基于MapGIS建立的中国地质环境图系数据库

中国地质环境图系数据库,是中国首套统一结构、统一格式、统一编码的涵盖地质环境、地质灾害、地下水、矿山地质环境、地质遗迹5个专业领域的全国性数据库。该套数据库是基于1：1 000 000数据源的地理信息库,以分省1：500 000环境地质调查、县市地质灾害调查、重点地区1：50 000地质灾害调查、新一轮地下水资源评价、第二轮全国矿山地质环境摸底调查和矿产资源集中开采区矿山地质环境调查、首轮地质遗迹调查等数据为基础,集成近20年来水工环地质调查监测数据和最新综合研究成果,根据统一的建库技术要求建立而成。该套数据库具有统一的系统库（符号库、颜色库、图案库、线型库）,属性按照统一的编码规则和要求建立,图件按照统一的图饰图例进行了规范化处理,共包含163个专业图层,图元数量共337 833个,容量约8.8 GB。该套数据库为实现成果图件的动态管理与更新、构建数字地质环境奠定了基础,可为地质环境保护管理、国土空间规划、生态修复、地质灾害防治提供详细的基础信息资料。     

分布式空间数据库在海量卫星影像管理中的应用

针对现有影像存储方法在海量卫星影像存储中性能不足的问题,分析了现有卫星影像数据存储方法的特点,提出了基于分布式空间数据库管理影像元数据的改进方法。该方法采用文件系统存储影像非结构化的实体数据,影像的空间信息及元数据存储在分布式空间数据库中,实现了海量卫星影像数据的高性能存储,并开展了资源三号卫星影像数据管理试验。试验表明该方法在海量卫星影像数据查询性能方面有显著提高,适用于海量卫星影像数据存储。     

全球矿床数据库建设现状、应用与展望

基于大数据和人工智能技术的数据驱动科学范式推动地球科学研究发生了变革。作为地球科学的重要分支,现代矿床学经历了百余年的发展,已经积累了海量的数据资料,这些数据的流通和共享是发挥其资源价值的关键。文章介绍了中国“地质云”与全球矿产资源储量动态评估数据库、澳大利亚深部地球探测计划AuScope、美国矿产资源在线空间数据库、国际经济地质学家学会(SEG)Geofacets数据库、美国标准普尔公司SNL Metals&Mining数据库等国际主要矿床数据库的情况;同时,列举了应用大数据思维和人工智能方法在区域成矿规律、矿床成因机制、矿床类型判别、资源潜力评价、战略咨询等方面取得的若干重要进展。文章提出,未来在深时数字地球国际大科学计划的平台下,整合全球海量矿床数据,建设开放、共享、统一的矿床大数据平台势在必行。     

基于Surpac的紫金山金铜矿床三维地质建模

使用Surpac三维可视化数字矿山软件,建立了紫金山金铜矿床地质数据库,构建了矿床地表、采空区、巷道、金铜矿体的三维模型;利用地质统计学方法,对样长、组合样长进行基本统计,分析频率累计曲线,确定特高品位并进行处理,开展矿体走向、倾向、厚度方向的变异函数分析和曲线拟合,建立了变异函数模型;确定了估值方法和估值参数,主矿体采用普通克里格法,小矿体采用距离幂次反比法进行估值,建立了带有丰富属性值的矿体块体模型。实践表明,所建地质模型总体可靠性强,适用性符合要求,极大地提高了工作效率。     

境外地质资料管理系统中定制目录树的实现

在境外地质资料管理系统的数据管理和使用中,目录树可按数据处理过程、地质专业或数据类型等划分,但用户发生改变后,目录树则很难进行修改。鉴于此,采用Tree View控件表达关系数据库中目录树表,根据目录树表中记录的父子关系进行显示层和数据层的同步处理,实现了按照不同用户需求,可自由定制、调整目录树结构的方法,具有灵活、方便,易于更新、应用等优点,使境外地质数据在使用和应用中更便于管理和使用。     

自然资源资产数据体系与审计信息化建设思路

针对领导干部自然资源资产离任审计工作的特点和需求,提出了自然资源资产数据体系与审计信息化建设思路。着重介绍了数据体系构成、数据来源和数据库的设计,提出了审计信息化建设的原则、总体框架和功能设计,分析了当前存在的关键问题并提出建议,为自然资源资产审计信息化建设提供了一种思路和方法,对自然资源资产离任审计工作具有借鉴意义。     

结合汶川8.0级地震实践探讨地震应急基础数据库更新途径

通过汶川8.0级地震实践的检验,"十五"期间建立的地震应急基础数据库急需更新和完善.围绕地震应急基础数据库建设时期遇到的各种问题以及地震应急实际需求,对地震应急基础数据库更新的途径和方法进行初步探讨,以满足地震应急工作需要.     

基于数据库和GIS技术的地震会商系统

基于数据库和GIS技术的地震会商系统,采用Oracle数据库、Arc Engine、Jfree Chart控件和C#语言组合开发,实现地震数据在线分析和信息的动态展示,提高地震分析会商能力。     

三维城市模型数据划分及分布式存储方法

随着信息获取技术的快速发展,地理信息数据每天以TB级的数量增加。三维城市模型数据作为三维GIS的重要内容,在数字城市和智慧城市建设过程中发挥重要作用。由于三维城市模型数据结构复杂,其数据量具有海量性,因此,高效地对三维城市模型进行划分及存储,以满足数据的长效管理及三维GIS系统的快速可视化数据调度和空间辅助决策需求,成为近年的研究热点。以往的数据划分方法导致划分区域在数据调度中变化频繁,使数据更新和管理变得困难,需寻找一种更为稳定且具有普适性的数据划分方法。本文分析了现有三维城市模型数据划分方法的不足,提出了基于拓扑关系模型的大比例尺图幅划分方法,并对划分后三维模型数据进行统一命名编码;借助非关系数据库MongoDB强大的海量数据组织及高效的多并发访问功能,构建了MongoDB分片集群服务器;对三维城市模型数据进行了单元划分,并采用规则建模软件City Engine进行建模,得到三维城市模型,借助非关系数据库软件MongoDB进行数据存储实验。结果表明,基于拓扑关系模型的大比例尺图幅划分方法适用于三维城市模型数据划分,划分后数据的存储效率明显提高,MongoDB数据库的多并发访问效率具有良好的稳定性。     

基于Hbase的地震大数据存储研究

提出一种基于Hbase的地震大数据存储方法,通过搭建测试平台、Java语言开发测试程序,并与MySQL在存储、查询结构化与非结构化数据方面进行性能对比。结果表明,Hbase存取地震数据耗时更低,在数据量多时,其性能更加显著。