融合自编码与密集残差网络的滑坡易发性评价

针对滑坡易发性评价中编录样本受限、特征信息利用不足，导致预测效果不理想的问题，该文提出融合栈式自编码与密集残差网络的滑坡易发性评价方法。将传统自编码网络进行栈化，重构原始数据以强化特征表达；在卷积神经网络中引入跳层连接，通过密集连接的方式构建一种密集残差网络模型提取数据的深层特征。该文以四川省雅安市为研究区开展滑坡易发性评价，将所提模型与逻辑回归模型、CPCNN-RF模型、U-net模型进行了对比分析。实验结果表明：该方法取得最佳精度，受试者工作特征曲线下的面积为0.883,在一定程度上能够较好地适应小样本预测，易发性制图结果更为准确可靠。     

区域管理信息系统数据分类体系与编码结构

区域管理信息系统是为区域规划、管理和决策服务的。经调查研究和系统设计,系统的数据分类体系一般需要7—8级分类才能把有关专题图上最小图斑的内容或属性表示出来。7—8级分类体系中最高的3级分类为高位分类,是各级区域管理信息系统中必须具有的分类。低位分类是第3级高位分类的细化,具有更强的学科性。由于它涉及的学科繁多,各专题分类形式各异。最后决定用32位数字组成区域管理信息系统的数据分类编码,其含有高位分类码、低位分类码、区位码、时间码、顺序码和机动码,分别占用4、8、6、6、4和4位码。便于各级区域管理信息系统之间的数据共享和交换。     

浙江省水利基础数据标准研究

针对现有国家、行业标准规范有关水利基础数据的内容无法满足当前浙江省智慧水利建设和数字化改革的问题，该文将水利地理实体与浙江水利业务充分融合，提出了一种全水利对象分类、全关系时空表达的多层次水利基础数据模型，讨论了水利基础数据质量目标和编制技术流程，重点阐述了水利基础数据标准编制的核心内容，包括水利对象分类颗粒度划分、水利对象编码和水利知识图谱构建等，通过浙江省级地方标准《水利对象分类规范》(DB33/T 2512—2022)、《河湖基础数据规范》(DB33/T 2442—2022)、《水库基础数据规范》(DB33/T 586—2022)的实践，构建了浙江省水利基础数据标准体系，为省级水利基础数据采集、处理、管理和服务提供支撑，为其他行业在基于本行业地理实体编制基础数据标准提供经验。     

基础地理实体MA标识体系初探

针对当前因基础地理实体标识码不统一、不持久导致的多源数据无法与其精准对接、数据资源无法高效流通的问题，该文在对比研究当前主流标识体系的基础上，设计了适用于新型基础测绘与实景三维建设的基础地理实体MA标识体系，涵盖实体编码、标识注册、标识解析及基于实体标识的应用服务等。研究与实验表明，基础地理实体MA标识码具备全球唯一、终生保持等特点，基础地理实体MA标识体系能够支撑构建基础地理实体的应用生态，未来可以从根本上解决多源数据关联共享的难题。     

地理编码的卫星数据

本文叙述了地理编码卫星数据的概念及其处理方法。