地理编码系统中地址匹配引擎的设计与实现

分析了地址匹配流程和几种模糊检索技术,选用了全文检索引擎包Lucene设计了地址匹配引擎,实现了基于XML Web Services的地理编码系统。     

一种面向网络发布的海洋数据库引擎(英文)

To meet the requirements of efficient management and web publishing for marine remote sensing data, a spatial database engine, named MRSSDE, is designed independently. The logical model, physical model, and optimization method of MRSSDE are discussed in detail. Compared to the ArcSDE, which is the leading product of Spatial Database Engine, the MRSSDE proved to be more effective.     

C++Builder结合Matlab在测量数据处理中的应用

根据测量数据处理的特点,通过对C++Builder6.0和MATLAB特点的分析,得出C++Builder6.0和MATLAB语言两者结合,能够大大提高测量数据处理效率。详细介绍了一种以C++Builder为系统开发平台,利用MATLAB进行测量数据处理的过程。并列举平差程序的一部分源码供参考。     

空间数据库引擎关键技术剖析

解决用户应用系统与空间数据库间的数据传输成为空间数据库能否得以充分利用的关键问题.在众多解决方案中,空间数据库引擎备受关注.文中介绍了空间数据库引擎的概念和基本功能,并着重对空间数据模型的建立、空间查询语言、空间数据索引、多用户编辑的数据一致性问题等空间数据库引擎的关键技术进行了剖析.     

基于数据驱动的基本农田标志牌专题地图设计与实现

以花都区基本农田保护标志牌制作过程为例,采用Arc GIS动态图廓整饰及数据驱动页面等制图方法,快速完成了标志牌的设计与制作。实践证明,该方法减少了人工干预,提高了生产效率。     

近20年来长江经济带生态环境变化

长江经济带发展战略实施以来,长江上、中、下游地区经济快速发展,与此同时,生态系统不可避免受到扰动,长江经济带生态环境状况面临压力,亟需开展长江经济带生态环境质量评价。本文选取2001年和2020年MODIS和Landsat遥感影像计算湿度、绿度、干度、热度4个评价指标,通过主成分分析方法计算遥感生态指数RSEI,对长江经济带11省(市)生态环境现状及变化进行定量分析评价。结果表明长江经济带整体生态环境等级为较优,2001—2020年保持总体向好态势。空间分布上,生态环境优等区域主要分布于武夷山、罗霄山、雪峰山、武陵山、巫山、大巴山、大别山、西双版纳等山地丘陵一带,生态环境较差及差等区域主要分布于大中小城镇等人类聚集地、川西横断山区。时空变化上,生态环境等级下降区域主要集中在长三角太湖周边、江汉平原、洞庭湖周边、安徽西北部、湖南南部及四川盆地等人类聚集地周边,生态环境等级上升区域主要集中在四川盆地大部、重庆山区及三峡库区、贵州大部、云南东南部、安徽中部及北部、江苏北部等地区。     

基于ArcSDE的人防数据入库的应用研究

空间数据引擎是实现空间数据库的核心。简要介绍了ESRI公司的空间数据库引擎（spatial database engine）,它能将空间数据和属性数据集成在数据库中。进一步分析了空间数据的存储模式,并以人防工程为例构建了人防的Geodatabase数据模型,最后对实现人防工程数据的入库方法进行了探讨。     

中文名片识别系统

在实际的商务活动中,名片已经作为一个重要的身份信息载体,使用频繁。然而随着名片数量的增多,管理越来越麻烦。在实际应用中,研究名片识别的方法,介绍一个独立自主开发的中文商务名片识别系统。该系统首先结合实际中的一些具体问题对名片图像进行预处理;然后在传统版面分析技术的基础上针对版面的特点进行版面分析;最后在对分割区域的字符进行识别之后,根据识别结果中的语义和版面分析得到的位置信息对识别结果进行基于知识规则的理解,从而实现了名片的识别。整个系统在实际应用中表现出良好的性能。     

基于C/S网络结构模式开发公路地理信息管理系统有关技术的探讨

随着信息技术的飞速发展和计算机网络的普遍使用.传统的公路管理与其他产业一样正面临着一场革命.信息技术在公路管理中正发挥着越来越大的作用.如何开发一个适用于公路部门的地理信息管理系统是值得研究的问题.本文针对基于C/S网络结构模式开发公路地理信息管理系统的有关技术问题进行有益的探讨.     

近20年印度北阿坎德邦奈尼塔尔地区农业面积变化（英文）

本研究对印度北阿坎德邦奈尼塔尔地区的农业用地进行了时间序列分析。该研究基于Landsat5,Landsat7and Landsat8卫星图像数据,使用随机森林分类器对该区域近21年（2000–2021年）的农业和非农业土地进行分类。陆地卫星图像使用谷歌地球引擎（GEE）平台进行处理,随机森林分类器的选择则是基于随机森林（RF）、支持向量机（SVM）和分类与回归树（CART）之间的比较分析。对总体准确度、用户准确度、生产者准确度和Kappa系数进行了评估,以确定研究区域的最佳分类器。结果表明,2021年RF、SVM和CART的总体准确率分别为96.38%、94.44%和91.94%;类似地,RF、SVM和CART的Kappa系数分别为0.96、0.89和0.81。陆地卫星在农业和非农业地区的分类图像显示,该区域在21年间（2000–2021年）农业用地减少了4.71%。该研究还表明,过去4年（即2018–2021年）该区域农业面积下降幅度最大。本研究对于发展中国家了解农用地变化并采取适当措施以保护该地区的动植物非常重要。