昆明长水国际机场地下管线三维地理信息系统建设的关键技术研究

深入了解和分析昆明长水国际机场地下管线的基础数据现状和管理方式,研究机场地下管线三维地理信息系统的各项关键技术,并提出具体的科学实施方法。     

无旋转倾角的NAV/CNAV型GEO广播星历拟合

目前北斗GEO的星历拟合算法和用户卫星位置算法均引进了人为设置的5°倾角旋转,此外,少数星历参数还有超限现象。取消GEO的旋转倾角和抑制参数超限能够统一北斗混合星座的用户算法。基于第一类无奇点根数,分析了无旋转倾角的GEO两步法星历参数拟合算法。讨论了GEO的参数超限原因,提出采用固定1至2个超限参数取值的缩减参数拟合法。北斗GEO卫星在非地影期和地影期的拟合试验表明,拟合成功率和拟合精度能够保证,拟合用户距离误差(URE)的平均值优于3mm;缩减参数拟合法能够抑制特定时段下的参数超限问题,但是拟合URE放大到2cm。     

粗精匹配结合的矢量道路辅助惯性导航算法

针对无源环境下无法采用卫星导航定位方式对惯性导航系统的累积误差进行修正的问题,提出一种采用高精度的矢量道路数据进行粗精匹配的导航校正算法。该方法首先通过分析惯导轨迹的特征标示点以及外接矩形,剔除明显的误匹配道路和冗余道路,获取待匹配道路集合;进而,结合ICCP算法具有匹配精度较高,匹配结果较稳定的优点,完成惯导轨迹位置误差的补偿和校正;最后,根据匹配方差和历史匹配轨迹对匹配结果的准确性进行分析和判断。仿真实验结果表明,该算法能够提高惯性导航定位误差的校正精度,减少在复杂道路交叉口等情况的误匹配。     

一种利用影像多尺度特征的DOM不可见水印方法

数字正射影像是测绘地理信息服务的基础数据之一。根据生产单位数据现状和对遥感影像数字水印的需求,本文综合利用影像的光谱、纹理和属性特征,提出了利用影像多尺度特征的DOM不可见水印方法。该方法首先结合小波分解和Harris特征算子提取影像多尺度特征,确定多水印的最佳嵌入区域;再利用扩频化的DWT算法嵌入不可见数字水印;最后利用影像属性信息辅助提取水印。本文从主观分析、客观分析和鲁棒性分析3个方面评价了嵌入水印影像,分析结果表明,该方法能够自动、有效地在DOM上嵌入多个不可见数字水印,多水印嵌入和影像属性信息相结合提取水印的策略极大提高了水印鲁棒性和水印检测成功率,可以满足实际生产对水印不可见性、安全性、高效性和鲁棒性的要求。     

高校测绘工程专业“测量仪器学”课程的改革与实践

针对测量仪器不断发展和革新的实际情况,总结了近5年来"测量仪器学"课程开设的效果和社会评价。基于测量仪器已全面进入电子智能时代,提出了针对理论和实践两个方面教学内容的改革,改进得到了优化新颖的教学方法,对于课程考核提出了合理的评判方法,并对课程配套相关条件提出了合理的建议,最后对改革后的课程教学效果进行了论述和分析。     

丹江口水库面积季节变化遥感监测

基于2014年2月19日、2014年6月7日和2014年10月8日的三景资源三号卫星影像分别作为春季、夏季和秋季的代表,以河南省内的丹江口水库为研究区域,采用面向对象的遥感影像监督分类方法进行影像的分割和分类,提取出遥感影像中的水体,并结合南水北调中线工程对水域面积和周围地物的影响对这3个时期的影像进行比较和分析,得出这3个时期水域面积的变化数据。     

狭长区域GNSS控制网数据处理方法研究

针对狭长区域GNSS控制网边长差异较大的问题,本文通过划分子网来降低数据处理的难度,从基线处理和网平差两个方面,分析了系统误差来源,研究了基准处理中卫星轨道误差、对流层误差以及网平差中位置、尺度、方位和时间演变基准误差的改正方法,形成了一套高精度数据处理方案。基于该方法,对三峡库区GPS滑坡监测网的实测数据进行了分析与处理,获得了高精度的处理结果,本研究对狭长区域GNSS控制网的建立具有借鉴意义和指导作用。     

美国空间规划体系的构建及启示

本文在分析美国空间规划及体系形成的基础上,从规划的法规体系、行政体系和运行体系三个方面阐述各级规划的法规、机构及规划类型,总结美国空间规划体系的特点,得出对我国空间规划体系构建的启示.     

时空信息云平台技术在国土资源信息化中的应用探讨

本文介绍了时空信息云平台的建设内容,分析了其关键技术,并以徐州市智慧国土(一期)建设为例,探讨了时空信息云平台相关技术在国土资源信息化中的应用.时空信息云平台的实践对于构建国土资源信息化新的技术框架具有重要借鉴意义.     

A Comparative Study of Various Supervised Learning Approaches to Selective Omission in a Road Network

Selective omission is necessary for road network generalisation. This study investigates the use of supervised learning approaches for selective omission in a road network. To be specific, at first, the properties to measure the importance of a road in the network are viewed as input attributes, and the decision of such a road is retained or not at a specific scale is viewed as an output class; then, a number of samples with known input and output are used to train a classifier; finally, this classifier can be used to determine whether other roads to be retained or not. In this study, a total of nine supervised learning approaches, i.e., ID3, C4·5, CRT, Random Tree, support vector machine (SVM), naive Bayes (NB), K-nearest neighbour (KNN), multilayer perception (MP) and binary logistic regression (BLR), are applied to three road networks for selective omission. The performances of these approaches are evaluated by both quantitative assessment and visual inception. Results show that: (1) in most cases, these approaches are effective and their classification accuracy is between 70% and 90%; (2) most of these approaches have similar performances, and they do not have any statistically significant difference; (3) but sometimes, ID3 and BLR performs significantly better than NB and SVM; NB and KNN perform significantly worse than MP, SVM and BLR.