基于Python的基础地理信息DLG融合与检查方法

传统基础地理信息DLG融合更新采用人工处理的方式,工作效率低且易出错,为了实现稳定高效且准确地进行基础地理信息DLG融合和检查的目的,文章研究梳理了DLG融合检查相关技术,基于Python设计开发了基础地理信息DLG融合与检查程序,实现了道路、水系、居民地、植被等融合的批量处理,同时针对基础地理信息DLG融合成果提供了一系列的质量检查功能,程序操作简便。通过相关数据验证,程序能够极大地提高作业效率和成果质量。

面向业务的自然资源智能解译样本分类研究与实践

深度学习是当代人工智能发展的核心技术,基于深度学习的自然资源要素智能解译已然成为热门研究课题,为实现深度学习技术在自然资源监测监管方面的工程化应用,亟需以业务为导向进行样本分类,建设服务于自然资源管理的智能解译样本库。文章首先对智能解译任务和样本集分类现状进行分析,提出样本数据集分类存在的问题;然后,基于现有数据基础、自然资源分类体系和自然资源管理业务需求,提出了面向业务的自然资源智能解译样本分类方法;其次,按4种解译任务进行样本的分类;最后,以广东省为例,开展样本分类实践,实践结果表明该方法具有一定的可行性,并能有效应用于广东省自然资源综合解译样本库建设。