Multi-resolution seamless image database

This paper presents the basic concepts and principles, data structure and high efficient spatial index for multi-resolution image database. The database is characterized by arrangement of multi-resource image data and seamless mosaic, distribution-based storage and management, integration with other spatial database software such as GeoStar and GeoGrid developed by Wuhan Technical University of Surveying and Mapping.     

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。     

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。     

基于GEOWAY CIPS大比例尺正射影像快速生产的方法研究

面对经济社会发展急需大量影像数据支撑的现状,本文提出了基于GEOWAY CIPS大比例尺正射影像快速生产的方法,分析了基于GEOWAY CIPS影像处理的关键技术流程,总结了该生产流程的优势与不足,并通过实际项目,验证了本文生产方法的高效性与可靠性。     

基于资源三号卫星影像的数字高程模型外推实验精度分析

目前,充分利用国产卫星影像,逐步减少使用国外遥感影像,是我国现代测绘产业发展的大趋势。本文基于资源三号国产卫星影像,利用已有的控制点资料,分别基于有控、无控的条件下生成DEM,分析其精度;并在研究区北部边缘选取部分控制点,通过区域网平差,对控制区域进行外推,生成DEM;再利用其余的控制点作为检查点对DEM精度进行检测,分析DEM在外推约100 km范围内的精度能够满足怎样的精度要求。     

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.