利用Douglas-Peucker并行算法在多核处理器上实时综合地图线要素

Douglas-Peucker算法是线要素简化的经典算法,针对其存在大量计算、难以做到实时的缺点,运用并行技术实现Douglas-Peucker算法,并在多核处理器的计算机上进行实验,验证了并行算法的效率与实时性。     

图卷积网络在道路网选取中的应用

针对现有制图综合中的道路网自动选取方法不能有效地利用道路网的空间特征问题,该文把道路网抽象为图结构,提出了使用图卷积网络来进行道路网的自动选取,并比较分析了不同的图卷积网络在道路网选取中的适用性。结果表明,图卷积网络可以通过多层卷积来自动提取不同局部范围的空间特征,从而减少空间特征的人工构建,相比传统的多层感知机(MLP)等人工智能选取方法,具有更高的选取精度。对于不同的图卷积网络模型,使用最大池化聚合的GraphSAGE获得了最优的性能。     

烂沙洋稳定性研究*

文章对烂沙洋海区的3个钻孔进行的沉积学、古生物学和年代学的分析,就烂沙洋的稳定性进行了研究。在千年尺度上,研究区一直处在相对稳定的环境,钻孔所揭示的沉积速率为2.16~4.67mm/a,水深变化幅度不大;在C孔所在的深槽区,有12m的以包卷层理、扰动层理为特征的淤积层,颗石的特点显示其来源于水深较浅处,通过1992年、1994年和2003年共3个时段的海图对比,该淤积层形成于近年,结合其沉积结构分析,该淤积层应为与事件相伴的事件沉积,工作区的整体冲淤基本平衡。     

基于XML的地理数据模型设计

本文介绍了基于XML的地理数据模型的设计方法。通过对XML自身特性的分析以及和其它常用地理模型的对比，展示了基于XML的地理数据模型的优良特点。同时，通过应用实例表明了本模型在GIS领域的良好前景。     

GIS空间时态数据库系统原型的设计与实现

本文针对地理信息系统中空间时态表达与分析功能的缺陷,设计并实现了一种新的基于矢量多边形系统的空间时态网状数据库模型,对版本进化和新生实体的不同空间时态变化类型提供了多种时态更新算法,并开发了两个系列的空间时态查询语言。     

关于ENSO事件及其对中国气候影响研究的综述

Nino指数和SOI是表征ENSO事件的两个主要特征值。根据Nino 3．4区指数变化,1950年以来共发生15次El Nino事件和11次LaNina事件。El Nino年,热带中、东太平洋上的岛屿及沿岸国家多暴雨洪涝,印度、印度尼西亚、澳大利亚等国家发生持续干旱,中国东北地区夏、秋季降水及年降水都偏少,江南地区降水偏多;太平洋和大西洋地区发生的热带风暴以及登陆中国的台风数都比常年偏少;加拿大西南部和美国北部暖冬,东亚夏季低温,中国常出现暖冬凉夏。La Nina年则基本上相反,赤道太平洋中、东部地区干旱少雨,西太平洋上的台风和大西洋飓风及登陆中国的台风明显增多,中国汛期主要雨带偏北,易出现热夏寒冬。     

三维GIS中R树空间索引研究

对于三维GIS来说,建立高效的三维空间数据索引是其关键技术之一。R树索引是近年来应用最广泛的方法之一。本文以覆盖面积和重叠面积之和作为R树结点插入标准,并且引入K均值聚类算法对结点分裂算法进行了改进。另外,对于三维GIS中较大的地物如道路、河流等,实施裁剪策略。从而使R树同层结点间的重叠度显著下降,空间对象的聚簇也更趋合理,有效提高了三维GIS数据库的查询速度。     

“地图学”研究生课程保持型双语教学模式的探索与实践

在总结笔者采用国外原版教材Elements ofCartography开展的＂地图学＂研究生课程保持型双语教学实践的经验基础上,探讨保持型双语教学模式的含义;阐述＂地图学＂双语教学的3个基本原则,即学科本体性原则、语言工具性原则和学生主体性原则;分析适合于＂地图学＂双语教学的语言使用比例;提出＂阅读优先、翻译次之,任务...     

1947年中国南海断续线精准划定的地形依据

基于1947年中国政府内政部印制的1:400万《南海诸岛位置图》,采用地理信息系统及数字化仿射变换精准测量出11段断续线的地理坐标,同时利用4.4万多个实测水深点数据建立南海海底三维地形模型,通过叠加分析获得了1947年南海断续线所在位置的海底地形特征。结果显示：断续线东长西短,间距东西大、南北小,其走向、形态与下伏地形特征相符合,主要分布在大陆坡和大陆架上;并基于断续线下伏海底地形分析,推断出当时断续线划定时可能遵循如下依据：① 在浅海盆地、海峡处采用“等距离中间线”原则进行划分;② 在具有明显地形变化处沿海槽坡麓或海槽槽沟中线进行划分;③ 在西南部陆坡陆架区,结合岸线走向及下伏地形特征进行划分。     

基于BP神经网络和拓扑参数的道路网选取研究

道路网选取是自动制图综合的重点和难点之一,运用智能化方法实现选取是当前研究的热点。BP神经网络具有强大的非线性映射能力,可以模仿人脑机能,通过对样本的学习和训练实现自动选取;结合拓扑参数,可以使选取结果很好地保持原道路网的连通性和整体结构特征。因此,提出一种基于BP神经网络和拓扑参数的道路网选取方法。首先选择训练样本并计算其拓扑参数;然后设计BP神经网络的结构,利用训练样本进行训练,找出最佳网络结构;最后选取不同特征的道路网进行实验,将选取结果与专家选取的结果进行对比分析,评价了该方法的优势与不足,并指出了下一步的改进方向。