大数据时代的空间数据挖掘综述

随着大数据时代的到来,数据挖掘技术再度受到人们关注。本文回顾了传统空间数据挖掘面临的问题,介绍了国内外研究中利用大数据处理工具和云计算技术,在空间数据的存储、管理和挖掘算法等方面的做法,并指出了该类研究存在的不足。最后,探讨了空间数据挖掘的发展趋势。

基于LiDAR点云数据的可视域计算研究

当前GIS软件中通视分析建立在DEM数据基础上,而DEM中不含植被和建筑物信息,从而会造成通视分析误差。通过Li DAR点云数据获取高精度植被和建筑物高度,提出一种顾及地物的插值算法,生成同一网格大小的DEM与DSM,在其上分别进行通视域分析,并将分析结果进行对比,发现DEM比DSM更容易扩大视域范围,从而产生了分析误差,验证了利用DSM进行通视分析的可行性。

基于MCMC的遥感图像分类算法研究

多光谱遥感影像分类中,影像纹理和空间自相关性不可忽略。采用Markov随机场模型来建立空间纹理和相关性模型,引入Markov Chain Monte Carlo(MCMC)方法,解决统计模型复杂、计算量大、收敛慢的问题。最后,通过郑州地区Land Sat高光谱影像数据,进行了分类验证,并使用10折交叉验证了其有效性。计算结果表明,该算法明显提高了计算速度,同时保持了分类的精确度。