基于ArcSDE的地理数据入库和实例开发

文中介绍了基于AreSDE的地理数据入库和实例开发的过程。文中选用ArcSDEforOracle进行建库工作,借助ArcSDE空间数据引擎实现了空间数据与属性数据的统一存储,而不需要直接和数据库进行交互,就可以完成地理数据的入库及二次开发工作。整个系统在开发过程中采用的是C／S（客户／服务器）模式,服务器端以相关的地理信息数据详细地介绍了数据入库的过程;客户端采用Visual studi02005＋C#语言开发环境ArcEngine（AE）开发方式进行了实例开发。实现了地理数据入库、查询、浏览和管理等功能。     

基于ArcSDE的地理数据入库和实例开发

文中介绍了基于ArcSDE的地理数据入库和实例开发的过程。文中选用ArcSDE for Oracle进行建库工作,借助ArcSDE空间数据引擎实现了空间数据与属性数据的统一存储,而不需要直接和数据库进行交互,就可以完成地理数据的入库及二次开发工作。整个系统在开发过程中采用的是C/S(客户/服务器)模式,服务器端以相关的地理信息数据详细地介绍了数据入库的过程;客户端采用Visual studio2005+C#语言开发环境ArcEngine(AE)开发方式进行了实例开发。实现了地理数据入库、查询、浏览和管理等功能。     

网格地理信息数据库研究和应用仿真

地理信息系统随着空间数据的不断丰富,各种属性数据的不断加入,数据量呈几何级增长,另外政府和企业各部门之间的地理信息数据相互独立,有很高的自治性,因此地理信息数据管理和数据整合越来越困难.采用基于网格计算的地理信息数据库构建方法,很好地解决了这个问题.这种构建方法整体结构采用网格技术,在网格节点使用分布式数据库,在数据组织上采用多维度,多层次数据组织形式对数据进行分块存储,建立索引网络.很好地解决了数据访问效率、数据扩充和快速整合问题.在试验中证明,这种地理信息数据库构建方法是一种高效的地理信息数据管理和服务提供模式.     

基于GIS的油田地面工程可视化管理系统的实现

在研究地理信息系统(GIS)相关技术、三维技术和数据库技术的基础上,提出基于Arc GIS的高效GIS应用解决方案。基于Arc GIS Engine的应用开发技术和其他技术,利用某油田地面工程空间数据和影像数据构建地理信息数据库,开发实现油田数据管理、三维分析与规划、生产动态、断电影响分析、空间数据维护和业务提取等强大的分析功能,为油田地理信息管理、工程规范、断电影响模拟、可视化管理和预警建立基础平台,对油田系统的科学化生产、管理具有重要的现实意义。     

基于Web Services的多源异构空间信息集成框架

为解决企业分布式多源异构地理空间数据互操作的瓶颈问题,设计了基于Web Services的四层多源异构空间信息集成框架.利用Web Services技术,OGC地理信息服务实现规范,和W3C标准的可缩放矢量图形成像模型(SVG)的集成,通过构建空间数据转换服务集成器,在用户和服务之间提供一种透明的松耦合,跨越系统底层的异构性,进行异构空间数据的互操作和显示,从而实现了多源异构地理空间信息集成与共享.在国家地震网络计算应用系统(SECAS)建设中,基于以上框架采用.NET平台进行设计并得到了初步应用.     

云技术在水利地理信息服务平台建设中的应用

为解决水利信息化建设中重复建设、资金浪费等问题,在江苏省水利地理信息服务平台中采用云计算技术。介绍云计算与云GIS的概念与基本特征,以江苏省水利地理信息服务平台建设为例,阐述云GIS平台的总体设计与架构,分析虚拟化和移动数据采集与同步等关键技术的应用。江苏省水利云GIS平台的建成,可为江苏各级水利部门提供全省基础地理信息数据、高分辨率遥感影像及航片、水利地理信息数据等数据服务;高效能服务器、海量数据存储等基础设施服务;基于水利专网提供各种水利业务应用系统开发的平台服务。     

水利地理信息云平台的探讨

如今基于GIS的水利应用往往存在海量数据的分布式存储杂乱、平台构建难度大、并发访问需求大等问题,要解决这些问题,可考虑将GIS与云计算相结合,利用云计算的弹性、多租户模式、易维护等特性,以及GIS的数据平台统一管理、空间数据存储方便、可共享性高等特点,构建水利地理信息服务平台。从云GIS基本理论出发,结合虚拟化技术及云的3种服务模式,提出江苏省水利地理信息服务平台的原型设计方案,并初步实现水利信息资源共享机制,旨在为今后地理信息系统在水利行业的建设摸索一条可行之径。     

基于元数据的地理空间数据管理

针对目前油田勘探开发工作中,积累的大量地理空间数据不能有效的进行存储,管理和共享这一问题,提出了基于元数据的地理空间数据管理.通过分析目前的元数据及管理,在借鉴其它元数据管理模型的基础上,提出了一个三层的地球物理元数据模型框架.通过基础元数据,属性元数据和实体元数据三层对信息进行管理,并对该模型进行了分析说明,给出了基于该模型的地震数据综合管理系统的总体方案以及元数据及元数据库的建设.     

Clearinghouse(数据交换中心)与数字化地理信息共享

随着Internet技术的飞速发展和网络应用的普及，用户通过Internet快速，、准确地获取和共享地理信息已是大势所趋。采用数据交换中心Clearinghouse机制是实现地理信息共享的重要方法之一。作为集中式服务系统，Clearinghouse提供一个虚拟信息空间，存储大量元数据，实现数字化地理信息的获取和发布能力，并已广泛用于许多国家的地理信息共享实践中。本介绍基于clearinghouse数字化地理信息共享的体系结构、相关技术和实现方法，涉及三层服务体系结构、元数据、Z39．50协议和语义映射等。最后扼要介绍采用Java Servlet、VB和MapObiect开发的基于clearinghouse的数字化地理信息截共享原型系统，它具有元数据提交、数据上载、信息组合查询、地理信息图形显示、数据下载等功能。     

OGC地理信息服务应用现状分析研究

目前,地理信息服务已成为地理信息共享的最重要的方式,OGC(Open Geospatial Consortium)网络服务OWS(OGC Web Service)凭借其自身优势被很多空间数据拥有者选作数据共享的手段。地理信息服务质量已成为服务应用能否成功的最为关键的因素之一,然而如何合理地评价地理信息服务则是一个复杂问题。通过随机收集发布在因特网的OWS地址,基于OGC规范特点所开发的监测模型,对所搜集的OWS研究样本进行实时、动态监测其共享数据的可用性、稳定性、响应速度和服务质量等,分析当前共享发布的OGC地理信息服务的质量与应用现状。同时,讨论地理信息服务质量与区域位置之间的相关度。     

Geographical information systems and location science

Since the 1970s the field of Geographical Information Systems (GIS) has evolved into a mature research and application area involving a number of academic fields including Geography, Civil Engineering, Computer Science, Land Use Planning, and Environmental Science. GIS can support a wide range of spatial queries that can be used to support location studies. GIS will play a significant role in future location model development and application. We review existing work that forms the interface between GIS and Location Science and discuss some of the potential research areas involving both GIS and Location Science.Scope and purposeDuring the past 30 years there have been many developments in spatial data analysis, spatial data storage and retrieval, and mapping. Many of these developments have occurred in the field of Geographical Information Science. Geographical Information Systems software now supports many elementary and advanced spatial analytic approaches including the production of high quality maps. GIS will have a major impact on the field of Location Science in terms of model application and model development. The purpose of this paper is to explore the interface between the field of Location Science and GIS.     

空间数据挖掘发展研究

空间数据挖掘是指对空间数据库中非显式存在的知识、空间关系或其它有意义的模式等的提取,在地理信息系统、地理市场、遥感、图像数据勘测、医学图像处理、导航、交通控制、环境研究等各种领域有着广泛的应用。该文从空间数据挖掘的定义、过程、特征和任务等方面对空间数据挖掘技术进行了研究,并介绍了一个空间数据挖掘原型—GeoMiner和未来的研究方向。     

基于多源数据集成的松嫩平原

以数字地球科学和数据仓理论为指导,以3S技术、环境模拟技术和计算机编程技术为手段,根据空间信息与非空间信息在地理单元和空间上的存储特征,建立了基于域和对象的公共数据模型,继而构建了不同专属性的空间数据库。以此为基础,通过应用空间数据引擎和空间数据操作对象,首次对面向应用的松嫩平原土地资源空间数据仓进行了分析与设计。     

空间矢量数据存贮方式与索引机制的发展

空间矢量数据的存贮方式与索引机制直接影响到地理信息系统的整体性能,对它们发展的了解有助于地理信息系统的使用与开发。介绍了空间矢量数据的存贮方式和索引机制的演变过程,并总结了各自的特点。     

网格环境下的空间数据集成服务

随着网格技术在地理信息系统领域的广泛研究与应用,如何实现网格环境下的空间数据资源集成,为空间数据建立高效的共享服务机制已经成为GIS领域研究的热点问题。通过对OGC空间数据统一模型以及GIS用户在空间数据应用方面的需求分析与研究,提出了基于GMLSoAP的空间数据集成服务框架。在此基础上,详细讨论了基于GML空间数据统一模型的空间数据转换和基于SoAP的空间数据服务的建立以及网格环境下虚拟化空间数据服务应用模型,并且实现了多数据源、多类型空间数据集成应用的实验环境。     

一种面向按需处理的空间数据服务模型与实验分析

通过传统空间数据服务系统获取的数据并不是满足用户需求的最终产品。对于地学领域的用户,通常需要根据特定应用目标,花费大量的时间进行数据预处理,从而满足特定的子区范围、波段和图像格式等。通过分析地学应用中针对数据源的操作要求,研究具有按需处理能力的空间数据服务模型,将各种分布的计算资源和数据资源联合起来,按照用于定制的需求,在为用户提供数据前,对数据进行一定的加工。通过对空间数据服务的基本操作进行分类和规范,研究建立兼容OGC WCS标准的数据服务机制,将大量基础性的数据预处理任务集成到数据获取流程中,以满足用户获取更高级别数据的需求。同时利用该模型在空间信息网格平台SIG(Spatial Information Grid)上进行验证,选择若干典型数据源,部署按需处理服务功能组件,对服务响应能力进行实验与评估。详细讨论了空间数据按需处理的流程,并将实验结果与传统方法进行对比分析。     

基于Kd树递归区域划分的分布式空间连接查询

随着空间信息应用需求的不断增长,分布式空间查询处理已经成为空间数据库领域一个重要的研究问题,其中应用最广也是最复杂的一类查询是分布式空间连接查询,分布式空间连接操作的计算代价与传输代价都非常高。目前处理该问题的策略大都要求空间数据集上存在索引并且对数据分布敏感,然而在某些情况下,这个前提并不存在。面对这个问题,本文提出一种基于Kd树递归区域划分的分布式空间连接策略,该策略以最小化网络数据传输代价为目标,基于任务分治的思想对连接区域进行递归划分。实验表明,该策略在不同数据分布情况下均优于传统查询策略,能有效地减小网络传输代价,表现出较好的性能。     

基于地理空间数据的知识图谱构建技术研究

随着3S技术迅猛发展,地理空间数据呈现出爆发式增长趋势,基于地理空间数据构建知识图谱,实现数据到空间知识的转换成为亟待解决的科学问题。针对通用知识图谱仅以属性和语义关系表示空间知识,以及空间关系相对缺失等问题,该文首先描述了空间关系的表示方法;其次,提出了基于空间关系的知识图谱构建技术流程,重点研究空间关系抽取和表示以及多源地理空间数据融合的问题,实现了地理知识图谱构建;最后,论述知识图谱在地理空间领域的应用方向。该研究可以促进地理空间数据和语义网技术的整合,实现网络文本空间化、空间数据语义化,进一步提高智能化服务水平。     

基于GIS多源栅格数据的模糊综合评价模型

栅格是地球信息科学中大量使用的信息单元,其研究结果具有真正空间性的意义,而且可方便建立各种复杂数学模型。模糊综合评价方法是目前多指标综合评价实践中应用最广的方法之一。为了将模糊综合评价方法应用于空间栅格数据中,首先分析了模糊综合评价方法的原理及方法,然后以多源栅格数据为基础,以GIS空间叠置分析功能为手段,建立模糊综合评价GIS模型,并成功应用于实例中。实验结果表明,该模型能够较好地解决多源栅格数据的模糊综合评价问题。     

A spatially-constrained normalized Gamma process prior

In this work, we propose a novel nonparametric Bayesian method for clustering of data with spatial interdependencies. Specifically, we devise a novel normalized Gamma process, regulated by a simplified (pointwise) Markov random field (Gibbsian) distribution with a countably infinite number of states. As a result of its construction, the proposed model allows for introducing spatial dependencies in the clustering mechanics of the normalized Gamma process, thus yielding a novel nonparametric Bayesian method for spatial data clustering. We derive an efficient truncated variational Bayesian algorithm for model inference. We examine the efficacy of our approach by considering an image segmentation application using a real-world dataset. We show that our approach outperforms related methods from the field of Bayesian nonparametrics, including the infinite hidden Markov random field model, and the Dirichlet process prior.