面向对象的土地利用多尺度时空数据模型

文章分析了目前多尺度土地利用研究现状和面向对象时空数据模型特点,兼顾考虑多尺度土地利用数据的空间、时间和语义属性的多尺度特征,以空间维度为切入,对面向对象时空数据模型进行扩展,构建面向对象的土地利用多尺度时空数据模型.应用实践表明,该模型能够较好表达多尺度土地利用数据的时间、空间及语义属性信息,反映多尺度土地利用要素对象之间的多层次关联关系,既能够降低数据的冗余存储,又确保各要素对象之间的有机耦合.     

南宁市六城区数字高程模型制作及应用前景

以南宁市六城区数字高程模型制作为例,对南宁市数字高程模型的制作过程进行了系统的阐述,由此针对制作大比例尺数字高程模型提出几点建议,最后探讨了其社会经济效益和推广前景.     

基于移动GIS和LBS技术的地名地址快速采集方法研究与应用

介绍移动GIS的特点和LBS定位技术,针对目前地名地址采集过程中存在的数据采集不准确、不规范和周期长等一系列问题,设计了从外业拍照、数据采集、内业录入到数据更新的地名地址数据采集流程,并开发了地名地址数据采集系统,其次,介绍地名地址采集系统的实现和功能配置,并结合实例分析系统的应用情况.系统既简化了地名地址的采集流程,同时又提高了数据采集的效率.     

CBERS-02星图像几何纠正方法试验研究

为了研究中巴地球资源卫星CCD多光谱数据规模化应用的可行性,扩大基础地理信息更新的影像资料来源,以CBERS-02星（简称02星）CCD多光谱数据的标准景为例,对2种几何纠正模型进行了对比研究,分析了3种不同基础控制资料对纠正精度的影响,并对精度评价方法进行了试验研究。在此基础上,总结形成了针对02星CCD多光谱数据1∶10万比例尺影像最为省时有效、精度最佳的几何纠正技术方法。     

基于要素规则分类的城镇地籍数据建库方法研究

城镇地籍数据的有效分类与正确组织是地籍数据库规范建立和正常运行的前提条件。本文提出了基于地籍要素规则的分类方法,按照地籍数据的表达类型,描述了宗地背景图形数据、宗地图形数据、测量控制点数据、属性数据和档案数据的各个要素定义和编码规则。以成都市地籍数据库的建设为实例,根据各种来源的地籍数据分别开展了不同类型地籍数据的快速分类与入库工作。     

一种空间域矢量地图数据盲水印算法

对目前已有的针对二维矢量数据的水印算法进行了分析,并提出了一种新的鲁棒的盲水印算法。该算法首先将矢量数据分块,然后在不同分块中,结合密钥修改某些点的x坐标或者y坐标,从而嵌入水印信息。实验证明,该算法对平移、坐标转换、制图综合、插值等常规操作以及地物对象顺序置乱等攻击具有较好的鲁棒性,并且是一种盲检算法,具有较好的实用价值。     

地图数据读取过程中的数据调度

提出了一种限定内存申请量前提下的数据调度方法。该方法按照FIFO策略实现内外存数据按页面交换,有效地解决了内存限定前提下大数据量地图数据的读取与显示问题。     

S形分布的数据拟合数学模型研究

S形曲线有着广泛的应用,以往的研究模型仅含三个参数,大多以对称S形分布的基本光滑数据为例,这使得自由度受限的和以理想数据为研究对象所得到的研究结果难以适用于更实际的、非对称(左偏S形分布、右偏S形分布)的非光滑观测数据。为此,提出并建立了含有5个参数的二次有理模型,作为对S形分布的观测数据进行拟合的模型,并进一步分为带导数拟合、5分段和值拟合和5特征点拟合,使S形分布的各种情况(左偏、对称和右偏)的拟合得到明显改善。     

改进的P-SVM支持向量机与遥感数据分类

本文介绍了将P-SVM算法引入多光谱/高分辨率遥感数据的分类, 并且展示了卫星ASTER和航空ADS40数字影像分类的技术过程和结果验证。结果表明：P-SVM方法的分类精度不低于SVM, 并减少了时耗。     

Singular value decomposition and cluster analysis as regression diagnostics tools for geodetic applications

It is well known that high-leverage observations significantly affect the estimation of parameters. In geodetic literature, mainly redundancy numbers are used for the detection of single high-leverage observations or of single redundant observations. In this paper a further objective method for the detection of groups of important and less important (and thus redundant) observations is developed. In addition, the parameters which are predominantly affected by these groups of observations are identified. This method thus complements other diagnostics tools, such as, e.g., multiple row diagnostics methods as described in statistical literature (see, e.g., Belsley et al. in Regression diagnostics: identifying influential data and sources of collinearity. Wiley, New York, 1980). The method proposed in this paper is based on geometric aspects of adjustment theory and uses the singular value decomposition of the design matrix of an adjustment problem together with cluster analysis methods for regression diagnostics. It can be applied to any geodetic adjustment problem and can be used for the detection of (groups of) observations that significantly affect the estimated parameters or that are of negligible impact. One of the advantages of the proposed method is the improvement of the reliability of observation plans and thus the reduction of the impact of individual observations (and outliers) on the estimated parameters. This is of particular importance for the very long baseline interferometry technique which serves as an application example of the regression diagnostics tool.