软件考试驱动的GIS专业教学改革与实践——以“空间数据库”课程为例

GIS专业的学生需要一定的软件设计和编程技能,传统单一的课堂教学模式难以适应当前培养GIS人才的要求。文中提出通过引导学生参加软件考试,结合考试类型和考试科目进行考试的技术指导和培训,并将其引入到"空间数据库"的课堂教学,使得课程教学与软件考试紧密结合;通过引入任务驱动、情景教学、分级和分组的教学方法,以及课程考试和软件考试的双重考核方法,促进"空间数据库"课程教学改革。课程改革的实施不仅活跃了课堂教学氛围,改善课堂秩序,而且促进学生课后的学习自主性和社会实践积极性,为培养高质量的GIS人才打下基础。     

基于空间大数据的教育设施服务能力现状评估研究——以北京市为例

本文首先对公共设施服务能力评估的应用方向和主要方法进行了阐述,并具体介绍了两步移动搜索法。然后以北京市为研究对象,结合教育设施的特点,以实际案例证明了该方法的有效性。研究重点考虑了针对不同研究区域的合理阈值计算模型,可以更好的反映不同区域的教育设施供给变化,对未来教育规划提供依据。     

不规则三角网土方量计算数学模型及精度分析

土方量的计算是铁路、公路勘察、场地平整等土木工程中经常碰到的问题,在实际生产应用中,有时不同方法计算的土石方量相差较大,因此确定不同方法的土方计算精度显得尤为重要。本文首先介绍了利用不规则三角网进行土方量计算的方法,给出了单个三角形对应的几何体的体积计算公式。在此基础上,根据误差传播定律,以点位误差和高程误差为影响因子,对不规则三角网土方量计算结果精度进行评价。最后利用野外实测的地形点数据对本文的方法进行了验证和分析。     

多系统GNSS在弱信号环境下的比较研究与精度评估

针对GNSS接收机在弱信号环境下进行测量作业时,存在解算状态不稳定,定位精度难以控制等一系列问题,文章使用南方银河1接收机和南方灵锐S82接收机进行了实验。通过实测数据对可见卫星数和PDOP值进行了对比分析,来验证多系统GNSS在定位精度方面相对于单一系统具有改善效果。实验结果表明:组合系统能够明显改善卫星空间构型,在观测环境复杂的情况下仍可以提供可靠的高精度定位服务,大大增加系统的可用性,明显提高定位精度。     

北京市典型社区居住环境评价研究

在北京建设国际一流和谐宜居之都的进程中,如何营造良好的社区居住环境是一个重要问题。本文通过数据分析和现场调研相结合的方式来进行社区居住环境情况分析,从而为社区的环境评价提供适合的评价指数。通过确定北京市居住环境评价指标,并对典型老旧小区甘家口小区和新建小区国风北京小区在居民生活、居民交往、社区环境三个方面进行分析,最终找出北京市社区环境存在的问题,并针对老旧小区和新建小区的居住环境改善提出有效建议。     

基于Android的河道测绘移动终端设计与实现

本文针对河道测绘工作流存在的问题,对原始数据加密算法、观测数据的实时计算检核及报表输出的自动化等关键技术进行了深入的研究,基于Android系统,采用目前较为成熟和先进的Microsoft Visual C#2010开发平台,依据现行的国家标准和行业规范,设计开发了河道测绘移动终端系统,实现了光学水准测量、三角高程水位接测及高程导线测量等功能模块的内外业一体化。     

基于全站仪在路线测量中方向转点的确定

介绍了全站仪坐标测量及放样功能,并提出在路线测量中,当中线方向受障碍时确定方向转点的一种简便方法。将全站仪自由设站,利用全站仪的坐标测量及放样功能确定路线测量中的方向转点,并结合了计算机辅助设计软件的绘图功能,快速获得方向转点坐标;利用全站仪自由设站法在线路施工测量中确定方向转点,操作方法简单、方便、灵活。而且受地形起伏条件限制少,精度高。对其原理、操作方法进行了分析及算例计算。     

构建煤矿开采沉陷区似大地水准面的实践与分析

基于CORS-RTK技术的煤矿开采沉陷区域的正常高数据获取是煤矿地面测量工作的重要部分。本文利用煤矿地面GNSS和水准测量数据,采用曲面拟合和多面函数拟合模型构建某煤矿地面开采区域的似大地水准面,旨在解决煤矿开采区域的GNSS-RTK测点正常高计算问题。算例计算表明:该法确定了较高精度的似大地水准面的拟合面,较好满足了煤矿后续工程中的正常高求算。     

基于三维激光扫描数据的建筑物建模研究

三维激光扫描技术作为测绘领域的新技术之一,因其具有速度快、精度高、非接触等特点,现已被广泛应用到数字城市、变形监测、三维重建等不同领域。本文利用三维激光扫描仪对校园内一栋教学楼进行实体扫描,获取其建筑物的点云数据,并利用天宝后处理软件Realworks对点云数据进行配准、去噪、分割、分类等处理。同时结合后处理软件Geomagic Studio对目标物进行快速的三维重建和特征线提取工作,最终得到了预期的建模效果图。     

基于PCA和极限学习机的高光谱遥感分类研究

针对高光谱遥感分类研究中面临的数据处理效率低、分类结果精度不高等难题,本文在引入极限学习机(ELM)算法的基础上,顾及其在噪声影响下出现稳健性降低的现象,进一步将主成分分析(PCA)应用于ELM的前端,从而构建了一种基于PCA和ELM的联合算法。将该算法与目前常用的神经网络和支持向量机进行对比分析发现:PCA-ELM分类结果的精度最高,其数据处理效率也较高,该算法具有较强的稳健性和泛化能力,适用于高光谱遥感信息的高效提取。