"一村一镇一地图"快速化制图软件研究与实现

基于现有的基础测绘、大比例尺地形图、地理国情、遥感影像、地理框架等数据、标准、符号,制定"一村一镇一地图"(简称一村一图)制图规则,利用GIS、数据库等技术研发一村一图快速化制图软件,实现快速化检索,设定行政村(镇)范围的数据列表,并根据选定的数据、版本、标准模板生成地图,最终达到批量快速化生成行政村(镇)地图,为美丽幸福村居建设、生态文明新农村建设、社会管理、应急指挥等提供详细、准确的地理信息服务。     

江苏省辅助决策地图联动更新实践探讨

为了进一步提升辅助决策地图的服务能力和保障水平,江苏省测绘地理信息局开展了全省辅助决策地图联动更新和共建共享工作。本文说明了联动更新工作的具体内容,讨论了地图更新的方法和流程,对阶段性工作进行了分析和总结,可为政务地图保障服务机制研究提供参考。     

地图审核在线审批系统分析与设计

随着互联网技术的发展和“互联网＋”业态的兴起,电子政务成为推进审批服务便民化的重要内容。地图审核作为一项行政许可,主要分为申请和受理、技术审查、审批和送达及样本备案4个业务环节。根据上述业务步骤,本文对地图审核在线审批系统的设计进行了分析,完成了系统的构建与应用,为同类型其他系统的构建提供了参考。     

态势感知模式下的互联网“问题地图”监管工作探究

近年来,传统的媒体网站和新兴的微博、微信等自媒体平台上使用地图配合相关新闻的报道呈明显上升趋势。目前,我国行业主管部门已经建立了相应的软件监管平台,每天都有大量的“问题地图”被系统监测到。但当“问题地图”被监测到之后,系统采用的数据存储方式远不能适应当今大数据时代多维度、立体式数字信息存储、分析的发展潮流。本文通过对态势感知技术的研究,结合互联网“问题地图”监管工作的具体特点,设计了“问题地图”模型的格式及“问题地图”大数据库规格,并以此为基础模拟制定几类“问题地图”态势分析模式,对态势感知模式下的互联网“问题地图”监管工作进行了探究,使国家互联网地理信息监管的相关工作能够得到进一步发展。     

基于SSW点云数据的矢量地图平面精度自动校验方法

常规的矢量地图精度校验采用抽样与实地测量,外业工作量大,自动化程度低。针对这一问题,本文提出基于SSW激光点云数据的矢量地图平面精度自动校验方法。首先,使用车载激光扫描器获得道路两侧高精度点云数据,并对点云数据进行滤波、坐标转换和精度检验;其次,基于多特征识别算法,使用SWDY软件提取点云特征点线;最后,利用最近邻法搜索待检矢量图中的同类地物特征点线,并计算匹配点线对的中误差。以兴化城区为试验区,采用该方法检测该地区1：1000比例尺的矢量地图平面精度,试验结果显示,成功匹配了点云数据205个地物特征中的201个,矢量地图的总体中误差为0.26 m,且能够发现待检测矢量地图中的采集丢漏与明显错误。本文方法可以减少现有检测方法的野外实测工作量,增加检测样本数量,降低检测过程中的人为干扰因素,有效提升检测的可靠性与检测效率。     

帝国盛景:文艺复兴时期的《亚历山大大帝远征图》

亚伯拉罕·奥特柳斯(Abraham Ortelius,1527—1598年)是16世纪尼德兰地图学派的开创者和尼德兰地图黄金时代的奠基人,他所编绘的《寰宇大观》(Theatrum Orbis Terrarum)是西方第一部近代地图集和尼德兰地图学的奠基之作,在西方地图史上具有极其深远的影响,就如同《广舆图》在中国地图史上的地位一样。     

寻找身体地图的边界

2018年秋天,云南师范大学举办了“第二届少数民族文化与旅游发展”研讨会。会后,代表们去香格里拉实地考察。我因身体的原因临时取消了参会计划,所以无缘参加考察。考察队的领导——陈亚颦教授却热心地将我拉入了考察队伍的微信群。于是我在群里顺便做了一个地理小实验——寻找身体地图的边界。     

宋代都城图中的盛世记忆与故国幽思

宋人编绘的都城图既有描绘当朝都城的地图,如《京城图》,又有表现前朝都城或文化圣城的历史地图,如《长安城图》《东京旧城之图》《鲁国之图》。当朝城图主要描绘代表皇权和中央权力的都城宫阙、衙署布局、城防,历史城图则主要描绘前朝都城宫殿、古迹、山水、盛景,或用于展示都城繁华,或用于通经明史、追忆盛世、缅怀圣贤,寄托政治理想。这些地图在一定程度上也反映出宋代地图学的发达与文化的繁荣。     

Livi Gosling的伦敦美食地图

插图画家Livi Gosling,与伦敦一家美食网站的创建者兼美食作家Rona M Symington一起工作,并为这家网站绘制了一系列与美食相关的地图插图。这些插图多采用墨水和水粉绘制,为人们提供包含伦敦独立食品商店、食品市场、食品生产商等信息在内的地图指南。     

一种卷积神经网络的地图图片智能识别方法

针对网络中的地图图片目前难以快速搜寻并对其进行有效标引这一问题,该文提出了使用深网搜索引擎持续获取网络图片,在标记样本较少的情况下,采用基于主动学习的样本扩容算法、基于卷积神经网络的网络地图图片自动语义标引方法,能快速、有效地识别网络中的地图图片,对地图图片的识别精度达到了93.64%,克服了采用人工方式获取样本和图片识别过于耗时费力的困难,有效解决了稀少样本下网络地图图片的智能提取难题,可为地理信息挖掘、问题地图监管等提供有效保障。