基于ArcGIS平台与质检软件的地理国情普查快速质量控制方法

"信息化质检平台IGCES"及"地理国情普查成果质检软件"是某省地理国情普查采用的主要人机交互质量控制软件。该类软件使用复杂,某些检查项耗时长,难以满足快速化质检的要求,本文结合地理国情普查具体实施要求,提出"人工详查、基于ArcGIS 10.1平台与质检软件概查"的快速质检方法,为国家战略规划制定、空间规划管理、区域政策制定、灾害预警、科学研究等领域的地理国情监测提供有力的数据保障。     

基于ArcGIS Add-in的交互式DLG质量检查平台搭建研究

DLG作为基础地理信息的核心数据,质量直接影响其在各个领域内的应用,为此,DLG质量检查尤为重要。基于现有检查软件的质检工作大多将检查和编辑分离成两个独立部分,使得错误信息的查看和修改不便。因此,基于ArcGIS Add-in研发了交互式DLG质量检查平台,将质检和编辑无缝衔接,实现随查随改的高效质量过程控制。     

浅谈高校测绘实验室信息化管理平台的构建

就高校测绘实验室信息化管理平台的构建进行浅析与探讨,主要针对测绘实验室所承担的工作内容,并结合实际问题进行阐述。从实验室管理员的角度,结合教师、学生、企业三方面考虑,构建高校测绘实验室信息化管理平台不仅可以提高实验教学质量,而且还能实现实验室资源的优化配置。     

地理国情普查项目地表覆盖数据成果的质量控制

地理国情普查项目是全新的测绘地理信息项目,文章结合生产阶段及检查验收过程中地表覆盖数据生产容易出现的质量问题,通过认真分析影响质量的因素,从管理要素、生产过程、两级检查3个方面谈了解决该问题的部分质量控制措施,以便于更好地提高地理国情普查项目成果的质量。     

福建省数字城市大比例尺DLG数据质量问题及检查方案研究

随着大比例尺DLG数据的广泛应用,其数据质量检查是控制数据质量的重要环节。本文针对以大比例尺地形图为数据源的DLG数据,从生产实际出发,结合其数据特点,针对现有的数据质量问题,从检查内容和检查方式上制订了数据检查方案,为数据质量检查工作给予一定的参考,提高数据质量检查的效率与准确度。     

地理国情各要素之间套合关系检查要点分析

将地理国情普查工作中地表覆盖和地理国情要素两个重要成果之间的套合关系进行梳理,依据各项规定和生产实践经验,对重点问题进行整理和分析,明确了两者相互关系并提供一些有益的建议,为提高地理国情普查成果质量提供帮助。     

工程测量高职教育存在的问题与改革建议

主要阐述工程测量高职教育中在教师的选聘、课程的设置、实习设备、技能考核、顶岗实习等方面出现的问题。通过对以上问题的分析,探求工程测量高职教育的改革思路,并提出教改的个人观点。     

1∶10000图库一体化数据的质量控制

根据1∶10 000图库一体化数据成果,对图库一体化数据生产过程中各个环节的质量控制进行探讨,提出了一体化数据的质量控制方法。     

地理信息工程专业“普通地图编制课程设计”教学探讨

普通地图编制课程设计是地图学与地理信息工程专业重要的一门实践课程。笔者在分析了当前测绘地理信息技术发展的基础上,对课程教学从内容设计到教学方法等方面进行了探讨。     

Assessing quality of volunteer crowdsourcing contributions: lessons from the Cropland Capture game

Volunteered geographic information (VGI) is the assembly of spatial information based on public input. While VGI has proliferated in recent years, assessing the quality of volunteer-contributed data has proven challenging, leading some to question the efficiency of such programs. In this paper, we compare several quality metrics for individual volunteers’ contributions. The data were the product of the ‘Cropland Capture’ game, in which several thousand volunteers assessed 165,000 images for the presence of cropland over the course of 6 months. We compared agreement between volunteer ratings and an image's majority classification with volunteer self-agreement on repeated images and expert evaluations. We also examined the impact of experience and learning on performance. Volunteer self-agreement was nearly always higher than agreement with majority classifications, and much greater than agreement with expert validations although these metrics were all positively correlated. Volunteer quality showed a broad trend toward improvement with experience, but the highest accuracies were achieved by a handful of moderately active contributors, not the most active volunteers. Our results emphasize the importance of a universal set of expert-validated tasks as a gold standard for evaluating VGI quality.