GIS基础软件技术体系发展及展望

地理信息系统作为IT系统的重要组成部分,其技术的每一次进步都与最新IT技术的兴起息息相关。随着云计算、大数据、人工智能等技术的发展与应用,如今GIS基础软件已经形成五大技术体系：大数据GIS技术体系,增加了对空间大数据的存储管理、分析处理以及可视化的能力,丰富了空间数据的内涵;人工智能GIS技术体系,GIS通过结合人工智能相关算法,增强了GIS模型的分析预测能力,同时二者之间相互赋能,在增强GIS能力的同时,也让人工智能具备空间分析和可视化能力,拓展了其应用范围;新一代三维GIS技术体系,实现了二三维GIS一体化和多源异构数据的融合,推动了三维GIS从室外走向室内,从宏观走向微观;分布式GIS技术体系,突破了数据类型和容量的限制,数量级提升了GIS软件的性能,让高可用和高可信GIS应用成为可能;跨平台GIS技术体系,使得GIS软件可运行于不同类型的CPU架构和操作系统,满足日益丰富的多终端应用需求。五大技术相辅相成,进一步拓展了GIS基础软件的能力和应用场景。本文以SuperMap GIS为例,详细介绍了GIS五大技术体系的具体内容,阐述了每项技术的难点与创新点,并用光环曲线对五大技术体系的发展阶段进行了划分,探讨了未来GIS技术的发展趋势。     

人工智能GIS软件技术体系初探

作为人工智能的代表性技术,深度学习已经成为大数据等各个领域中最具有突破性发展的新技术。深度学习的成功主要得益于其新颖的数据驱动的特征表示学习能力,这种能力成功地替代了传统建模中基于领域知识人为设计特征的方式。在这些技术推动下,人工智能技术在新一代GIS基础软件技术的研究与应用中发挥着极为重要的作用,而现有人工智能GIS（AI GIS）技术研究整体仍处于初步探索阶段,距离成熟阶段尚有较大距离。作为新一代GIS基础软件的方法和技术,AI GIS已经广泛应用在遥感数据分析、水资源研究、空间流行病学和环境健康等地学领域,与传统GIS模型相比大大提高了对非结构化的遥感或街景影像和文本的地理信息提取和特征理解能力,显示出巨大的价值和发展潜力,但现有研究对AI GIS软件技术体系的梳理和总结尚不够全面。大部分研究只关注地理空间人工智能算法的研究及其特定场景下的应用研究,而对相关的AI GIS软件技术体系关注较少。本文分析了地理智慧的几个层次,并讨论了其与AI GIS的关系,总体介绍了国内外现有人工智能技术与GIS软件相结合的发展现状,进而提出了AI GIS软件技术体系。根据AI与GIS的结合关系提出了AI GIS由地理空间智能算法、AI赋能GIS和GIS赋能AI三部分组成。此外,为深入介绍AI GIS各部分组成,本文以SuperMap为例,探讨了AI GIS软件的设计与实现。最后,探讨了AI GIS的未来发展中亟需解决的问题。本文基于AI GIS软件技术的初步探索,尝试为地理智能的基础GIS软件技术体系的构建提供理论基础,以促进人工智能技术与GIS技术的进一步融合和发展,为实现地理智能提供一个可行的研究方向。     

MapObjects for Visual C++在ArcInfo 8平台下实现钻孔特征属性查询功能的方法研究

以基岩钻孔为例，概述了利用MapObjects for Visual C 在ArcInfo8平台下实现钻孔柱状图特征属性查询功能的技术方法，它具有简单，高效，实用的特点，对其相关特征属性查询功能的开发具有积极的指导意义。     

基于波形参数的微震P波到时拾取值质量控制方法

微震事件中常常包含一些异常信号、强噪声干扰信号和弱信号,这些通道信号的P波到时自动拾取精度往往很低,甚至拾取错误。目前国内外微震监测系统进行自动定位时,并不对各个P波到时拾取值预先筛选,而需要技术人员手动剔除或修正部分无效P波到时,然后才能进行正确定位。为此,首先引入了一种Akaike信息准则（AIC）两步骤拾取算法,并基于某深埋隧道微震监测案例定量分析了P波到时拾取误差与震源定位精度之间的关系,从而引入了P波到时拾取值容许误差的概念。然后,利用AIC两步骤拾取算法拾取微震波形的P波到时,并计算各项波形参数,进行大量统计,深入研究了影响P波到时拾取精度的波形参数。以容许误差为基准,将P波到时拾取值分为有效（标签为1）和无效（标签为?1）两类,并以相应的波形参数为数据输入,采用支持向量机方法（SVM）训练数据,最终建立了P波到时拾取值质量控制模型。实际应用表明：P波到时拾取值质量控制方法能有效剔除错误拾取值,从而大幅度提高数据自动处理效率和震源定位精度。     

人工智能技术发展概述

近年来,以深度学习为核心的人工智能技术,取得了一系列重大突破.本文将就人工智能的产业化热潮,主要研究流派及发展历史,以深度学习为核心的成功应用,以及存在的一些问题和今后的可能研究方向做一个介绍.     

Embedding a Geographic Information System in a Decision Support System for Landslide Hazard Monitoring

In this paper we present an application that exploitsa geographic information system as a front-end of acomplex information system supporting the managementof landslide hazard in Valtellina, an alpine valley inNorthern Italy.A decision support system (EYDENET, operational sinceOctober 1996), incorporating a geographic informationsystem and a data interpreter based on artificialintelligence techniques, processes the readings of the250 most significant instruments of a monitoring netof about 1000 sensors installed on differentlandslides in several alpine valleys.Data gathered by extensometers, clinometers andpluviometers, to check both movements of rocks andclimatic conditions which could affect them, areprocessed by EYDENET, that provides on-lineinterpretation of data, helps the users analyse them,and generates natural language explanations and alarmmessages for the people responsible for theenvironmental management and the civil protection.     

Semantic Web Services‐based process planning for earth science applications

In a Web service‐based distributed environment, individual services must be chained together dynamically to solve a complex real world problem. The Semantic Web Service has shown promise for automatic chaining of Web services. This paper addresses semi‐automatic geospatial service chaining through Semantic Web Services‐based process planning. Process planning includes three phases: process modeling, process model instantiation and workflow execution. Ontologies and Artificial Intelligence (AI) planning methods are employed in process planning to help a user dynamically create an executable workflow for earth science applications. In particular, the approach was implemented in a common data and service environment enabled by interoperable standards from OGC and W3C. A case study of the chaining process for wildfire prediction illustrates the applicability of this approach.     

智慧遥感制图(iMap)

本文基于地图制图发展趋势,提出智慧遥感制图的概念(iMap).旨在梳理遥感制图未来的努力方向.iMap应从制图目的灵活性、制图知识可迁移性、数据多源性、多算法集成性和制图系统易用性等方面深入利用大数据和人工智能技术,创新遥感制图理论和技术.     

基于数据与模型联合驱动的波阻抗反演方法

井插值初始模型为基于模型的反演提供的低频信息往往不够准确,导致该模型驱动方法容易出现较大的波阻抗预测误差且建模效率较低.为缓解这些问题,本文利用数据驱动的深度学习反演更加擅长预测低频阻抗的优势,提出一种基于数据与模型联合驱动的波阻抗反演方法.该方法联合地震和测井等数据,先后开展数据驱动和模型驱动的波阻抗反演.首先,数据驱动部分使用井旁地震记录、测井导出的波阻抗曲线以及井插值低频阻抗曲线,搭建以双向门控递归单元为主要模块的波阻抗智能预测网络.其次,该网络预测的波阻抗的低频分量作为数据驱动初始模型,替代井插值初始模型而参与模型驱动部分.最后,模型驱动部分在地震数据匹配和数据驱动初始模型的共同约束下开展基于模型的反演,获得最终的波阻抗结果.合成数据和实际数据测试表明,本文方法相比于单一的数据驱动或模型驱动方法能获得更高分辨率和更高精度的波阻抗反演结果,从而为后续储层预测提供可靠的弹性参数分布.