Polygonal object is a fundamental type of geometric data in vector GIS. The key step of cleaning topological relationship after data collection of polygonal layer is to build polygonal objects from digital arcs. The r...Polygonal object is a fundamental type of geometric data in vector GIS. The key step of cleaning topological relationship after data collection of polygonal layer is to build polygonal objects from digital arcs. The raw digital arcs may intersect with each other. The algorithm for building polygonal objects after the raw arcs have been split at all intersections is presented. The build-up of polygonal objects in this paper is designed to be implemented by two steps. The first step is to extract all the polygons needed for build-up of polygonal objects from arcs. The second step is to organize polygonal objects from these polygons. For the first step, a tracing algorithm is proposed. The algorithm merely extracts the polygons needed for the build-up of polygonal objects, which is a subset of all the possible polygons that can be induced from the arcs. For the second step, an algorithm based on a specially designed order of polygons is advanced. All the topological relationships among the polygons are展开更多
随着遥感数据体量的不断增加,高效的在线遥感数据管理与服务系统已成为利用海量遥感数据开展应用研究必不可少的基础设施。目前,由于在底层海量遥感数据和顶层服务应用之间缺乏独立的中间框架层设计,不同的底层数据存储与顶层服务应用...随着遥感数据体量的不断增加,高效的在线遥感数据管理与服务系统已成为利用海量遥感数据开展应用研究必不可少的基础设施。目前,由于在底层海量遥感数据和顶层服务应用之间缺乏独立的中间框架层设计,不同的底层数据存储与顶层服务应用方案给系统实现与应用带来了困难,迫切需要一种独立于数据存储与服务应用的在线分布式遥感数据管理与服务中间框架,重构数据管理与服务的实现模式,降低海量遥感数据在线管理与服务应用的难度。以此为背景,通过对遥感数据的管理与服务模型进行抽象,设计并提出一种平台独立的分布式遥感数据在线管理与服务框架(online distributed management and service framework for remote sensing data,RS-ODMS)。该框架构建以遥感数据为基础的混合存储模型(distributed hybrid storage model,DHS)与分布式计算模型(distributed parallel-computing model,DPC),提升遥感数据管理能力与服务效率。结合原型系统的实验表明,以RS-ODMS为基础的遥感数据管理与服务框架可支持多分布式存储后端的影像管理扩展能力,具备高效、稳定的服务能力和良好的适用性,能为海量遥感数据的在线管理与服务应用研究提供参考。展开更多
人口空间化是提升人口统计数据空间分辨率的常用手段,现有研究多基于统计建模思想建立多源数据与统计人口的数学模型以预测格网人口。兴趣点(Point of Interest,POI)作为精细人口估算的重要数据源,通常以数量/密度型指标形式参与回归建...人口空间化是提升人口统计数据空间分辨率的常用手段,现有研究多基于统计建模思想建立多源数据与统计人口的数学模型以预测格网人口。兴趣点(Point of Interest,POI)作为精细人口估算的重要数据源,通常以数量/密度型指标形式参与回归建模,该方式忽略了类型相同但个体规模不同的POI与人口之间数量关系的差异,特征均质化处理造成POI语义细节的损失,导致中心城区人口低估与远城区高估。为此,本文基于随机森林模型,提出一种顾及POI人口吸引力异质性的城市人口空间化方法。该方法在表征POI空间多尺度重要性的基础上,引入移动定位数据构建人口吸引力指标;并基于非欧式滤波修正格网人口权重,建模人口空间自相关,刻画水体等障碍物对局部空间连通性的影响。本文以武汉市为研究区域开展100 m格网验证,通过与POI密度型回归模型、公开人口数据集的对比和消融实验,展现了人口吸引力指标与权重修正的有效性。结果表明,本文方法平均绝对误差为WorldPop、GPW及对比模型的1/4~2/3,在精细人口空间化场景具有精度优势。此外,本文还讨论了移动定位数据采样率及格网粒度对建模精度的影响。展开更多
基金Project supported by the National Natural Science Foundation of China(No.49525101) and Young Scholar Foundation of Hubei University (No.98026)
文摘Polygonal object is a fundamental type of geometric data in vector GIS. The key step of cleaning topological relationship after data collection of polygonal layer is to build polygonal objects from digital arcs. The raw digital arcs may intersect with each other. The algorithm for building polygonal objects after the raw arcs have been split at all intersections is presented. The build-up of polygonal objects in this paper is designed to be implemented by two steps. The first step is to extract all the polygons needed for build-up of polygonal objects from arcs. The second step is to organize polygonal objects from these polygons. For the first step, a tracing algorithm is proposed. The algorithm merely extracts the polygons needed for the build-up of polygonal objects, which is a subset of all the possible polygons that can be induced from the arcs. For the second step, an algorithm based on a specially designed order of polygons is advanced. All the topological relationships among the polygons are
文摘随着遥感数据体量的不断增加,高效的在线遥感数据管理与服务系统已成为利用海量遥感数据开展应用研究必不可少的基础设施。目前,由于在底层海量遥感数据和顶层服务应用之间缺乏独立的中间框架层设计,不同的底层数据存储与顶层服务应用方案给系统实现与应用带来了困难,迫切需要一种独立于数据存储与服务应用的在线分布式遥感数据管理与服务中间框架,重构数据管理与服务的实现模式,降低海量遥感数据在线管理与服务应用的难度。以此为背景,通过对遥感数据的管理与服务模型进行抽象,设计并提出一种平台独立的分布式遥感数据在线管理与服务框架(online distributed management and service framework for remote sensing data,RS-ODMS)。该框架构建以遥感数据为基础的混合存储模型(distributed hybrid storage model,DHS)与分布式计算模型(distributed parallel-computing model,DPC),提升遥感数据管理能力与服务效率。结合原型系统的实验表明,以RS-ODMS为基础的遥感数据管理与服务框架可支持多分布式存储后端的影像管理扩展能力,具备高效、稳定的服务能力和良好的适用性,能为海量遥感数据的在线管理与服务应用研究提供参考。
文摘人口空间化是提升人口统计数据空间分辨率的常用手段,现有研究多基于统计建模思想建立多源数据与统计人口的数学模型以预测格网人口。兴趣点(Point of Interest,POI)作为精细人口估算的重要数据源,通常以数量/密度型指标形式参与回归建模,该方式忽略了类型相同但个体规模不同的POI与人口之间数量关系的差异,特征均质化处理造成POI语义细节的损失,导致中心城区人口低估与远城区高估。为此,本文基于随机森林模型,提出一种顾及POI人口吸引力异质性的城市人口空间化方法。该方法在表征POI空间多尺度重要性的基础上,引入移动定位数据构建人口吸引力指标;并基于非欧式滤波修正格网人口权重,建模人口空间自相关,刻画水体等障碍物对局部空间连通性的影响。本文以武汉市为研究区域开展100 m格网验证,通过与POI密度型回归模型、公开人口数据集的对比和消融实验,展现了人口吸引力指标与权重修正的有效性。结果表明,本文方法平均绝对误差为WorldPop、GPW及对比模型的1/4~2/3,在精细人口空间化场景具有精度优势。此外,本文还讨论了移动定位数据采样率及格网粒度对建模精度的影响。