足国家技术指标要求、符合地方实际的数据。     

土地调查线状地物与图斑逻辑一致性缺陷修正方法

土地调查数据中部分线状地物与图斑存在逻辑一致性缺陷,造成图斑地类面积计算错误。为解决上述问题,本文对土地调查数据线/面逻辑关系进行研究,归纳了线状地物跨越图斑的缺陷类型;并对其成因和影响进行分析,设计了一种通过增量更新进行缺陷修正的方法。该方法不影响地类流量分析,能够较好地维护年度间统计结果的一致性,易于实现缺陷修正的自动化处理,并利于数据回溯。通过土地变更调查国家级数据库质量检查工作实践表明,本文提出的方法有助于提升数据检查的效率,具有较好的实用价值。     

Analyzing the effects of scale and land use pattern metrics on land use database generalization indices

The generalization index system is one of the critical issues for computer-aided land use database generalization. This paper studies the scale and land use pattern effects on land use database generalization indices and estimates the thresholds of these indices based on a typical land use database sample. The index system of land use database generalization is discussed and constructed from macro and micro perspectives. Six land use pattern metrics, namely, land use diversity index, land use dominance index, land use homogeneity index, land use fragmentation index, the index of land use type dominance, and the index of land use type fragmentation, are designed to characterize land use patterns and are introduced into the analysis of land use pattern effect on land use database indices. The analysis framework of the scale and land use pattern effects on the land use database indices are proposed by employing statistical techniques. Based on the land use database samples at multiple spatial scales collected in various land use regions across China, the study generates rules for both scale and land use pattern effects on the indices, including map area proportion of land use types, total map load, parcel map load, and minimum parcel area. The thresholds of these indices in land use database generalization are produced at the scales of 1:50,000, 1:100,000, 1:250,000, and 1:500,000. An experimental generalization at county level demonstrates how to determine the generalization index values considering scale and land use pattern, and how to evaluate the generalization results using our macro indices.     

顾及局部特征的线状要素制图综合

针对传统的线状要素化简方法难以准确描述线要素局部结构特征的问题,该文提出了一种顾及局部结构特征的线状要素制图综合方法。引入m阶邻居坐标点概念,分析坐标点对线要素局部结构特征的贡献程度;建立了局部结构特征度量方法,实现了简单线要素的自动化简;基于该化简过程,从拓扑不变性角度顾及线状要素的整体形态及不同线状要素之间的拓扑关系,实现了复合线划网络的自动综合。基于对简单线划目标和复杂线划网络的实验结果表明:通过调整m的取值,可以完成不同尺度下线要素的自动制图综合,且化简结果较好地保持了原始线划要素的整体形态特征。     

Quality evaluation model for map labeling

This paper discusses and sums up the basic criterions of guaranteeing the labeling quality and abstracts the four basic factors including the conflict for a label with a label, overlay for label with the features, position‘s priority and the association for a label with its feature. By establishing the scoring system, a formalized four-factors quality evaluation model is constructed. Last, this paper introduces the experimental result of the quality evaluation model applied to the automatic map labeling system-MapLabel.     

土地调查专题图件的制作

本文基于第二次全国土地调查背景,结合土地调查的实际工作,分析和讨论了土地调查图件成果的内容以及土地利用现状图、基本农田分布图和耕地坡度分级图制作的主要流程和关键技术,提出了土地调查专题图件编制过程中应该注意的问题及其解决办法。     

土地利用现状图扫描符号的自动提取与识别

土地利用现状图扫描符号的自动提取能节省人力财力物力。本文采用地图代数和人工神经网络的方法进行扫描现状图符号的自动提取和识别。首先根据图例建立用于特征匹配的符号模板库,然后使用加壳变换和蜕皮变换进行点状符号和线状符号的分离,并使用Canny算子平滑符号,再通过人工神经网络的训练进行色彩聚类而实现符号分割。定义多重相似度,实现符号的预分类识别,在此基础上计算加权距离再次识别。最后采用加壳变换连接断点并提取骨架线对这些断线进行连接,形成完整的线状符号。实验表明,本方法的正确率达到90%以上。     

土地利用现状图中数据缩编的质量控制分析

1∶50000土地利用现状图是土地利用研究的基础数据之一,编制土地利用现状图对制定河南省社会和经济中长期发展规划、土地利用总体规划和城乡规划,全面加强土地管理,促进全省经济发展起着非常重要的作用.本文结合1∶50000土地利用现状要素数据缩编工程质量检查工作实践,总结了质量检查的内容、技术要求及检查方法,提高了作业质量和效率.     

Quantitative relations between spatial similarity degree and map scale change of individual linear objects in multi-scale map spaces

Quantitative relations between spatial similarity degree and map scale change in multi-scale map spaces play important roles in map generalization and construction of spatial data infrastructure. Nevertheless, no achievements have been made regarding this issue. To fill the gap, this paper firstly proposes a model for calculating spatial similarity degrees between an individual linear object at one scale and its generalized counterpart at the other scale. Then psychological experiments are designed to validate the new model, taking four different individual linear objects at five different scales as test samples. The experiments have shown that spatial similarity degrees calculated by the new model can be accepted by a majority of the subjects. After this, it constructs a formula that can calculate spatial similarity degree using map scale change (and vice versa) for individual linear objects in multi-scale map spaces by the curve fitting method using the point data from the psychological experiments. Both the formula and the model can calculate quantitative relations between spatial similarity degree and map scale change of individual linear objects in multi-scale map spaces, which facilitates automation of map generalization algorithms for linear features.