数字柳州地理空间框架应用推广探索与实践

地理空间框架是数字城市乃至智慧城市建设的重要基础,其应用推广的好坏关系到系统能否长效运行,是重中之重。本文以数字柳州地理空间框架为例,分析应用推广的现状与存在的问题,探索应用推广的模式,总结应用推广的内容与方法,并结合柳州实际情况进行了实践,搭建了教育学区专题应用、存量房价格认证服务平台、人口电子地图管理系统、三维土地供应系统,并与数字化城市管理系统实现了对接,同时在公众网搭建了地理信息公众服务系统。     

物联网与三维GIS技术在油田设备设施管理中的应用

针对物联网技术和三维GIS技术的特点,阐述了物联网与三维GIS之间的关系。利用油田网络、物联设备之间的传感与自动信息采集,结合三维虚拟场景提供设备设施的空间感、方位感等,使设备设施更具有时空分辨能力,为油田设备精细化管理提供条件。     

LIDAR测量技术在公路测设中的应用分析

公路是线性工程,适于航测与LIDAR技术进行测设,以提供DLG,DEM,DOM产品。航空摄影后处理周期较长,需要几个月甚至更长时间,影响测设任务进程,而LIDAR技术能够弥补这些缺陷,提高工程效率的同时提高工程质量。本文采用LIDAR技术进行分析,并且与以往的航测摄影进行比较,得出一些有益的成果。     

沉降监测数据的非等间距GM(1,1)模型插补应用

科学、准确、及时地分析和预报建筑物的沉降状况,对其施工和运营极为重要,沉降监测的研究成果也是检验设计和施工的重要手段。由于自然环境的多变性、施工现场的复杂性等各种主、客观因素影响,监测数据有时会出现间断,为了分析沉降规律,需要对缺失数据进行插补。考虑到沉降监测非等时间间隔的特点,建立非等间距GM(1,1)模型及优化背景值的GM(1,1)模型,应用于沉降监测缺失资料的插补工作中,取得了较满意的监测间断数据插补值。     

基于3S技术的土地开发整理探讨

土地开发整理对于节约土地资源、维持可持续发展具有重要作用,是一项涉及多方面的复杂系统工程。3S技术为土地利用信息获取和土地开发整理提供了必要的技术支撑,本文在总结分析3S技术特点的基础上,设计了基于3S技术的土地开发整理体系,该体系可以为土地开发整理工作提供借鉴。     

城市CORS参考站稳定性监测与区域地表变形分析

以常州市CZCORS监测网的数据处理为例,探讨城市CORS参考站稳定性监测的方法,对比分析不同参考框架和变形监测基准对计算参考站三维位移结果的影响.利用CZCORS监测成果,建立精确的城市水平位移速度场,并对区域地表垂直位移变化规律进行分析,给出一些有益的结论和建议.     

一种提高大比例尺航测精度的方法试验研究

针对现有规范关于1∶500与1∶1000平坦地形测图必须采用全野外高程控制测量的规定,本文的试验采用装载组合宽角相机的无人飞艇低空航测系统,通过空中三角测量内业方法,突破了此技术限制。文中详述了三个试验测区的地理状况,以及采用的控制网布设方法,尤其是新设计的标志点之优点。成果表明,用航测内业加密方法所成图的高程和平面精度均超过现有规范标准。说明利用无人飞艇低空航测系统可以实现1∶500和1∶1000测图的全部航测任务,符合"允许采用新技术以更高质量的成果突破现有规范限制"的规定。     

卫星重力梯度测量数据的粗差探测

分别讨论了阈值法、Dixon检验法和小波算法应用于卫星重力梯度数据粗差探测的效果。为了克服这3种单一粗差探测方法的不足,提出了卫星重力梯度数据的粗差探测组合方案,即联合Dixon检验和小波算法,以及联合Dixon检验、阈值法和小波算法的组合方案。模拟结果表明,两种组合方案均能有效改善粗差探测的效果。     

切比雪夫多项式拟合卫星轨道与钟差的精度分析

利用切比雪夫多项式拟合卫星轨道,用经验统计法确定轨道不同弧段数据的满足精度要求的拟合阶数区间,发现非最佳拟合阶数会引入较大的拟合噪声,因此在精密计算时应选择最佳拟合阶数。本文用此多项式拟合卫星钟差,能达到内插钟差同等的精度,而且与拉格朗日滑动内插相比,拟合残差序列分布更好,计算效率更高;提出利用残差自相关进行精度评定的方法,当精度变化微小时相比一般的精度评定方法具有明显优势。     

A multi-index learning approach for classification of high-resolution remotely sensed images over urban areas

In recent years, it has been widely agreed that spatial features derived from textural, structural, and object-based methods are important information sources to complement spectral properties for accurate urban classification of high-resolution imagery. However, the spatial features always refer to a series of parameters, such as scales, directions, and statistical measures, leading to high-dimensional feature space. The high-dimensional space is almost impractical to deal with considering the huge storage and computational cost while processing high-resolution images. To this aim, we propose a novel multi-index learning (MIL) method, where a set of low-dimensional information indices is used to represent the complex geospatial scenes in high-resolution images. Specifically, two categories of indices are proposed in the study: (1) Primitive indices (PI): High-resolution urban scenes are represented using a group of primitives (e.g., building/shadow/vegetation) that are calculated automatically and rapidly; (2) Variation indices (VI): A couple of spectral and spatial variation indices are proposed based on the 3D wavelet transformation in order to describe the local variation in the joint spectral-spatial domains. In this way, urban landscapes can be decomposed into a set of low-dimensional and semantic indices replacing the high-dimensional but low-level features (e.g., textures). The information indices are then learned via the multi-kernel support vector machines. The proposed MIL method is evaluated using various high-resolution images including GeoEye-1, QuickBird, WorldView-2, and ZY-3, as well as an elaborate comparison to the state-of-the-art image classification algorithms such as object-based analysis, and spectral-spatial approaches based on textural and morphological features. It is revealed that the MIL method is able to achieve promising results with a low-dimensional feature space, and, provide a practical strategy for processing large-scale high-resolution images.