关于北京市第一地理国情普查中坐标系转换问题的探讨

介绍了北京市第一地理国情普查从专题资料的收集整理,到内业数据采集,底图打印,再到成果的编辑整理与入库等环节涉及的坐标系统,分析了坐标系统间的相互转换方法,讨论了坐标系分区转换及数据库转换点位精度的要求,为今后相似工作的开展提供一定参考。     

基于VB的测量坐标系统转换程序设计与实现

讨论了测量坐标系统转换中数学模型选择、参数计算、算法设计等几个关键问题,研究了利用VB语言编程实现测量坐标系统转换的方法,并通过实例进行了验证。     

基于Google Earth土地承包经营权工作底图的制作

对利用Google Earth影像制作农村土地承包经营权工作底图的方法和技术流程进行了全面探讨。首先在CASS 7.0软件下对集体土地所有权行政界线进行坐标转换,再使用自编程序提取界线拐点的WGS-84大地坐标,通过"地图下载器"下载Google Earth影像并拼接输出TIF影像,利用Arc Map软件的投影变换功能,将墨卡托投影的TIF影像转换为高斯投影影像,最后,在CASS 7.0软件下插入变换后的正射影像,叠加行政界线,形成完整的承包经营权外业调查工作底图。     

关于桥梁墩柱模板角点坐标的计算方法及其校核的研究

针对桥梁建设中各构筑物放样坐标的计算及校核存在不严谨之处,本文提出一种计算放样坐标的新方法可以作为放样坐标的第一计算方法或检核方法。对其中所涉及的坐标系的转换和方位角的计算方法进行详细说明,并编制程序使计算智能化,可以应用在实际工程中,具有一定的实际应用价值。     

面向WebGL的矢量数据三维绘制技术

矢量数据的叠加显示能够提高三维虚拟地球的表达效果与分析能力。受限于GPU的计算精度,在三维虚拟地球中矢量数据绘制普遍存在抖动现象和深度冲突现象。对基于WebGL的矢量数据三维绘制中计算精度问题进行了分析,提出了使用CPU RTC技术和GPU RTE技术提高顶点变换的精度,使用多视锥渲染算法和深度平面技术解决深度缓存精度问题。实验证明,这几种技术和算法可以有效缓解抖动现象和深度冲突现象导致的视觉干扰,改善了各种尺度和范围的矢量数据在三维地形上的叠加显示效果。     

重要性权值的驾车导航POI表达规则

在导航电子地图中,针对驾车任务的POI自适应表达是提高导航电子地图信息传输效率的关键。针对这一问题,提出了基于重要性权值的驾车导航POI表达规则。首先,分析了POI重要性权值的影响因素;其次,从影响因素出发,研究了基于权值的POI规则表达的各规则项;最后,设计了POI自适应表达规则库,并在嵌入了数据处理规则库的绘图软件上进行了技术实现。试验结果表明,利用基于权值的POI表达规则进行地图表达,可以提高地图内容的层次性与清晰性,优化驾车导航服务。     

基于MAPGIS的城乡一体化地籍数据坐标系统转换方法

空间坐标系统的转换是城乡一体化地籍数据库建设的关键问题之一,本文基于MAPGIS软件进行农村和城镇地籍数据坐标系统的转换,将农村地籍数据库的国家坐标系统和城镇地籍数据库的地方独立坐标系统统一到同一个空间基准中,实现了区域城乡地籍数据完整连续的管理和表达。实践表明,该方法是一种有效的坐标系统转换方法,可为城乡一体化地籍数据库建设中的坐标系统转换提供参考。     

青海省祁漫塔格地区1∶5万水系沉积物测量衬值异常圈定实例

青海省祁漫塔格地区位于柴达木盆地西南缘,是青海省重要的铁多金属成矿基地之一。利用88442个野外采样点1∶5万水系沉积物测量数据,采用Geo Expl软件圈定了该地区的衬值异常。衬值是指各元素0.5 km×0.5 km网格化数据与其园域搜索半径5km、移动步长0.5km移动平均值的比值。选用自定义累频"90、95、98、100"确定了异常的外、中、内带。通过常规方法和衬值圈定的异常的对比,表明衬值异常能够削弱不同地质背景差异,使异常形态更为规整,浓集中心更为明显,并且可能发现新异常。     

奇异值分解法在病态问题中的应用

用截断奇异值分解法和修正奇异值分解法对大地测量病态问题进行了处理,并与最小二乘的结果进行了比较,最后将两者方法进行结合同样对病态方程进行了处理,得到了结合奇异值分解的解,并与截断奇异值、修正奇异值分解的解以及真值进行比较,发现结合奇异值分解的解即修正奇异值截断法比截断奇异值和修正奇异值的解更加靠近于真值,修正奇异值截断法相比于截断奇异值和修正奇异值法对于病态方程抗干扰能力更强,更具有实际意义。     

GNSS 监测数据预处理在变形预测中的应用

GNSS监测技术被广泛应用于变形监测工作中,但GNSS监测数据中会有缺失值、噪声等误差的存在,对预测结果造成影响。引入改进的小波神经网络模型进行变形预测,并考虑该模型的自适应性和容错性,分别采用三次样条插值法、小波滤波法和拉依达准则对原始监测数据进行缺失值填补、去噪和粗差剔除等预处理。并利用实际监测数据进行短期预报分析,对比原始监测数据和预处理后的监测数据的预测结果,结果表明预处理后的监测数据的预测效果更好。