碎片化地形矢量数据比例尺评估方法

doi:10.11947/j.AGCS.2024.20240024

测绘学报 ›› 2024, Vol. 53 ›› Issue (6): 1013-1024.doi: 10.11947/j.AGCS.2024.20240024

碎片化地形矢量数据比例尺评估方法

刘万增¹^,²^,³(), 王新鹏²^,³(), 赵婷婷²^,³, 翟曦²^,³, 李然²^,³, 朱秀丽²^,³, 蒋志浩²^,³, 彭云璐²^,³, 张晔²^,³

^1.湖北珞珈实验室，湖北　武汉　430079
^2.国家基础地理信息中心，北京　100830
^3.时空信息与智能服务重点实验室，北京　100830

收稿日期:2024-01-15 发布日期:2024-07-22
通讯作者: 王新鹏 E-mail:luwnzg@163.com;wangxinpeng0512@163.com
作者简介:刘万增（1970—），男，博士，教授级高工，研究方向为GIS空间关系、应急制图及知识服务。　E-mail：luwnzg@163.com
基金资助:
湖北珞珈实验室开放基金(220100037);国家自然科学基金(42394062)

Scale evaluation method for fragmented terrain vector data

Wanzeng LIU¹^,²^,³(), Xinpeng WANG²^,³(), Tingting ZHAO²^,³, Xi ZHAI²^,³, Ran LI²^,³, Xiuli ZHU²^,³, Zhihao JIANG²^,³, Yunlu PENG²^,³, Ye ZHANG²^,³

^1.Hubei Luojia Laboratory, Wuhan 430079, China
^2.National Geomatics Center of China, Beijing 100830, China
^3.Key Laboratory of Spatio-temporal Information and Intelligent Services (LSIIS), MNR, Beijing 100830, China

Received:2024-01-15 Published:2024-07-22
Contact: Xinpeng WANG E-mail:luwnzg@163.com;wangxinpeng0512@163.com
About author:LIU Wanzeng (1970—), male, PhD, professor level senior engineer, majors in GIS spatial relationship, emergency mapping and knowledge service.　E-mail: luwnzg@163.com
Supported by:
The Open Fund of Hubei Luojia Laboratory(220100037);The National Natural Science Foundation of China(42394062)

摘要/Abstract

摘要：

针对目前人工判定碎片化地形矢量数据比例尺效率低下、可靠性不高的问题，本文提出一种基于自然法则的地形矢量数据比例尺评估方法，实现地形矢量数据比例尺判定的自动化。该方法基于不同比例尺地形矢量数据节点密度指数随比例尺变化的特征，利用自然法则原理和统计学知识确定不同比例尺、不同类型要素节点密度指数区间的理论值；对于待鉴定地形矢量数据，将其节点密度指数与已知比例尺的地形矢量数据节点密度指数区间进行比对，如果落在该比例尺节点密度指数区间内，则推断为该比例尺数据，进而实现比例尺的自动判定；最后利用等高线和水系两种地形要素验证了该评估方法的可行性。试验结果表明，基于本文方法的1∶100万、1∶25万和1∶5万地形矢量数据比例尺自动判定正确率分别达到了93.97%、94.04%和92.47%，地形矢量数据比例尺判定总体正确率达到93.21%，极大提高了比例尺判定的精度与效率，为地理信息安全评估提供了技术支撑。

关键词: 矢量数据, 自然法则, 节点密度指数, 比例尺评估

Abstract:

To address the issues of low efficiency and low reliability in manually determining the scale of terrain vector data, a terrain vector data scale evaluation method based on natural laws is proposed to achieve automation in terrain vector data scale determination in this paper. Based on the characteristics that the node density of terrain vector data at different scales changes with the scale, this method uses the principles of natural law and statistical knowledge to determine the theoretical values of node density intervals at different scales and different elements. For the terrain vector data to be identified, compare its node density with the node density interval of the known scale vector data. If it falls within the node density interval of the scale, it is inferred as the scale data, and then automatic scale determination is achieved. Finally, the feasibility of the evaluation method was verified using two elements: contour lines and water systems. The experimental results show that the accuracy of automatic scale determination of 1∶1 000 000, 1∶250 000 and 1∶50 000 terrain vector data based on the algorithm proposed in this paper reaches 93.97%, 94.04% and 92.47%, respectively, and the overall accuracy of scale determination of vector data reaches 93.21%, greatly improving the accuracy and efficiency of scale judgment, and providing technical support for geographic information security assurance.

Key words: vector data, natural principle, node density index, scale evaluation

中图分类号:

P208

刘万增, 王新鹏, 赵婷婷, 翟曦, 李然, 朱秀丽, 蒋志浩, 彭云璐, 张晔. 碎片化地形矢量数据比例尺评估方法[J]. 测绘学报, 2024, 53(6): 1013-1024.

Wanzeng LIU, Xinpeng WANG, Tingting ZHAO, Xi ZHAI, Ran LI, Xiuli ZHU, Zhihao JIANG, Yunlu PENG, Ye ZHANG. Scale evaluation method for fragmented terrain vector data[J]. Acta Geodaetica et Cartographica Sinica, 2024, 53(6): 1013-1024.

图/表 21

图1

图2

图3

图4

图5

图6

图7

表1

表2

图8

图9

图10

图11

图12

表3

表4

表5

表6

表7

表8

表9

参考文献 29

[1]	刘万增, 彭震中. 我国测绘地理信息成果保密政策分析及对策[J]. 地理信息世界, 2016, 23(4):54-58.
	LIU Wanzeng, PENG Zhenzhong. Analysis and countermeasures for secrecy policy on mapping geographic information results of China[J]. Geomatics World, 2016, 23(4):54-58.
[2]	易树柏. 论地理信息安全在国家安全中的作用[J]. 理论界, 2016 (8):40-48.
	YI Shubai. On the role of geoinformation security to national security strategy[J]. Theory Horizon, 2016 (8):40-48.
[3]	高惠君. 城市规划空间数据的多尺度处理与表达研究[D]. 北京: 中国矿业大学(北京), 2012.
	GAO Huijun. Research on multi-scale handling and representation of urban planning spatial data[D]. Beijing: China University of Mining & Technology, Beijing, 2012.
[4]	刘万增, 陈军, 赵勇, 等. 地理信息保密安全评估的基本问题与对策[J]. 时空信息学报, 2023, 30(4):474-481.
	LIU Wanzeng, CHEN Jun, ZHAO Yong, et al. Fundamental issues and countermeasures of geographic information security assessment[J]. Journal of Spatio-Temporal Information, 2023, 30(4):474-481.
[5]	王家耀, 成毅. 空间数据的多尺度特征与自动综合[J]. 海洋测绘, 2004, 24(4):1-3.
	WANG Jiayao, CHENG Yi. The multiple character of spatial data and automated generalization[J]. Hydrographic Surveying and Charting, 2004, 24(4):1-3.
[6]	孙庆先, 李茂堂, 路京选, 等. 地理空间数据的尺度问题及其研究进展[J]. 地理与地理信息科学, 2007, 23(4):53-56, 80.
	SUN Qingxian, LI Maotang, LU Jingxuan, et al. Scale issue and its research progress of geospatial data[J]. Geography and Geo-Information Science, 2007, 23(4):53-56, 80.
[7]	陈俊杰. 不同尺度下地理实体的一体化组织与表达方法研究[D]. 杭州: 浙江大学, 2011.
	CHEN Junjie. Study on the integrative organization and representation method for geographical entity in different scales[D]. Hangzhou: Zhejiang University, 2011.
[8]	刘凯, 秦耀辰. 论地理信息的尺度特性[J]. 地理与地理信息科学, 2010, 26(2):1-5.
	LIU Kai, QIN Yaochen. On scale characteristics of geographic information[J]. Geography and Geo-Information Science, 2010, 26(2):1-5.
[9]	周卫, 朱长青, 吴卫东. 地理信息的安全特征综述[J]. 测绘通报, 2015 (10):122-125.
	ZHOU Wei, ZHU Changqing, WU Weidong. Review of the security features of geographic information[J]. Bulletin of Surveying and Mapping, 2015 (10):122-125.
[10]	朱长青, 任娜, 徐鼎捷. 地理信息安全技术研究进展与展望[J]. 测绘学报, 2022, 51(6):1017-1028. DOI:10.11947/j.AGCS.2022.20220172.
	ZHU Changqing, REN Na, XU Dingjie. Geo-information security technology: progress and prospects[J]. Acta Geodaetica et Cartographica Sinica, 2022, 51(6):1017-1028. DOI:10.11947/j.AGCS.2022.20220172.
[11]	乔朝飞, 贾宗仁, 徐坤, 等. 从国外情况看我国地理信息保密政策调整[J]. 测绘与空间地理信息, 2020, 43(12):1-4.
	QIAO Chaofei, JIA Zongren, XU Kun, et al. Adjustment of geospatial information confidentiality policy in China from the perspective of foreign situation[J]. Geomatics & Spatial Information Technology, 2020, 43(12):1-4.
[12]	任加新, 刘万增, 陈军, 等. 知识引导的碎片化栅格地形图比例尺智能识别[J]. 测绘学报, 2024, 53(1):146-157. DOI:10.11947/j.AGCS.2024.20230005.
	REN Jiaxin, LIU Wanzeng, CHEN Jun, et al. Knowledge-guided intelligent recognition of the scale for fragmented raster topographic maps[J]. Acta Geodaetica et Cartographica Sinica, 2024, 53(1):146-157. DOI:10.11947/j.AGCS.2024.20230005.
[13]	CHEN Wanzhi. Internet geographic information security supervision platform architecture research[J]. International Journal of Online and Biomedical Engineering (IJOE), 2013, 9(S2):13.
[14]	王迪, 钱海忠, 赵钰哲. 综述与展望：地理空间数据的管理、多尺度变换与表达[J]. 地球信息科学学报, 2022, 24(12):2265-2281.
	WANG Di, QIAN Haizhong, ZHAO Yuzhe. Review and prospect: management, multi-scale transformation and representation of geospatial data[J]. Journal of Geo-Information Science, 2022, 24(12):2265-2281.
[15]	艾廷华, 张翔. 地理信息科学中尺度概念的诠释与表达[J]. 测绘学报, 2022, 51(7):1640-1652. DOI:10.11947/j.AGCS.2022.20220143.
	AI Tinghua, ZHANG Xiang. An interpretation and representation of scale concept in geo-information sciences[J]. Acta Geodaetica et Cartographica Sinica, 2022, 51(7):1640-1652. DOI:10.11947/j.AGCS.2022.20220143.
[16]	吴冰娇. 基于几何与语义相似性的多尺度道路网数据匹配方法研究[D]. 兰州: 兰州交通大学, 2022.
	WU Bingjiao. Research on multi-scale road network data matching method based on geometric and semantic similarity[D]. Lanzhou: Lanzhou Jiatong University, 2022.
[17]	LI Zhilin, OPENSHAW S. A natural principle for the objective generalization of digital maps[J]. Cartography and Geographic Information Systems, 1993, 20(1):19-29.
[18]	LI Zhilin. Transformation of spatial representation in scale dimension: a new paradigm for digital generalization of spatial data[J]. International Archives of Photogrammetry and Remote Sensing, 1996, XXXI(B3):453-458.
[19]	钟其洋, 郭庆胜, 王勇, 等. 基于空间粒度的矢量空间数据比例尺估算方法[J]. 测绘通报, 2022 (8):117-122.
	ZHONG Qiyang, GUO Qingsheng, WANG Yong, et al. The method for estimating the scale of vector spatial data based on spatial granularity[J]. Bulletin of Surveying and Mapping, 2022 (8):117-122.
[20]	樊玉鑫, 郭庆胜, 王勇, 等. 参考样本库的线状道路空间数据比例尺估算[J]. 测绘科学, 2022, 47(7):208-215.
	FAN Yuxin, GUO Qingsheng, WANG Yong, et al. Scale estimation for linear road spatial data on sample database[J]. Science of Surveying and Mapping, 2022, 47(7):208-215.
[21]	刘鹏程, 李精忠, 艾廷华. 数字地图要素的细节层次一致性评价模型研究[J]. 中国矿业大学学报, 2019, 48(2):437-444.
	LIU Pengcheng, LI Jingzhong, AI Tinghua. Evaluation model of level of detail consistency of the features on digital maps[J]. Journal of China University of Mining & Technology, 2019, 48(2):437-444.
[22]	刘万增, 陆辰妮, 霍亮, 等. 最优信息熵约束的居民地点状要素选取方法[J]. 武汉大学学报(信息科学版), 2021, 46(8):1178-1185.
	LIU Wanzeng, LU Chenni, HUO Liang, et al. Selection method of residential point features constrained by optimal information entropy[J]. Geomatics and Information Science of Wuhan University, 2021, 46(8):1178-1185.
[23]	付青松. GIS矢栅数据结构及数据组织管理研究[J]. 测绘与空间地理信息, 2010, 33(6):64-66, 72.
	FU Qingsong. The research of GIS raster data structure and data organization and management[J]. Geomatics & Spatial Information Technology, 2010, 33(6):64-66, 72.
[24]	刘万增, 陈军, 金舒平, 等. 空间曲线长度计算与精度评价模型[J]. 测绘通报, 2013 (2):38-40, 58.
	LIU Wanzeng, CHEN Jun, JIN Shuping, et al. Space curve length calculation and accuracy assessment model[J]. Bulletin of Surveying and Mapping, 2013 (2):38-40, 58.
[25]	DOUGLAS D H, PEUCKER T K. Algorithms for the reduction of the number of points required to represent a digitized line or its caricature[J]. Classics in Cartography: Reflections on Influential Articles from Cartographica, 2011:15-28.
[26]	杨得志, 王杰臣, 闾国年. 矢量数据压缩的Douglas-Peucker算法的实现与改进[J]. 测绘通报, 2002 (7):18-19, 22.
	YANG Dezhi, WANG Jiechen, LÜ Guonian. Study of realization method and improvement of Douglas-Peucher algorithm of vector data compressing[J]. Bulletin of Surveying and Mapping, 2002 (7):18-19, 22.
[27]	李霖, 应申. 空间尺度基础性问题研究[J]. 武汉大学学报(信息科学版), 2005, 30(3):199-203.
	LI Lin, YING Shen. Fundamental problem on spatial scale[J]. Geomatics and Information Science of Wuhan University, 2005, 30(3):199-203.
[28]	李志林, 刘启亮, 唐建波. 尺度驱动的空间聚类理论[J]. 测绘学报, 2017, 46(10):1534-1548. DOI:10.11947/j.AGCS.2017.20170275.
	LI Zhilin, LIU Qiliang, TANG Jianbo. Towards a scale-driven theory for spatial clustering[J]. Acta Geodaetica et Cartographica Sinica, 2017, 46(10):1534-1548. DOI:10.11947/j.AGCS.2017.20170275.
[29]	LI Zhilin, OPENSHAW S. Algorithms for automated line generalization based on a natural principle of objective generalization[J]. International Journal of Geographical Information Systems, 1992, 6(5):373-389.

编辑推荐 0

Metrics

阅读次数

全文

186

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	14	0	0	172

来源	本网站	其他网站

次数	132	54
比例	71%	29%

摘要

160

最新录用	在线预览	正式出版

0	0	160

	来源	本网站

	次数	160
	比例	100%

比例尺		μ'	2μ'-
1∶5万	1	1.42	1.84
1∶25万	1.60	2.08	2.56
1∶100万	2.28	2.77	3.26

比例尺		μ'	2μ'-
1∶5万	1.18	1.58	1.98
1∶25万	1.78	2.28	2.78
1∶100万	2.45	2.92	3.39

要素类型	鉴定图幅数	正确图幅数	错误图幅数	正确率/（%）
水系	108	100	8	92.59
等高线	91	87	4	95.60

要素类型	鉴定图幅数	正确图幅数	错误图幅数	正确率/（%）
水系	740	687	53	92.84
等高线	787	749	38	95.17

要素类型	鉴定图幅数	正确图幅数	错误图幅数	正确率/（%）
水系	920	864	56	93.91
等高线	994	896	88	90.14

碎片化地形矢量数据比例尺评估方法

Scale evaluation method for fragmented terrain vector data

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 21

参考文献 29

相关文章 7

编辑推荐 0

Metrics

本文评价

要素比例尺	鉴定图幅数	正确图幅数	错误图幅数	正确率/（%）
1∶100万	199	187	12	93.97
1∶25万	1527	1436	91	94.04
1∶5万	1914	1770	144	92.47
整体	3640	3393	247	93.21

[1]	李皓, 乐鹏, 姜良存, 张明达, 梁哲恒. 矢量地理信息溯源记录组织验证的区块链技术[J]. 测绘学报, 2021, 50(6): 823-832.
[2]	谢鹏, 杨春成, 熊顺, 何列松, 周校东. 基于HBase的空间矢量数据存储模型设计与优化[J]. 测绘学报, 2020, 49(10): 1365-1373.
[3]	佟德宇, 朱长青, 任娜. 小数据量矢量地理数据水印算法[J]. 测绘学报, 2018, 47(11): 1518-1525.
[4]	李志林, 刘启亮, 唐建波. 尺度驱动的空间聚类理论[J]. 测绘学报, 2017, 46(10): 1534-1548.
[5]	逯跃锋. 基于形状特征的矢量数据与影像数据配准方法研究[J]. 测绘学报, 2014, 43(8): 879-879.
[6]	马小龙李成名赵占杰. 道路交叉口自动检测与基于OSG的三维自动建模方法[J]. 测绘学报, 2014, 43(10): 1083-1091.
[7]	杨成松,朱长青. 基于常函数的抗几何变换的矢量地理数据水印算法[J]. 测绘学报, 2011, 40(2): 256-261.

比例尺	类别
比例尺	等高线	水系
1∶100万	（2.42,3.26]	（2.62,3.39]
1∶25万	[1.72,2.42]	[1.88,2.62]
1∶5万	[1,1.72）	[1.18,1.88）