基于内存数据库的矢量数据存储与空间索引研究

基于传统磁盘数据库的管理系统已能较好地管理土地利用矢量数据,但较大的内外存数据交换开销对系统实时性有一定影响.没有I/O开销的内存数据库将是解决该现状的良好方法.基于内存数据库Redis设计土地利用矢量数据库存储组织,提出点、线、面不同的空间要素空间特征数据的存储结构.采用缓存敏感优化并基于磁盘数据库中的空间索引R+树,提出了一种适合Redis的空间索引.对比实验发现,在数据查询和统计分析速度等方面较基于Oracle 10g的管理系统有较大提升.     

基于HBase与静态多级格网索引的地表覆盖数据高效检索方法

地表覆盖是地理国情监测的重要对象,为地理国情分析评价模型提供了可靠的数据源.高效的地表覆盖数据检索方法是挖掘地表覆盖数据潜在价值的前提.由于地表覆盖数据体量庞大、更新频繁,要素分布密集且不均匀,传统的空间检索方法出现了扩展困难、检索能力不足等问题.提出了一种基于HBase与静态多级格网索引的地表覆盖数据空间检索方法,针对地表覆盖数据特征设计了基于HBase的静态多级格网索引,利用MapReduce实现索引并行构建,通过多级过滤的方式,提高了地表覆盖空间范围的查询效率.实验表明,该方法能快速完成大规模、密集分布的地表覆盖数据的空间索引构建,提升空间检索性能,并具有良好的扩展性,可为其他海量空间矢量数据的检索提供借鉴.     

GIS网格化求交最佳网格尺寸研究

网格化求交是GIS中海量矢量数据求交的常用方法,网格尺寸的确定是直接影响其效率的关键步骤.针对网格尺寸的确定问题,对网格化求交的耗时和矢量数据的线段长度分布(线段平均x、y方向长度,线段最大x、y方向长度等)、线段密度进行了相关分析,在此基础上确定了最佳网格尺寸的主要影响因素:线段平均x、y方向长度和线段密度.通过大量实际GIS矢量数据的求交实验,给出了最佳网格尺寸的计算方法,并得到了成功应用.     

海量遥感影像管理与可视化系统的研究与实现

随着遥感技术的飞速发展,产生了海量的遥感影像数据.为了有效管理和利用这些数据,研究设计了海量遥感影像管理与可视化系统.利用基于扩展的对象关系型数据库,对遥感影像进行组织和管理,并针对海量数据的显示效率问题,提出了优化方法,最后给出了系统运行的实例.实践表明,该系统能够较好地满足海量遥感影像数据的高效管理与可视化要求.     

顾及要素空间分布特征的稠疏矢量瓦片构建方法研究

现行常用的金字塔模型构建矢量瓦片方法普遍未考虑空间对象的分布特征,导致同一层级矢量瓦片之间的数据量不均衡,引起瓦片数据加载渲染效率差异和并发一致性问题.为此提出一种顾及要素空间分布特征的稠疏矢量瓦片构建方法.该方法在保证矢量瓦片金字塔模型多分辨率特性的同时,对每一层级中要素数据量大的瓦片进行层次分解,形成了稠疏空间格网,从而实现同一层级矢量瓦片间的数据量相对均衡.实验表明,该方法实现了矢量瓦片访问时的负载均衡,提升了矢量瓦片的加载渲染效率,获得了更好的用户体验.     

一种基于影像块组织的遥感数据分布式存储方法

云存储是解决动态增长的海量遥感数据产品存储管理难题的有效手段.针对云存储在遥感数据存储领域中存在的问题,提出了一种基于影像块组织的遥感数据分布式Key-Value存储模型,解决了分布式文件系统存储大规模影像块效率低下的问题,使遥感数据云存储具备了空间区域访问特性;结合开源分布式文件系统HDFS,实现了影像数据的分布式高效存储与空间区域检索.实验与分析表明,系统在多用户并发连接情况下可以维持较高的吞吐率,同时具备良好的可伸缩性和稳定性.     

基于P2P移动终端的多源空间数据访问策略

分析当前地理信息系统在多服务器协同与空间数据共享和互操作之间的问题,引入基于对等网络(P2P)的节点调度与路由查询技术,通过建立和发布web服务,采用基于多源数据统一访问策略,实现移动网络的终端管理、会话管理、空间数据管理等功能,并根据服务质量对节点进行分组分级管理,从而发挥P2P在空间数据管理和查询上的高效性.实验表明,利用P2P技术能有效提高移动终端在大规模海量地形数据更新过程中对多源数据库的访问效率.     

基于群集技术的多服务器地理空间数据管理

析了现有海量空间数据网络管理技术在系统整体性能方面存在的局限,引入群集技术,充分利用群集技术的高性能计算和高可靠性的服务器架构等特点,优化设计了基于群集的多层GIS应用服务器体系结构,结合常规海量空间数据库管理的空间索引分区、远程内嵌过程等效率策略,提出了一套基于群集的海量空间数据多服务器管理技术.通过基于Oracle真正应用群集(real application cluster,RAC)和Oracle9i应用服务器(9i Application Server,iAS)的应用实例,验证了基于群集空间数据管理技术的可行性及其高性能.     

一种基于影像块组织的遥感数据分布式存储方法

云存储是解决动态增长的海量遥感数据产品存储管理难题的有效手段．针对云存储在遥感数据存储领域中存在的问题,提出了一种基于影像块组织的遥感数据分布式Key-Value存储模型,解决了分布式文件系统存储大规模影像块效率低下的问题,使遥感数据云存储具备了空间区域访问特性;结合开源分布式文件系统HDFS,实现了影像数据的分布式高效存储与空间区域检索．实验与分析表明,系统在多用户并发连接情况下可以维持较高的吞吐率,同时具备良好的可伸缩性和稳定性．     

一种多源矢量空间数据的联动增量更新模型

提出了一种可扩展的多源矢量空间数据的联动增量更新模型.该模型以不同来源的矢量空间数据库作为局域网中的数据节点,通过动态建立和维护不同节点的数据之间的依赖关系,并根据依赖关系信息提取和派发增量更新数据,实现了矢量空间数据节点与节点之间传递联动更新,有效地解决了依靠大量的人工更新操作去维护不同来源的国土资源矢量空间数据库之间现势性和一致性的问题.     

土地资源多级网格平台高效处理机制研究

为实现海量土地资源数据多级网格管理和高效处理,设计了基于网格服务架构的土地资源多级网格化管理平台LR-MGSP（Land Resource Multi-Grid Service Platform）,从网格任务分解、空间信息服务缓存和增量统计等方面探讨了提高平台处理性能的策略和方法.原型平台与非网格化的土地资源管理系统的性能对比测试结果表明,LR-MGSP达到了预期的目标,能够满足海量土地资源数据高效管理和处理的需求,也为其他行业开展跨机构协同处理海量空间数据工作提供了借鉴.     

基于拓扑和空间相似性的地理事件检测——以土地利用数据更新为例

地理时空对象的变化过程实质上是地理事件序列的集合,地理事件的检测是实现空间数据库自动更新的关键所在.为提高时空数据更新的自动化水平,以土地利用数据更新为例,通过对地理事件概念、特征的分析,定义了5种地理事件类型.在此基础上根据专题数据的空间拓扑约束、语义逻辑约束以及拓扑语义约束,结合空间相似度理论,提出了一种基于拓扑与空间相似性的地理事件检测方法,定义了原生事件和次生事件,并以此描述地理事件间的衍生关系.在土地利用现状管理信息系统中的应用,证明了该检测方法在土地利用数据更新过程中的可行性和有效性,为事件更新的进一步自动化奠定了基础.     

基于多尺度学习与深度卷积神经网络的遥感图像土地利用分类

土地利用信息是国土资源管理的基础和重要依据,随着高分辨率遥感图像数据的日益增多,迫切需要快速准确的土地利用分类方法。目前应用较广的面向对象的分类方法对空间特征的利用尚不够充分,在特征选择上存在一定的局限性。为此,提出一种基于多尺度学习与深度卷积神经网络（deep convolutional neural network,DCNN）的多尺度神经网络（multi-scale neural network,MSNet）模型,基于残差网络构建了100层编码网络,通过并行输入实现输入图像的多尺度学习,利用膨胀卷积实现特征图像的多尺度学习,设计了一种端到端的分类网络。以浙江省0.5 m分辨率的光学航空遥感图像为数据源进行了实验,总体分类精度达91.97%,并将其与传统全卷积网络（fully convolutional networks,FCN）方法和基于支持向量机（support vector machine,SVM）的面向对象方法进行了对比,结果表明,本文所提方法分类精度更高,分类结果整体性更强。     

基于多尺度学习与深度卷积神经网络的遥感图像土地利用分类

土地利用信息是国土资源管理的基础和重要依据,随着高分辨率遥感图像数据的日益增多,迫切需要快速准确的土地利用分类方法。目前应用较广的面向对象的分类方法对空间特征的利用尚不够充分,在特征选择上存在一定的局限性。为此,提出一种基于多尺度学习与深度卷积神经网络（deep convolutional neural network,DCNN）的多尺度神经网络（multi-scale neural network,MSNet）模型,基于残差网络构建了100层编码网络,通过并行输入实现输入图像的多尺度学习,利用膨胀卷积实现特征图像的多尺度学习,设计了一种端到端的分类网络。以浙江省0.5 m分辨率的光学航空遥感图像为数据源进行了实验,总体分类精度达91.97%,并将其与传统全卷积网络（fully convolutional networks,FCN）方法和基于支持向量机（support vector machine,SVM）的面向对象方法进行了对比,结果表明,本文所提方法分类精度更高,分类结果整体性更强。     

基于CORBA技术的海量栅格空间数据库引擎的设计与应用

自主设计了海量栅格空间数据库的逻辑模型和物理模型,实现将海量栅格数据存储于大型商业关系型数据库中;提出了基于CORBA(Commoh Object Request Broker Architecture)技术的海量栅格空间数据库引擎四层体系结构,并在此基础上给出运行实例,取得了良好效果,证明了自主栅格空间数据库引擎的可行性.     

基于可扩展多目标蚁群算法的土地利用优化配置

传统的土地利用优化配置模型无法灵活应对现实场景中多变的优化目标要求,也无法实现土地利用在空间布局上的优化.根据常见的优化目标进行抽象建模,建立了可扩展的多目标体系,并与蚁群算法有机结合,构建了基于可扩展多目标蚁群算法的土地利用优化配置模型,使土地利用配置在不同目标的指导下能够灵活优化,同时实现了土地利用配置在数量结构和空间布局优化上的统一,为土地利用规划提供了更具现实意义的参考方案.最后对该模型,以杭州市萧山区2015年土地利用格局为基础数据进行实例验证.结果表明:模型能够在多目标体系的指导下,合理配置研究区域的土地利用结构与布局,促进区域土地利用的可持续发展,并针对不同的多目标体系,给出具有不同侧重点的优化方案.     

融合遥感与社会感知数据的城市土地利用分类方法

传统的土地利用分类方法大多基于对资料或影像的人工解译,存在一定的局限性。近年来,结合空间大数据和自然语言处理技术进行低成本快速的土地资源管理已成为研究热点。以美国纽约市曼哈顿区为例,提出了融合遥感影像和社会感知数据的城市土地利用分类方法。从遥感影像中提取光谱特征、从推特数据中提取用户活动时空和主题特征,基于随机森林法和深度神经网络法,构建了细粒度的城市土地利用分类模型。通过对比不同特征组合分类方法的精度,得到结合光谱特征和用户活动时空、主题特征的深度神经网络方法的结果最优,总体精度达82.65%,Kappa系数为70.1%。结果表明,社会感知数据中隐含的用户活动时空模式和活动主题信息均有助于提高城市土地利用分类的精度,而神经网络法可有效融合多源数据,为快速、低成本获取城市土地利用信息提供了新的途径。