基于MapInfo的COM回调机制开发GIS应用

Microsoft.NET是微软公司推出的新平台,具有强大的全方位技术兼容性。另外,目前基于微软平台的软件通信几乎都是COM实现的,而MapInfo软件是应用广泛的主流GIS软件之一。本文主要结合COM和MapInfo实现GIS的应用开发,即利用.NET的COM组件封装技术实现MapInfo相关接口的打包封装,之后利用.NET的COM回调机制——实现更具简便性与灵活性的GIS应用。本文详细探讨了该机制在实现MapInfo二次开发中的具体思路及关键技术点,取得了较为满意的应用效果。     

川藏铁路交通廊道地质调查工程主要进展与成果

川藏铁路是我国正在规划建设的重点工程,由于其位于地形地貌和地质构造都极为复杂的青藏高原东部,在铁路规划建设中面临一系列迫切需要解决的关键地质问题: 区域性活动断裂与断错影响、地质灾害、高地应力及其引起的岩爆和大变形、高温热害、断裂带高压水与涌水突泥、高陡边坡稳定性等。为满足技术支撑川藏铁路规划建设、精准服务国家重大战略实施的需要,中国地质调查局部署了“川藏铁路交通廊道地质调查工程”,聚焦制约川藏铁路规划建设的关键问题,充分发挥地质调查工作对国家重大工程规划建设的支撑作用。2019年主要完成铁路沿线1:5万区域地质调查1 350 km²、1:5万地质灾害调查5 000 km²,建设6口大地热流地质参数井、8个地温监测站,完成地应力测量20孔,编制完成11份地质调查专报,提出的大渡河大桥段、理塘车站段、毛垭坝盆地段等线路优化建议/防灾建议被采纳; 首次将1:5 000大比例尺航空物探技术引入复杂山地铁路工程勘察,创新形成千米级超长水平钻孔定向取心钻进技术,实现500 m深的水平孔地应力测量突破等。该工程通过2019年调查研究,全力提升了铁路沿线地质调查程度与精度,并创新了复杂艰险山区重大工程地质问题与探测技术、地质灾害风险防控理论与减灾关键技术,有效支撑服务了川藏铁路规划建设。     

基于关键词聚类技术的主题地图构建研究——以地理信息可视化领域为例

利用共词分析法对2001及2008两年间地理信息系统可视化领域文献关键词分别进行了统计。统计结果经过映射标准化预处理生成了共频矩阵及相关矩阵。借助专业统计分析软件SPSS的分析及可视化表达功能,绘制出可视化图,然后利用地理信息系统软件MapInfo,为可视化图添加文献信息,形成信息层并最终生成主题地图。在主题地图的生成过程中,简要介绍了主题地图的原理与方法。通过主题地图的对比得知,2008年中可视化的应用比2001年更加广泛,主要体现在以下几方面:航空航天、交通、DEM、管道网络、战场战役及知识管理等。     

基于ORIMA的ADS40几何精度评估

基于Leica公司提供的ORIMA软件,利用武汉大学自行建设的登封航空定标场,对三线阵机载传感器ADS40在不同航线结构、不同控制点数量以及不同平差模型下的几何精度进行了对比分析和评估.实验结果证明,控制点数量和构架航线对ADS40几何精度影响有限,但自检校平差模型可以显著提高其几何精度.     

GPS单频机电离层延迟改正新算法

探讨了几种新的电离层延迟改正算法,通过算例检验了新方案的效率和可行性,对不同精度用户选取电离层延迟改正方案给出了建议。     

土耳其卡赞天然碱矿溶采对接井工程HSE管理

HSE管理是现代企业走出国门、承揽国际大型项目的必备条件,并且在现代工程管理中具有越来越重要的地位。土耳其卡赞天然碱矿水溶开采对接井工程的实施过程中,在借鉴国内外相关行业经验的基础上,结合项目自身特点,成立了HSE管理机构,加强了人员安全培训和机械设备的升级改造,使之符合当地的行业安全标准。引入了JSA工作安全分析工具,建立了切实可行的HSE管理体系,并强调了现场监督,从而实施了行之有效的HSE管理,为该项目的顺利运行提供了有力的安全保障。     

2013年岷县-漳县6.6级地震震前地磁异常分析

区域地磁在一定范围内,在排除空间环境、仪器本身故障等因素的前提下,各地磁台所观测到的地磁曲线是具一定相关性的,但强震孕震过程中会引起电导率等电磁性质发生改变,从而改变台站间地磁本应呈现出来的相关性,因此地磁异常可以为震前地震预报提供有用信息。以2013年7月22日岷县-漳县6.6级地震为研究对象,对其震前地磁前兆异常进行研究。分析表明：震前有明显的低点位移异常现象,且在此次异常后36天发生了6.6级地震;地磁Z值的每日一值空间相关分析也出现了明显异常,从空间上看,相关系数与地震震中有很好的对应关系,震中刚好处在相关系数最低的位置;且地磁台的密集程度对计算区域相关系数具有较大影响。     

湖北省测绘地理信息档案信息化服务刍议

分析了湖北省测绘地理信息档案的现状,指出进行信息化的必要性,总结前期经验并提出湖北省测绘地理信息档案信息化服务的关键问题,构建了湖北省测绘地理信息档案信息化系统的总体框架.     

一种低表面亮度星系的自动搜索算法newline--YOLOX-CS

低表面亮度星系(Low Surface Brightness Galaxy, LSBG)的特征对于理解星系整体特征非常重要, 通过现代的机器学习特别是深度学习算法来搜寻扩充低表面亮度星系样本具有重要意义. LSBG因特征不明显而难以用传统方法进行自动和准确辨别, 但深度学习确具有自动找出复杂且有效特征的优势, 针对此问题提出了一种可用于在大样本巡天观测项目中搜寻LSBG的算法---YOLOX-CS (You Only Look Once version X-CS). 首先通过实验对比5种经典目标检测算法并选择较优的YOLOX算法作为基础算法, 然后结合不同注意力机制和不同优化器, 构建了YOLOX-CS的框架结构. 数据集使用的是斯隆数字化巡天(Sloan Digital Sky Survey, SDSS)中的图像, 其标签来自于$\alpha.40$-SDSS DR7 (40%中性氢苜蓿巡天与第7次数据发布的斯隆数字化巡天的交叉覆盖天区)巡天项目中的LSBG, 由于该数据集样本较少, 还采用了深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Networks, DCGAN)模型扩充了实验测试数据. 通过与一系列目标检测算法对比后, YOLOX-CS在扩充前后两个数据集中搜索LSBG的召回率和AP (Average Precision)值都有较好的测试结果, 其在未扩充数据集的测试集中的召回率达到97.75%, AP值达到97.83%, 在DCGAN模型扩充的数据集中, 同样测试集下进行实验的召回率达到99.10%, AP值达到98.94%, 验证了该算法在LSBG搜索中具有优秀的性能. 最后, 将该算法应用到SDSS部分测光数据上, 搜寻得到了765个LSBG候选体.