云平台下MapGIS图件在ArcGIS中还原显示技术研究

MapGIS和ArcGIS两个GIS平台拥有不一样的符号库及渲染表达方式,这就造成在MapGIS平台下产生的图件数据要想在ArcGIS平台中还原显示较为困难。通过分析两种GIS平台下图件数据的文件格式及图面渲染方式,在Map2Shp文件转换软件和GIS二次开发技术的支持下,总结了一套半自动化完成还原显示的技术流程,在实际工作中有效地解决了文件转换过程中图面渲染内容丢失、工作量大等问题。同时在云平台虚拟环境中完成该技术流程,为同一GIS平台不同版本不兼容的问题提供了解决方案,并且缩短了图面渲染的时间,从而提高了工作效率。     

多源异构国土规划空间数据集成技术

根据国土规划编制所需数据的类型、来源以及组成,针对数据的多源性、数据格式多样性、多投影方式等特点,研究了多源异构空间数据集成方法,提出采用多源异构数据中间件技术和动态投影技术,屏蔽数据的多格式性和多投影方式,设计并开发了国土规划多源异构数据集成原型系统,取得了理想的应用效果。     

面向地球化学异常识别的深度学习算法对比研究

针对选用不同网络结构的深度学习算法进行地球化学异常识别，重构符合成矿分布的地球化学背景时选择依据较少的问题，本文基于闽西南铜锌银成矿区1∶20万水系沉积物数据，采用3种无监督深度学习模型AE、MCAE、FCAE,分别提取了样本中多元素的组合结构特征、空间分布特征以及混合特征，并基于其重构地球化学背景，模拟成矿分布。结果显示，FCAE模型圈定的异常区域与已知铜矿点最贴合，其次是MCAE模型和AE模型，其AUC值分别为0.80、0.78、0.61,且FCAE模型和AE模型对卷积窗口尺寸变化不敏感；说明面向地球化学异常识别构建深度学习算法时，基于提取空间分布特征或混合特征的算法综合表现较好，且基于提取组合结构特征或混合特征的算法对由观测空间尺度变化或不一致引起的噪声有较强抗干扰能力。本文为因地制宜地构建基于深度学习算法的地球化学异常识别模型提供了有效依据。