一种基于元规则的地理国情普查元数据时间顺序自动检查方法

元数据作为地理国情普查的重要组成部分,其数据质量决定整个作业流程的可靠性,而元数据的时间顺序检查一直没有自动高效的方法。根据第一次全国地理国情普查对元数据的具体要求,本文提出一种高效准确的检查方法,并得到实践检验,可为地理国情普查质检工作提供技术参考。     

树状河系主流的自动推理

分析了不同类型河系的空间特征,对非网状河系以180°假设和锐角假设为基础,改进了自动确定河段流向的定量化决策表,当出现流向冲突时,遵守少数服从多数的原则。参考河段的流向、节点处分支河段的累计河段数和累计长度,能自动推理出树状河系的主支流关系。在此基础上,进一步研究了树状河系的编码方法,并用实例验证了所提出的算法。     

RTK技术在沛县新城区图根控制测量中的应用

叙述了RTK技术在沛县新城区图根控制测量中的应用,通过比较分析说明：RTK的测量精度完全能够满足1：500地形测图图根控制的精度要求。     

基于水流路径分析的雪线数字提取

基于水流路径分析的思路,提出一种雪线自动提取方法。该方法利用对水流路径上积雪覆盖信息逐像元对比,记录最下点位置形成积雪区下边缘点,顺次连接各点形成雪线;在此基础上,探讨了多年平均雪线的求算。研究表明,该方法可避免雪盖内部积雪空缺区域对下边缘线提取的影响,较好地提取积雪区的下边缘线,初步实现了雪线的数字提取;并可较为方便地进行多个时期雪线的时空变化对比分析。利用该方法并结合遥感影像数据,可为大范围雪线时空分异信息的快速、准确提取与分析奠定基础。     

Identifying local spatial association in flow data

In this paper we develop a spatial association statistic for flow data by generalizing the statistic of Getis-Ord, G _i (and G _i ^*). This local measure of spatial association, G _ij, is associated with each origin-destination pair. We define spatial weight matrices with different metrics in flow space. These spatial weight matrices focus on different aspects of local spatial association. We also define measures which control for generation or attraction nonstationarity. The measures are implemented to examine the spatial association of residuals from two different models. Using the permutation approach, significance bounds are computed for each statistic. In contrast to the G _i statistic, the normal approximation is often appropriate, but the statistics are still correlated. Small sample properties are also briefly discussed. Received: 18 February 1998/Accepted: 29 September 1998     

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。     

基于MapGIS的地理国情普查研究与应用

随着第一次全国地理国情普查工作的全面开展,出现了众多地理国情信息数据处理软件,数据的采集和制作也遇到了各种各样的问题,我们利用MapGIS平台对软件的内部模块和功能进行了有效的利用,并得到了很好的应用效果。     

复杂卫星图像中的小目标船舶识别

船舶作为海上的重要目标,实现对船舶自动识别有重要的意义。针对卫星图像中云雾、海岸背景等复杂海情对船舶识别带来的干扰,以及小目标船舶高漏检率问题,本文提出一种多尺度深度学习模型训练策略,在此基础上构建了一种船舶识别的深度学习网络,该网络可分为多尺度训练、特征提取、生成目标建议区域、船舶分类这4个部分。首先,采用多尺度的训练策略,将多尺度的船舶样本送入网络中进行训练,这样在训练样本中加入了大量小目标船舶的样本,使网络充分提取到小目标船舶的特征;其次,通过卷积神经网络对目标船舶进行特征自适应提取;然后,目标区域建议网络可依据卷积神经网络提取到的特征,在图像中找到感兴趣目标区域,即框定船舶的位置;最后,通过多个全连接层的组合,将高维特征映射到一个4元组中,再运用分类函数输出每一类船舶的概率值,概率值最大的则为该船舶的类别。同时为解决云雾遮挡和海岸背景的干扰,采用了一种负样本增强学习的方法,在样本数据集中加入了大量只含有云雾和海岸背景的图片,进行负样本扩充,增强网络模型对云雾及海岸背景的特征学习能力,以此解决复杂海情的影响。实验结果表明,所提方法有效解决了复杂海情条件下的船舶识别难,以及小目标船舶识别难的问题,实现了复杂海情条件下的船舶识别。同时,与现有成熟的深度学习目标识别算法相比,本文算法的精确度和召回率分别提升了6.98%和18.17%,所训练的模型具有良好的泛化能力和鲁棒性。     

景观格局在地理国情综合统计中的应用研究

在地理国情综合统计分析的研究中,利用景观格局能够进行生态协调性和地表覆盖景观格局分析。在景观格局分析中,常用的方法是景观格局指数。本文对景观格局指数在黑龙江省地理国情普查的两个实验区的应用进行了研究与分析。     

陕西省明长城文物保护监测

结合地理国情普查试点工作的技术和方法,详细阐述了陕西省明长城文物保护监测生产过程中地理国情要素信息提取方法,获取明长城监测数据,对监测成果进行统计分析,总结明长城文物保护监测生产技术方法,并提出保护明长城的建议.