基于ArcEngine的管线系统的实现

城市综合管网是城市建设的重要组成部分,随着城市地理空间基础框架工程的推进和城市管网信息化的加速发展,城市管网数据将更加与基础地理数据融合为一体,并为城市建设提供基础服务。结合实际应用,介绍了Ar-cEngine在城市管线管理中的应用,以及管线数据库和基础地理空间框架库集成,对于基于GIS的综合管线系统开发具有借鉴和参考价值。     

中共国土资源部党组关于认真组织学习《江泽民文选》的通知

中共中央文献编辑委员会编辑的《江泽民文选》已经出版发行。《中共国土资源部党组关于认真组织学习〈江泽民文选〉的通知》就组织学习《江泽民文选》提出如下要求:充分认识学习《江泽民文选》的重大意义;认真学习领会《江泽民文选》的基本精神;紧密结合国土资源工作实际深入开展学习;切实加强对学习《江泽民文选》的组织领导;要对学习《江泽民文选》作出具体安排。通知强调,学习《江泽民文选》要在通读的基础上,有重点地学习其中关于国土资源工作的重要论述,要与学习贯彻科学发展观紧密结合起来,与学习贯彻国土资源方针政策和法律法规紧密结合起来,与学习贯彻中央领导关于国土资源工作的一系列重要指示特别是温家宝总理“4·21”重要谈话等紧密结合起来,与学习贯彻全国地质工作会议、全国土地调控工作座谈会、全国整顿和规范矿产资源开发秩序工作会议精神紧密结合起来,与研究解决国土资源管理工作中的重点、难点、热点问题紧密结合起来,与开展“完善体制、提高素质”活动紧密结合起来。要紧密联系国土资源管理工作实际,紧密联系干部职工思想实际,在理论与实践的结合中加深理解、武装头脑,指导实践、推动工作。     

认真学习坚决贯彻《通知》精神努力做好土地管理和调控工作

党中央、国务院高度重视土地管理工作,最近专门印发了《国务院关于加强土地调控有关问题的通知》.这是新一届中央领导集体用科学发展观统领全局、加强和改善宏观调控取得的重大成果,充分体现了党中央、国务院实行最严格的土地管理制度的坚定决心.我们国土资源管理系统一定认真学习领会、坚决贯彻落实.     

地理信息系统支持下的山区遥感影像决策树分类

山区遥感影像分类是遥感研究的一大难题。本文利用一种决策树生成算法（C 4.5算法）自动提取知识，基于知识建立决策树用于山区影像分类，并结合研究区土地利用类型与DEM空间统计关系的先验知识，在GIS空间分析的基础上进行影像分类的后处理。与传统的最大似然法分类结果相比，该方法极大地改善了山区地表覆被分类的精度，得到试验区较为可靠的遥感分类图像。     

基于e-Learning的测绘专业教学训练系统的设计与实现

介绍了e-Learning的概念及体系结构,结合测绘专业教育的实际需求,在e-Learning三层体系结构的基础上,给出e-Learning环境下测绘专业教学训练的系统设计及实现方案。     

中共河北省国土资源厅党组理论学习中心组第二次学习会议2006年7月5-7日在石家庄召开

2006年7月5日至7日．中共河北省国土资源厅党组理论学习中心组利用三天时间．围绕“加强机关作风建设，不断提升国土资源管理与服务能力”这一主题．召开了党组中心组第二次集中学习研讨会这次集中学习扩大到厅机关各处室局和直属事业单位主要负责人周明厅长主持会议并作会议结论讲话。     

高三学生地理自主学习能力的培养

本文以高三地理教学为例,着重阐释了用新课程的视角重新审视地理双基的基本观点,阐述了分析筛选地理主干知识的具体方法,以及地理学科读图的规范和技巧,并从完善认知层次、分析主导因素、注重知识内化、形成迁移能力、培养辩证思维、讲究科学表述等方面论述了高三地理的复习教学策略。     

利用深度学习模型进行城市内涝影响分析

城市内涝是当前典型的一类城市自然灾害,影响着居民的生活质量。以城市内涝点作为研究对象,综合考虑内涝对城市居民工作和生活等方面造成的影响,筛选出与影响程度相关的21类空间数据。同时,基于深度学习原理构建栈式自编码神经网络模型,结合层次分析法获取的内涝点影响程度标签,剖析21类空间数据与内涝点对居民工作生活影响程度的关系,实现城市内涝对居民工作和生活影响的定量分析。实验表明,栈式自编码神经网络模型能准确地描述内涝点周围的系列空间数据与内涝影响程度之间的关系,可有效预测潜在内涝点对居民工作和生活的影响程度大小,可用于城市防洪排涝方案的制定和排水管网的优化设计。     

基于深度学习的河道提取与变化监测应用——以永定河为例

本文基于2014年、2017年、2018年三期GF1遥感影像,针对北京市石景山永定河河道变化特征,开展基于深度学习算法的河道自动提取与变化图斑自动发现。选择GEOWAY GFLP作为地理要素智能训练平台,采用基于疑似变化区域自动发现与人工交互确认相结合的遥感监测技术路线,选取典型水体样本进行分析、训练,构建深度学习卷积神经网络水体提取模型。通过分析与验证发现,基于深度学习水体提取模型自动提取的河道准确率高于90%,精度高于最小距离、最大似然及SVM分类方法,可用于城市河道的自动提取和变化发现。     

一种卷积神经网络的地图图片智能识别方法

针对网络中的地图图片目前难以快速搜寻并对其进行有效标引这一问题,该文提出了使用深网搜索引擎持续获取网络图片,在标记样本较少的情况下,采用基于主动学习的样本扩容算法、基于卷积神经网络的网络地图图片自动语义标引方法,能快速、有效地识别网络中的地图图片,对地图图片的识别精度达到了93.64%,克服了采用人工方式获取样本和图片识别过于耗时费力的困难,有效解决了稀少样本下网络地图图片的智能提取难题,可为地理信息挖掘、问题地图监管等提供有效保障。