基于FME语义转换的CAD格式地下管线数据入库预处理

基于AutoCAD人机交互成图方式是目前地下管线探测数据处理的常用方法,而如何将以扩展属性存储复杂管线信息的CAD格式管线数据无损转换为GIS格式,并适应各种不同要求的数据标准以录入管线信息管理系统,是业内经常遇到的难题。本文基于FME软件的语义转换技术,结合实例研究将CAD格式地下管线数据无损转换为Shapefile文件的过程及要点,转换成果符合入库标准。语义转换技术使得转换过程更加灵活、高效。     

基于FME的空间数据处理实现

本文提出了空间数据处理的几个关键点,引入了Feature Manipulation Engine(以下简称FME)基于语义的数据转换处理软件,通过应用实例,介绍了如何在FME中实现各种空间数据处理,利用FMEPlug-in(SDK)开发新的数据格式插件,及利用FMEObject调用管道来开发集成的数据批处理程序,为空间数据处理提供了一个很好的思路。     

北京野鸭湖湿地不同植被退化区的土壤种子库特征

2010年5月,在北京野鸭湖湿地自然保护区选择废弃鱼塘、耕作苜蓿(Medicago)地、撂荒苜蓿地、天然退化湿地和天然湿地作为实验地,其中,天然湿地作为对照。通过土壤种子库萌发实验,对实验地土壤种子库的基本特征以及与地上植被的关系进行了对比研究。结果表明,5种实验地的土壤种子库共有60种植物,隶属于23科46属。其中,萌发物种最多的是菊科(Compositae)、禾本科(Poaceae)和莎草科(Cyperaceae),分别为11种、10种和8种。废弃鱼塘、耕作苜蓿地、撂荒苜蓿地和天然退化湿地种子平均密度为6 885粒/m~2,天然湿地种子的平均密度为16 083粒/m~2,5种实验地的种子库密度差异极显著(n=300,F=4.828,p=0.001<0.05);各实验地的种子库垂直分布有一致的规律性,各实验地0～6 cm土层的种子库密度明显高于6～12 cm土层;各实验地的土壤种子库与地上植被的相似性系数都不高,土壤种子库物种组成的稳定性要高于地上植被。通过研究发现,退化湿地的土壤种子库中有大量的植物种子储藏和湿地植物的种子,这为野鸭湖退化湿地恢复提供了重要的保障,这些潜在的植物种子在野鸭湖退化湿地生态输水过程中会起到应有的恢复作用。建议野鸭湖湿地自然保护区管理部门继续加强退化湿地区域的土壤种子库保护工作,必须重视水环境的恢复、各种人为干扰的消除以及系统保护的加强。     

利用GPS轨迹二次聚类方法进行道路拥堵精细化识别

针对当前在精细识别道路拥堵时空范围方面研究的不足,提出一种利用GPS轨迹的二次聚类方法,通过快速识别大批量在时间、空间上差异较小且速度相近的轨迹段,反映出道路交通状态及时空变化趋势,并根据速度阈值确定拥堵状态及精细时空范围。首先将轨迹按采样间隔划分成若干条子轨迹,针对子轨迹段提出相似队列的概念,并设计了基于密度的空间聚类的相似队列提取方法,通过初次聚类合并相似子轨迹段,再利用改进的欧氏空间相似度度量函数计算相似队列间的时空距离,最后以相似队列为基本单元,基于模糊C均值聚类的方法进行二次聚类,根据聚类的结果进行交通流状态的识别和划分。以广州市主干路真实出租车GPS轨迹数据为例,对该方法进行验证。实验结果表明,该二次聚类方法能够较为精细地反映城市道路的拥堵时空范围,便于管理者精准疏散城市道路拥堵,相比直接聚类方法可以有效提升大批量轨迹数据的计算效率。     

一种空间关系相似性约束的居民地匹配算法

从分析人在寻找陌生地物时的思维习惯入手,在居民地匹配过程中引入了空间关系相似性约束。对两个居民地之间的拓扑关系、距离关系和方向关系的相似性进行了分析,并提出了符合人认知习惯的离散化计算方法。在匹配过程中,以突出居民地作为起始对象,以已匹配居民地作为参照,对未匹配居民地按空间邻近原则进行广度优先搜索,利用空间关系相似性约束来缩小匹配目标备选集,实现了空间关系有序的精确匹配。最后,对已匹配对象实施了基于邻近对象空间关系相似性校验的匹配质量检查。实验结果表明,该算法在待匹配数据位移较大、居民地对象形状同质化较高的情况下优势明显,能够有效提升匹配精度。     

基于本体的地理信息服务查询组件设计

介绍了一种基于本体的服务发现组件设计方法,将基于本体的元数据和基于本体的查询结合起来,提高了基于OGC标准的网络地理服务发现的查询效率和准确性.     

融合3D DenseNet的零样本视频分类

零样本视频分类（zero-shot video classification,ZSVC）采用的点积分类方式容易使神经元产生较高方差,从而导致模型对输入分布的变化非常敏感。针对该问题,采用三维密集网络（3D DenseNet）与余弦相似性相结合的方法,提出了一种基于3D DenseNet的零样本视频分类（3D DenseNet for zero-shot video classification,DZSVC）算法,通过使用余弦相似性的分类方式替代点积分类方式来控制方差的范围,使模型对不同的输入幅值具有更强的鲁棒性。该算法首先将视频数据输入到3D DenseNet中,利用3D DenseNet的密集特性提取更丰富的时间和空间信息,并将提取出来的特征向量映射到公共空间。采用基于余弦相似性的方法对视频进行分类,在UCF101数据集和HMDB51数据集上的准确率分别为32.9%和20.2%,UCF50数据集和HMDB25数据集上的准确率分别为41.4%和23.7%,实验结果表明所提算法具有良好的分类效果。     

基于深度学习的新增建设用地信息提取试验研究: 全国土地利用遥感监测工程创新探索

目前基于遥感图像的城市功能区分类方法通常采用光谱特征解译、兴趣点数据辅助、评价策略优化等方式,依赖大量人工操作,并借助遥感图像外的其他信息源。为了解决以上问题,提出利用卷积神经网络进行滑窗识别,提取图像语义标签,结合语义推理机制实现城市功能区分类的滑窗-推理方法。首先,建立两级城市功能区分类,以二级城市功能区为标识标注训练样本,并以此训练卷积神经网络作为识别器;然后,设计有重叠的滑窗识别模式,使用识别器辨识滑窗区域内图像块的二级城市功能区类型;最后,提出一个带权重的打分机制,作为语义推理方式,语义推理对象为全部识别结果,确定各图像块的一级城市功能区类型,实现遥感图像城市功能区分类。实验使用模拟图像和高分辨率遥感图像,两种图像的总分类精度分别可达94.50%、92.04%。滑窗-推理方法旨在通过语义推理处理滑窗识别产生的多语义标签,根据多语义标签确定对象的真实城市功能区。实验结果表明,所提方法无需辅助信息,直接利用遥感图像进行城市功能区分类是可行和有效的。