2. 瑞尔森大学土木工程系, 加拿大 多伦多, M5B 2K3;
3. 武汉大学测绘学院, 湖北 武汉 430079
2. Department of Civil Engineering, Ryerson University, Toronto M5B 2K3, Canada;
3. School of Geodesy and Geomatics, Wuhan University, Wuhan 430079, China
众所周知,测绘的基本任务是测定和表达各类自然要素、人文现象和人工设施的多维空间分布、多重属性及其随时间的动态变化[1-3]。为此,需要借助于各种先进技术手段和仪器装备,开展数据采集、处理、分析、表达、管理及成果服务等活动。这使得测绘成为一个技术密集型行业,技术进步在提升其生产效率与服务水平方面发挥着至关重要的作用。我国测绘经历了从模拟测绘技术到数字化测绘技术的重要变革,逐步实现了全行业的数字化转型,推动了数字化产品生产与服务体系的全面建立,促进了地理信息产业的蓬勃发展。但近年来这种数字化测绘技术的“红利”已基本用完,测绘生产与服务面临着数据获取实时化、信息处理自动化、服务应用知识化等诸多新难题。从数字化测绘走向智能化测绘,成为必然选择。
20世纪90年代之前,人们主要是使用光学-机械型测量仪器测制各种比例尺地形图和专题图,作业周期长、更新速度慢,1∶5万地形图覆盖全部陆地国土不足80%,且大部分现势性在10—30年以上,十分陈旧,严重滞后于经济建设和社会发展的需要[4-5]。为改变这种不利局面,国家测绘主管部门成功地组织完成了数字化测绘技术体系的科技攻关,实现了地理空间数据的数字化采集、处理与服务,向各行各业提供模拟和数字两类产品,奠定了测绘行业在全社会数字化转型大潮中的重要地位,较好地满足了国民经济建设和社会发展的需要[6-16]。
近年来测绘行业的内外部环境发生了较大变化,面临着技术转型升级的巨大挑战。首先,国家大力推进高质量发展、促进国土空间格局优化,要求全面摸清自然资源家底,科学认知人地关系,实施数据赋能的国土空间规划与管控。但现有数字化测绘技术在智能化、动态性、精准度等方面尚存在着不足或局限性,难以完全满足“查得准”“认得透”“管得好”的应用需求。其次,以4D产品为核心的多尺度、多类型地理空间数据已渗透到数字经济、数字治理和数字生活的方方面面,发挥着越来越重要的“时空基底”和关键生产要素作用,但国土空间规划、生态环境保护、防灾减灾、自动驾驶、疫情防控等新兴应用领域对时空信息的精细程度、更新周期、服务方式等提出了诸多新需求,迫切需要研发和提供更多的多维、动态、高精时空数据产品,构建新型时空信息基础设施,从数据信息服务走向时空知识服务等[17-19]。
面对全社会数字化、智能化转型的时代浪潮以及“第四次工业革命”的影响,如何审时度势,把握机遇,推动行业技术进步和事业转型升级,已成为测绘业界关心的热门话题[18, 20]。近几年,有关“测绘科技转型升级——从数字化走向智能化”这一问题多次召开学术研讨会,测绘学者的普遍共识是,数字化测绘技术的“红利”已基本用完,应不失时机地开展创新研究,从数字化测绘走向智能化测绘。国际测量师联合会(International Federation of Surveyors,FIG)也专门讨论了smart surveyors主题,提出要发展智能化测绘,实现测绘科技的转型和升级[22]。
应该指出的是,从数字化测绘走向智能化测绘,是一项极为复杂的系统工程,既涉及理论创新、技术突破、体系构建等科技难题,也牵涉观念更新、学科协同、政策保障等非技术因素。为了切实有效地推动智能化测绘的研发与应用,首先要厘清基本概念和科学问题,研判国内外发展动态,找准重点、难点和着力点,进而明确发展方向与任务。笔者从数字化测绘的技术特征分析出发,讨论了智能化测绘的基本概念与思路,分析了智能化测绘的基本问题,提出了今后的发展方向。
1 智能化测绘的概念与内涵从技术的角度看,数字化测绘是使用专门的仪器或装备,测定自然要素、人工设施和人文现象的空间分布、专题属性、相互关系及时空变化,并进行数字化建模、空间化处理和可视化表达,产出数字化的地理空间数据产品,并提供相应的数据信息服务。其本质特征是对各种数字化的观测资料,采用定量算法或解析模型,在矢量或栅格等度量空间中进行计算解析,实现几何处理、物理反演及误差分析。多年来,人们以计算几何、离散数学、数理统计等为基础,依据坐标体系、投影变换、成像机理、共线方程、测量平差等测绘原理,对时空基准、遥感影像、数字地图等进行几何特征与物理参数研究,提出了包括坐标变换、几何校正、辐射融合、分类提取、多维建模、空间分析、可视化表达等在内的一系列处理算法与模型,奠定了数字化测绘的模型与算法基础[9, 23-40]。
现实世界是由纷繁多样的自然要素、人文现象及人工设施组成的,既呈现出千姿百态的几何特征,多维动态的时空分布,又具有错综复杂的相互关系,往往无法用一组简洁通用的数学模型或算法加以完整描述。例如,数字化地形要素的图形、属性之间存在着错综复杂的关系,虽可以利用计算几何、空间关系等模型、算法加以计算分析,但要对其内容完整性和逻辑一致性等进行合理性判定,则需借助于专家的认知经验。实际上,根据地形图上相邻等高线的邻接关系和相差的等高距数,有经验的测绘工作者能快速地识别出山包、谷地、鞍部等地形要素,判断其高程赋值是否存在异常,但却难以将之表达成解析型算法或模型。在全国1∶5万基础地理信息建库与更新工程设计与实施过程中,有关专家曾通过研究4D数据应满足的内容完整性和逻辑一致性,凝练了5类20余种约束条件与规则,将其与等高线邻接关系、复杂线-线关系等系列算法相结合,形成了基于“规则-算法”的数据质量检查、评价方法,实现了等高线高程异常、DEM粗差等近百种数据质量元素的自动检查与错误信息定位,在基础地理信息数据库更新工程中发挥了重要作用[41-46]。
究其本质,主要是以往的测绘算法适合解决低维空间(3维以下)的线性问题,难以有效进行全局认知和不确定性判断,无法满足高维、非线性空间的问题求解需求。而利用人所具备的测绘感知、认知能力,可以凝练出形式化的领域知识与判断规则,用以引导算法的选择组合、数据的处理分析、成果的质量控制等,能够在一定程度上改变单纯依赖算法的不利局面。借助人工智能等新技术、新手段,可以归纳提炼环境感知、空间认知等自然智能及先验知识,将其融入测绘数据获取、信息处理、分析服务的过程中去,即将数字化测绘提升为智能化测绘。
例如,图 1给出了知识与算法相结合的“问题地图”智能化诊断过程。首先,地图专家们对长期审图过程中积累的丰富经验进行总结,凝练成有关“问题地图”的认知规则;继而据此选取正负样本集,采用多尺度融合算法,对深度学习模型进行训练,获取“问题地图”的多尺度和多维度特征知识;然后结合空间关系约束规则和计算模型,对地图问题区域进行判断和标定。这种“问题地图”检测是以审图专家的先验知识为引导,以样本增强、多尺度融合等算法为基础,以深度学习模型为核心的混合智能计算模式,识别正确率可达80%以上[47]。
进一步分析可知,智能化测绘是以知识和算法为核心要素,构建以知识为引导、算法为基础的混合型智能计算范式,实现测绘感知、认知、表达及行为计算,如图 2所示。针对传统测绘算法、模型难以解决的高维、非线性空间求解问题,在知识工程、深度学习、逻辑推理、群体智能、知识图谱等技术的支持下,对人类测绘活动中形成的自然智能进行挖掘提取、描述与表达,并与数字化的算法、模型相融合,构建混合型智能计算范式,实现测绘的感知、认知、表达及行为计算,产出数据、信息及知识产品。
2 基本问题
就总体而言,以往人们主要关注测绘新算法、新模型及其在数字化测绘生产中的应用研究,对智能化测绘缺乏系统深入的研究,于是,需要厘清其基本问题,开展模型算法及关键技术研究。其基本问题主要有测绘自然智能的解析与建模、混合型测绘智能计算算法构建与实现、赋能测绘生产的机制与路径等。
2.1 测绘自然智能的解析与建模自然智能一般是指人类对环境、物体、动物或植物等元素进行识别和分类的能力[48]。测绘自然智能则是指人类在测绘活动中形成的感知、认知和行为能力,如遥感影像判读解译、地图读图与分析、行进中的导航定位等。这往往可以抽象成特定的自然信息处理机制和支撑的先验知识。例如,人们根据遥感影像中地物光谱特征及相互关系,能够方便地推断出被部分遮挡的地物边界、辨别出云团的阴影等。借鉴自然计算等人工智能的研究思路,可以对其中的信息处理机制进行解析与建模,抽象形成基于数学或逻辑符号的混合型计算模式[49-52]。实际上,这是一个自底向上分层抽象和自顶向下知识迁移的信息处理机制,可用多粒度认知计算模型加以描述与表达,去实现知识与数据双向驱动的影像智能计算[53-54]。再如,有学者对人眼观察物体时存在“远粗近细”的现象进行抽象,发现了能揭示地图空间尺度变换机理的“自然法则”(natural principle),即“对任意给定尺度,均对应着一个最小可视范围(SVS),凡落入这一范围的任何空间变化均不可见、可被忽略”[55],提出了尺度驱动、空间优先的地图空间认知方法,为地形地物多尺度客观表达和地图客观综合范式构建奠定了科学基础[56-57]。
测绘自然智能解析与建模的另一项基本任务是凝练和整理人们在数据获取、信息处理、服务应用等测绘活动中积累的经验或认识,包括一些自然要素和人文现象的地域分布、时空变化、关联关系等规律,形成可用于辅助测定空间分布的、判定多重属性及分析动态变化的先验知识[58-59]。例如,人们针对航空航天遥感影像的丰富光谱、纹理及时相特征,研制了众多的地表覆盖自动分类、变化检测的算法,但在大范围应用时往往受制于“同物异谱/异物同谱”现象,难以满足单期高精度、多期一致性的工程化要求。为解决这一问题,人们在研发新算法、新模型的同时,一直致力于收集和整理反映或描述地表覆盖地带分布、区域过渡、空间约束、时间连续等规律的参考数据、样本及其他资料,用于辅助判断地类属性、识别问题区域,提高分类提取及变化检测的精度[60-62]。
2.2 混合计算模式的构建与实现早期测绘专家主要是利用以符号主义为核心的逻辑推理(logical reasoning),将生产服务过程中的有关约束条件、判断规则等专家知识和先验知识形式化,与计算几何、空间关系等算法相结合,形成问题求解的计算模式[42-43]。近几年迅速发展的深度学习、群体智能、知识图谱等人工智能技术,为自然测绘智能的挖掘提取和描述、表达提供了新手段[63-65]。例如,利用深度学习提供的多层非线性变换,可以挖掘隐含在遥感影像数据内部的统计性特征,包括基于几何特征的边界识别、基于光谱特征的参数反演,进而利用构筑物和自然景观地物构成、时空分布等领域知识,将这些低层特征组合成高层特征或属性类别,提取复杂的全局特征和上下文信息,识别出复杂地理场景[53]。这实际上是利用深度学习技术,将自底向上分层抽象和自顶向下知识迁移的自然信息处理机制转换成机器智能,形成一种遥感影像解译的混合型智能计算模式。
群体智能(swarm intelligence)是模仿生物系统内竞争和合作方式,通过群体计算、社群感知等方式,从少数的精英专家行为走向众包、众创,实现由下而上、跨层级的协同问题求解,为测绘样本采集、检核验证、公众参与、决策支持等提供了新思路[18, 65-66]。例如,针对大范围地表覆盖遥感制图与变化监测的需要,可利用众包技术和众源信息手段,研发“众包+深度学习”的混合增强方法,由各地的志愿者采集图像样本资料或提供文本线索,采用图卷积等技术从影像中提取类型或变化,实现地表覆盖的在线协同更新[67-68]。同理,可综合利用无人机、移动感知和各种视频传感器,构建起无线智能传感网络,对违法用地和违法建筑、人们的时空行为特征等进行动态监测[69-70]。
此外,知识图谱(knowledge graph)、大数据等技术也为构建新型的混合智能计算模式提供了可能。其中,知识图谱是采用结构化方式,实现多级网状知识节点(包括概念、实体等)及相互关系的链接与管理,支持语义搜索、知识推理等服务,可用于构建空间型知识服务系统,提供描述型、诊断型、预测型和方案型的知识服务,将传统的测绘数据信息服务提升为知识服务[19]。而借助于大数据技术,可以将基础地理信息、地理国情监测成果等地理空间数据与手机信令等行为感知数据融合起来,进行人地关系的“相关分析”,寻找出其中的相关关系和因果关系,从而实现人类活动的时空感知、人地关系的解析模拟,以及国土空间格局的优化管控[71-74]。
2.3 赋能测绘生产的机制与路径智能化测绘旨在将越来越多的简单性、重复性甚至危险性的测绘任务交由机器完成,而让人类更好地发挥知识创造、空间思维等方面的能力,达到赋能测绘生产、提高效率与水平的目的。基于此,需要在测绘自然智能解析建模和混合型智能计算模式构建的基础上,研究设计赋能机制与实现路径。例如,目前全国大范围基础地理信息更新采用的是影像信息提取、互联网地理信息获取及地图制图综合等主体技术,由于难以全面地建立严格精确的算法模型、清晰全面的计算规则,自动化程度难以进一步提高,停留在以年为周期的批次化版本式更新阶段[75]。要做到以地理要素为对象、以月为周期的应需动态更新,必须综合利用深度学习、群体智能、物联网等最新技术,破解自动化提取、智能化处理、协同化生产等方面的技术难点,研发基于影像的地物信息自动提取、基于时空大数据的属性信息挖掘、新型远程式增强型调绘、众源检核等为核心的动态更新技术,提高信息提取与产品制作的智能化程度[75]。
因此,需要重点研究推进智能化测绘的机制,包括研究相关的政策法规,建立配套的知识创造、更新、共享与激励机制、人机协同工作机制及智能化测绘系列标准规范、业务流程与管理模式等,为实现从数字化测绘向智能化测绘的转型升级提供政策和制度保障。在实现途径上,则要针对不同的应用需求、应用场景,组织开展智能化测绘的实现方法与关键技术研究,形成业务化运行的装备、软件、标准和服务模式,并开展典型应用示范,以点带面,进行全面推广应用,逐步形成生产能力,赋能测绘生产。
3 发展方向智能化测绘体系的建立,将推动测绘数据获取、处理与服务的技术升级,从基于传统测量仪器的几何信息获取拓展到泛在智能传感器支撑的动态感知,从模型、算法为主的数据处理转变为以知识为引导、算法为基础的混合型智能计算范式,从平台式数据信息服务上升为在线智能知识服务。为了切实推动智能化测绘的创新发展,应努力地构建智能化测绘的知识体系,加大智能化测绘技术方法的研究力度,研制智能化测绘的应用系统与仪器装备。
3.1 构建智能化测绘的知识体系最近一段时间,人工智能对测绘学科的影响[76-77],引起了测绘界广泛关注[21],先后提出了对地观测大脑[17]、泛在测绘[18, 78]、顾及三元空间的智慧城市GIS框架[79]等新概念,为智能测绘的研讨奠定了基础。但是,如果要构建智能测绘体系,则还必须聚集智能化测绘的基本问题,开展前沿性的研究探索,构建具有内在逻辑和结构的智能化测绘知识体系,促进知识和应用的融通。
为此,需要加大对智能化测绘的智能机理、计算模式、赋能机制等研究,并在生产实践的基础上,抽象出科学的概念、术语、命题、陈述、定律、定理,凝练出拟研究解决的基础理论与关键技术问题,积极争取国家科技研发专项、自然科学基金等资助,研究形成具有系统性和逻辑性的知识体系[80]与成套理论方法, 为智能时代的人类测绘活动提供新思路、新方法和新工具。
3.2 研究智能化测绘的技术方法面向特定测绘目标或任务,需要利用智能原理与知识,研究发展适宜的技术方法,解决“怎样做”和“怎样做得好”的问题。例如,针对大范围地表遥感调查的要求,根据多光谱、多时相、高分辨率、多传感器,以及全天候遥感影像的特点, 构建反映地理相关性、空间异质性和地物位置约束等内容的时空知识图谱,并将其与机器学习算法相结合,研发知识引导和数据学习双向驱动的智能化信息提取方法,提高地物目标、属性及场景的精细化提取水平[53, 81];再如, 将已有地表覆盖矢量分类数据蕴含的丰富语义信息(如空间位置、形状和地物类别)作为先验知识,提取单期影像上纹理特征的空间异质性,实现基于先验知识和纹理异常的单期影像变化监测,以克服两期遥感影像变化检测存在的困难[82]。
对于众多算法、模型、方法来说,其各自有着适用范围和局限性,需要根据给定的应用场景进行选择和组合。例如,目前有数以百计的遥感影像变化检测算法,分别适用于不同的影像条件、地域特点或应用对象。在开展大范围变化监测业务时,需要根据算法与算法、算法与数据、数据与数据之间的竞争、协作、约束关系等,进行算法优选和处理流程构建。但其水平高低往往受制于专家的个人经验与能力,难以满足高质量、自动化监测的需要[83-84]。当前的一个发展趋势是,将知识工程和机器学习相结合,系统地梳理变化检测算法与影像之间的多级关系,归纳凝练出相应的领域知识,转换为Web服务,形成基于领域知识的在线变化检测工具,减少对专家个人经验与知识的依赖[85-87]。
3.3 研制智能化测绘的应用系统从应用的角度看,设计和研制能够支持数据采集、处理、分析、管理的新一代智能化业务系统,提升产品生产与服务的水平与效率, 是智能化测绘的一个重要发展方向。这需要针对每一个特定的单一或综合应用场景,厘清其产品生产与服务过程中所蕴含的信息处理机制,梳理所使用的先验知识,构建混合型的智能计算模式,研制专门或专用的具有一定智能水平的业务系统或平台,并制定出相应的技术规范、工艺流程、质量控制办法等。这一过程将打破大地测量、摄影测量与遥感、地图制图、地理信息工程等传统专业界限,从业务信息流的角度进行整体谋划与优化设计。
目前的研究热点包括:时空数据按需搜索与协作服务系统[88-89]、综合PNT服务系统[90]、卫星在轨数据处理系统[91]、天空地综合智能摄影测量系统[92]、云端遥感影像智能解译系统[93]、智能地理信息系统[94]、空间型知识服务系统[19]等,而诸如此类的众多单项智能化业务系统的有效集成,将可望形成面向全行业的智能化测绘技术体系。
3.4 研制智能化测绘的仪器装备测绘仪器装备是指那些用于数据获取、信息处理、成果表达等方面的专用工具,对于提高人们测绘活动中的感知、认知、表达、行为能力至关重要。全站仪、摄影测量工作站、数码航空相机、高速绘图仪等是传统测绘仪器装备的代表。目前,以云计算、物联网、智能芯片、人工智能为代表的新兴技术,为智能化测绘仪器装备的研制提供了新思路[95-96]。今后应该进一步发展智能化的测绘仪器装备[95-97],如智能全站仪[98]、智能化GIS软件系统[99]、智能化的单波束测深系统[97]、测绘无人机、测量机器人、全组合智能导航系统、识图机器人,以及利用智能设备和其所带的智能传感器(如iPad的激光传感器)开发的数据采集系统等[100]。
3.5 推动跨学科协同创新与合作智能化测绘的研究与应用涉及测绘、地理、人工智能、大数据等诸多学科,是一项复杂的系统工程,亟须进行跨学科的交叉与融合,在学科结合中寻找增长点,取得新突破,培养创新型人才。因此,应充分发挥政府、学术界、高校和科研机构、事业单位、企业的积极性,建立优势互补的良性协作机制。自然资源部作为测绘主管部门,应在全国智能化测绘的顶层设计、项目推动、试点示范、标准规范制定等方面发挥领导作用;以中国测绘学会为代表的学术团体则应发挥联系全国广大科技工作者的优势,在组织学术研讨、交流争鸣、培训推广等中发挥学术引领作用。
4 结语回顾数字化测绘技术的发展历程与重要贡献,可知其是以确定性的“规则-算法-模型”为本质,对现实地理世界进行数字化采集、表达、处理与分析,但往往难以满足多维动态的地理场景建模和复杂空间问题求解的需求。面对全社会数字化发展、智能化转型的时代浪潮,应通过人类自然智能、机器智能与测绘知识、算法的有机结合,构建以知识为引导、算法为基础的智能化测绘体系,实现对真实世界的智能感知、认知、表达及行为计算,提供更加丰富、更为精准的地理空间数据、信息及知识产品。为此,须聚焦测绘自然智能的解析与建模、混合型测绘智能计算的构建与实现、智能赋能测绘生产的机制与路径等基本问题,大力开展智能化测绘知识体系的构建、技术方法研究、应用系统和仪器装备研发。
从数字化测绘走向智能化测绘,是测绘行业积极应对全社会数字化发展、智能化转型的一项重要行动举措。为切实地推动这一方面的研究与应用,应充分发挥政府的引领作用,加强顶层设计,营造良好发展环境;同时,要促进学术界、事业单位和企业积极地更新观念,加强协同创新,通过立项实施、试点示范、标准规范制定等,促进和推动智能化测绘体系的早日建成并发挥成效。
致谢: 张继贤研究员、李荣兴教授等为本文提出了宝贵意见,在此一并感谢。
[1] |
王之卓. 当代测绘学科的发展[J]. 测绘学报, 1998, 27(4): 283-286. WANG Zhizhuo. Development of surveying and mapping[J]. Acta Geodaetica et Cartographica Sinica, 1998, 27(4): 283-286. DOI:10.3321/j.issn:1001-1595.1998.04.001 |
[2] |
宁津生, 王正涛. 从测绘学向地理空间信息学演变历程[J]. 测绘学报, 2017, 46(10): 1213-1218. NING Jinsheng, WANG Zhengtao. Progresses from surveying and mapping to geomatics[J]. Acta Geodaetica et Cartographica Sinica, 2017, 46(10): 1213-1218. DOI:10.11947/j.AGCS.2017.20170375 |
[3] |
GAGNON P, COLEMAN D J. Geomatics an integrated, systemic approach to meet the needs for spatial information[J]. CISM Journal, 1990, 44(4): 377-382. DOI:10.1139/geomat-1990-0033 |
[4] |
陈军. 论数字化地理空间基础框架的建设与应用[J]. 测绘工程, 2002, 11(3): 1-6. CHEN Jun. Discussing the development and application of digital geo-spatial framework[J]. Engineering of Surveying and Mapping, 2002, 11(3): 1-6. DOI:10.3969/j.issn.1006-7949.2002.03.001 |
[5] |
陈军, 李志林, 蒋捷, 等. 基础地理数据库的持续更新问题[J]. 地理信息世界, 2004, 2(5): 1-5. CHEN Jun, LI Zhilin, JIANG Jie, et al. Key issues of continuous updating of geo-spatial databases[J]. Geomatics World, 2004, 2(5): 1-5. DOI:10.3969/j.issn.1672-1586.2004.05.001 |
[6] |
王之卓. 全数字化自动测图系统的研究方案(讨论稿)[J]. 武汉测绘科技大学学报, 1998, 23(4): 287-293. WANG Zhizhuo. Research program of fully digital automatic mapping system (a discussion paper)[J]. Journal of Wuhan Technical University of Surveying and Mapping, 1998, 23(4): 287-293. |
[7] |
张祖勋, 林宗坚. 摄影测量测图的全数字化道路[J]. 武汉大学学报(信息科学版), 1985(3): 13-18. ZHANG Zuxun, LIN Zongjian. A digital way for photogrammetric mapping[J]. Geomatics and Information Science of Wuhan University, 1985(3): 13-18. |
[8] |
刘先林. 数控测图仪的DEM国际试验结果[J]. 武汉测绘学院学报, 1985(3): 25-32. LIU Xianlin. A report on the participation of a DEM international experiment by the use of a home-made computer controlled digital mapping system[J]. Journal of Wuhan Technical University of Surveying and Mapping, 1985(3): 25-32. |
[9] |
潘正风. 大比例尺数字测图[M]. 北京: 测绘出版社, 1996. PAN Zhengfeng. Large-scale digital mapping[M]. Beijing: Surveying and Mapping Press, 1996. |
[10] |
林宗坚. "4D"技术及其应用[J]. 测绘工程, 1997, 6(3): 1-5. LIN Zongjian. The technology of DEM, DOQ, DRG, DLG and its application[J]. Engineering of Surveying and Mapping, 1997, 6(3): 1-5. |
[11] |
李德仁. 论RS, GPS与GIS集成的定义, 理论与关键技术[J]. 遥感学报, 1997, 1(1): 64-68. LI Deren. On definition, theory and key technics of the integration of GPS, RS and GIS[J]. Journal of Remote Sensing, 1997, 1(1): 64-68. |
[12] |
陈俊勇. 面向数字中国建设中国的现代测绘基准——对我国"十五"大地测量工作的思考和建议[J]. 测绘通报, 2001(3): 1-3. CHEN Junyong. Digital China-oriented construction of China's modern geodatic datum[J]. Bulletin of Surveying and Mapping, 2001(3): 1-3. DOI:10.3969/j.issn.0494-0911.2001.03.001 |
[13] |
张祖勋. 从数字摄影测量工作站(DPW)到数字摄影测量网格(DPGrid)[J]. 武汉大学学报(信息科学版), 2007, 32(7): 565-571. ZHANG Zuxun. From digital photogrammetry workstation (DPW) to digital photogrammetry grid (DPGrid)[J]. Geomatics and Information Science of Wuhan University, 2007, 32(7): 565-571. |
[14] |
WOLF P R. Surveying and mapping: history, current status, and future projections[J]. Journal of Surveying Engineering, 2002, 128(3): 79-107. DOI:10.1061/(ASCE)0733-9453(2002)128:3(79) |
[15] |
OLALEYE J B, ABIODUN O E, OLUSINA J O, et al. Surveyors and the challenges of digital surveying and mapping technology[J]. Surveying and Land Information Science, 2011, 71(1): 3-11. |
[16] |
杨凯. 建立我国数字化测绘技术体系的有关问题[M]. 测绘遥感信息工程国家重点实验室年报(1990—1991). 武汉. 1992. YANG Kai. Some issues related to the establishment of China's digital surveying and mapping technology system[M]. Annual Report of State Key Laborary of Information Engineering in Surveying, Mapping and Remote Sensing (1990—1991). Wuhan. 1992. |
[17] |
李德仁. 从测绘学到地球空间信息智能服务科学[J]. 测绘学报, 2017, 46(10): 1207-1212. LI Deren. From geomatics to geospatial intelligent service science[J]. Acta Geodaetica et Cartographica Sinica, 2017, 46(10): 1207-1212. DOI:10.11947/j.AGCS.2017.20170263 |
[18] |
刘经南, 高柯夫. 智能时代测绘与位置服务领域的挑战与机遇[J]. 武汉大学学报(信息科学版), 2017, 42(11): 1506-1517. LIU Jingnan, GAO Kefu. Challenges and opportunities for mapping and surveying and location based service in the age of intelligence[J]. Geomatics and Information Science of Wuhan University, 2017, 42(11): 1506-1517. |
[19] |
陈军, 刘万增, 武昊, 等. 基础地理知识服务的基本问题与研究方向[J]. 武汉大学学报(信息科学版), 2019, 44(1): 38-47. CHEN Jun, LIU Wanzeng, WU Hao, et al. Basic issues and research agenda of geospatial knowledge service[J]. Geomatics and Information Science of Wuhan University, 2019, 44(1): 38-47. |
[20] |
王家耀. 时空大数据时代的地图学[J]. 测绘学报, 2017, 46(10): 1226-1237. WANG Jiayao. Cartography in the age of spatio-temporal big data[J]. Acta Geodaetica et Cartographica Sinica, 2017, 46(10): 1226-1237. DOI:10.11947/j.AGCS.2017.20170308 |
[21] |
宁津生. 测绘科学与技术转型升级发展战略研究[J]. 武汉大学学报(信息科学版), 2019, 44(1): 1-9. NING Jinsheng. Research on the development strategy of surveying and mapping science and technology transformation and upgrading[J]. Geomatics and Information Science of Wuhan University, 2019, 44(1): 1-9. |
[22] |
BROUWER T, KOEVA M, VAN OOSTEROM P, et al. Smart surveyors: developments and trends from the FIG working week 2020[M]. GIM International, 2020.
|
[23] |
王之卓. 摄影测量原理[M]. 武汉: 武汉大学出版社, 2007. WANG Zhizhuo. The Principles of photogrammetry[M]. Wuhan: Wuhan University Press, 2007. |
[24] |
宁津生, 邱卫根, 陶本藻. 地球重力场模型理论[M]. 武汉: 武汉测绘科技大学出版社, 1990. NING Jinsheng, QIU Weigen, TAO Benzao. The theory of gravity field model of the earth[M]. Wuhan: Wuhan Technical University of Surveying and Mapping Press, 1990. |
[25] |
周忠谟, 易杰军. GPS卫星测量原理与应用[M]. 北京: 测绘出版社, 1992. ZHOU Zhongmo, YI Jiejun. Principles and applications of GPS satellite surveying[M]. Beijing: Surveying and Mapping Press, 1992. |
[26] |
杨元喜. 抗差估计理论及其应用[M]. 北京: 八一出版社, 1993. YANG Yuanxi. The theory of robust estimation and its applications[M]. Beijing: Bayi Press, 1993. |
[27] |
边馥苓. 地理信息系统原理和方法[M]. 北京: 测绘出版社, 1996. BIAN Fuling. Principles and methods of geographic information system[M]. Beijing: Surveying and Mapping Press, 1996. |
[28] |
张祖勋, 张剑清. 数字摄影测量学[M]. 武汉: 武汉大学出版社, 1997. ZHANG Zuxun, ZHANG Jianqing. Digital photogrammetry[M]. Wuhan: Wuhan University Press, 1997. |
[29] |
刘经南, 陈俊勇, 张燕平. 广域差分GPS原理和方法[M]. 北京: 测绘出版社, 1999. LIU Jingnan, CHEN Junyong, ZHANG Yanping. Principles and methods of wide area differential GPS[M]. Beijing: Surveying and Mapping Press, 1999. |
[30] |
郭仁忠. 空间分析[M]. 2版. 北京: 高等教育出版社, 2001. GUO Renzhong. Spacial analysis[M]. 2rd ed. Beijing: Higher Education Press, 2001. |
[31] |
陈军. Voronoi动态空间数据模型[M]. 北京: 测绘出版社, 2002. CHEN Jun. Voronoi dynamic spatial data model[M]. Beijing: Surveying and Mapping Press, 2002. |
[32] |
李建成, 陈俊勇, 宁津生, 等. 地球重力场逼近理论与中国2000似大地水准面的确定[M]. 武汉: 武汉大学出版社, 2003. LI Jiancheng, CHEN Junyong, NING Jinsheng, et al. The Earth's gravitational field approximation theory and the determination of China 2000 Quasi-geoid[M]. Wuhan: Wuhan University Press, 2003. |
[33] |
李志林, 朱庆. 数字高程模型[M]. 2版. 武汉: 武汉大学出版社, 2003. LI Zhilin, ZHU Qing. Digital elevation model[M]. 2nd ed. Wuhan: Wuhan University Press, 2003. |
[34] |
吴立新, 史文中. 地理信息系统原理与算法[M]. 北京: 科学出版社, 2003. WU Lixin, SHI Wenzhong. Principles and algorithms of geoinformation system[M]. Beijing: Science Press, 2003. |
[35] |
潘正风, 程效军, 王腾军, 等. 数字测图原理与方法[M]. 武汉: 武汉大学出版社, 2004. PAN Zhengfeng, CHENG Xiaojun, WANG Tengjun, et al. Principles and methods of digital mapping[M]. Wuhan: Wuhan University Press, 2004. |
[36] |
杨元喜. 自适应动态导航定位[M]. 北京: 测绘出版社, 2006. YANG Yuanxi. Adaptive navigation and kinematic positioning[M]. Beijing: Surveying and Mapping Press, 2006. |
[37] |
王家耀, 李志林, 武芳. 数字地图综合进展[M]. 北京: 科学出版社, 2011. WAO Jiayao, LI Zhilin, WU Fang. Advances in digital map generalization[M]. Beijing: Science Press, 2011. |
[38] |
陈军, 陈晋, 廖安平. 全球地表覆盖遥感制图[M]. 北京: 科学出版社, 2016. CHEN Jun, CHEN Jin, LIAO Anping. Remote sensing mapping of global land cover[M]. Beijing: Science Press, 2016. |
[39] |
LINDER W. Digital photogrammetry: theory and applications[M]. Berlin: Springer Science & Business Media, 2013.
|
[40] |
PUENTE I, GONZÁLEZ-JORGE H, MARTÍNEZ-SÁNCHEZ J, et al. Review of mobile mapping and surveying technologies[J]. Measurement, 2013, 46(7): 2127-2145. DOI:10.1016/j.measurement.2013.03.006 |
[41] |
刘建军, 陈军, 王东华, 等. 等高线邻接关系的表达及应用研究[J]. 测绘学报, 2004, 33(2): 174-178. LIU Jianjun, CHEN Jun, WANG Donghua, et al. The study of description and application of contour adjacency relationship[J]. Acta Geodaetica et Cartographica Sinica, 2004, 33(2): 174-178. DOI:10.3321/j.issn:1001-1595.2004.02.015 |
[42] |
CHEN Jun, LIU Wanze, LI Zhilin, et al. Detection of spatial conflicts between rivers and contours in digital map updating[J]. International Journal of Geographical Information Science, 2007, 21(10): 1093-1114. DOI:10.1080/13658810701300071 |
[43] |
刘万增, 陈军, 邓喀中, 等. 数据库更新中河流与山谷线一致性检测[J]. 中国图象图形学报, 2008, 13(5): 1003-1008. LIU Wanzeng, CHEN Jun, DENG Kazhong, et al. Detecting the spatial inconsistency between the updated rivers and valleys[J]. Journal of Image and Graphics, 2008, 13(5): 1003-1008. |
[44] |
刘万增, 陈军, 邓喀中, 等. 线线空间关系描述的拓扑链模型[J]. 中国矿业大学学报, 2010, 39(1): 75-79. LIU Wanzeng, CHEN Jun, DENG Kazhong, et al. A topology chain model for describing line-line spatial relations[J]. Journal of China University of Mining & Technology, 2010, 39(1): 75-79. |
[45] |
陈军, 王东华, 商瑶玲, 等. 国家1∶50 000数据库更新工程总体设计研究与技术创新[J]. 测绘学报, 2010, 39(1): 7-10. CHEN Jun, WANG Donghua, SHANG Yaoling, et al. Master design and technical development for national 1∶50000 topographic database updating engineering in China[J]. Acta Geodaetica et Cartographica Sinica, 2010, 39(1): 7-10. |
[46] |
陈军, 王东华, 商瑶玲, 等. 国家基础地理信息更新技术体系与工程应用[J]. 中国科技成果, 2015(2): 68-69. CHEN Jun, WANG Donghua, SHANG Yaoling, et al. The technology system for updating of national fundamental geographic information and its engineering application in China[J]. China Science and Technology Achievements, 2015(2): 68-69. DOI:10.3772/j.issn.1009-5659.2015.02.033 |
[47] |
任加新, 刘万增, 李志林, 等. 利用卷积神经网络进行"问题地图"智能检测[J]. 武汉大学学报(信息科学版), 2021, 46(4): 570-577. REN Jiaxin, LIU Wanzeng, LI Zhilin, et al. Intelligent detection of "Problematic Map" using convolutional neural network[J]. Geomatics and Information Science of Wuhan University, 2021, 46(4): 570-577. |
[48] |
GARDNER H. Multiple intelligences[M]. Minnesota Center for Arts Education, 1992.
|
[49] |
汪镭, 康琦, 吴启迪. 自然计算——人工智能的有效实施模式[J]. 系统工程理论与实践, 2007, 27(5): 126-134. WANG Lei, KANG Qi, WU Qidi. Nature-inspired computation: effective realization of artificial intelligence[J]. Systems Engineering-Theory & Practice, 2007, 27(5): 126-134. DOI:10.3321/j.issn:1000-6788.2007.05.019 |
[50] |
康琦, 安静, 汪镭, 等. 自然计算的研究综述[J]. 电子学报, 2012, 40(3): 548-558. KANG Qi, AN Jing, WANG Lei, et al. Nature-inspired computation: a survey[J]. Acta Electronica Sinica, 2012, 40(3): 548-558. |
[51] |
钟义信. 人工智能: 概念·方法·机遇[J]. 科学通报, 2017, 62(22): 2473-2479. ZHONG Yixin. Artificial intelligence: concept, approach and opportunity[J]. Chinese Science Bulletin, 2017, 62(22): 2473-2479. |
[52] |
周济, 周艳红, 王柏村, 等. 面向新一代智能制造的人-信息-物理系统(HCPS)[J]. Engineering, 2019, 5(4): 71-97. ZHOU Ji, ZHOU Yanhong, WANG Baicun, et al. Human-Cyber-Physical Systems (HCPSs) in the context of new-generation intelligent manufacturing[J]. Engineering, 2019, 5(4): 71-97. |
[53] |
骆剑承, 吴田军, 夏列钢. 遥感图谱认知理论与计算[J]. 地球信息科学学报, 2016, 18(5): 578-589. LUO Jiancheng, WU Tianjun, XIA Liegang. The theory and calculation of spatial-spectral cognition of remote Sensing[J]. Journal of Geo-information Science, 2016, 18(5): 578-589. |
[54] |
王国胤, 李帅, 杨洁. 知识与数据双向驱动的多粒度认知计算[J]. 西北大学学报(自然科学版), 2018, 48(4): 488-500. WANG Guoyin, LI Shuai, YANG Jie. A multi-granularity cognitive computing model bidirectionally driven by knowledge and data[J]. Journal of Northwest University(Natural Science Edition), 2018, 48(4): 488-500. |
[55] |
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. DOI:10.1559/152304093782616779 |
[56] |
LI Zhilin, SU Bo. Algebraic models for feature displacement in the generalization of digital map data using morphological techniques[J]. Cartographica: The International Journal for Geographic Information and Geovisualization, 1995, 32(3): 39-56. DOI:10.3138/H7K9-2160-2765-8230 |
[57] |
LI Zhilin. Algorithmic foundation of multi-scale spatial representation[M]. Boca Raton: CRC Press, 2006.
|
[58] |
陈军. DTM在改善遥感影象分类精度中的应用[J]. 武汉大学学报(信息科学版), 1984, 9(1): 69-81. CHEN Jun. The application of DTM in improving classification accuracy of remote sensing imagery[J]. Geomatics and Information Science of Wuhan University, 1984, 9(1): 69-81. |
[59] |
李小文, 王锦地, 胡宝新, 等. 先验知识在遥感反演中的作用[J]. 中国科学(D辑), 1998, 28(1): 67-72. LI Xiaowen, WANG Jindi, HU Baoxin, et al. Role of prior knowledge in remote sensing inversion[J]. Science in China (Series D: Earth Sciences), 1998, 28(1): 67-72. DOI:10.3321/j.issn:1006-9267.1998.01.009 |
[60] |
陈军, 陈晋, 廖安平, 等. 全球30 m地表覆盖遥感制图的总体技术[J]. 测绘学报, 2014, 43(6): 551-557. CHEN Jun, CHEN Jin, LIAO Anping, et al. Concepts and key techniques for 30 m global land cover mapping[J]. Acta Geodaetica et Cartographica Sinica, 2014, 43(6): 551-557. DOI:10.13485/jc.nki1.1-20892.0140.089 |
[61] |
HAN Gang, CHEN Jun, HE Chaoying, et al. A web-based system for supporting global land cover data production[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2015, 103: 66-80. DOI:10.1016/j.isprsjprs.2014.07.012 |
[62] |
张委伟, 陈军, 廖安平, 等. 顾及多元知识的GlobeLand30检核优化模型[J]. 中国科学(地球科学), 2016, 59(9): 1149-1161. ZHANG Weiwei, CHEN Jun, LIAO Anping, et al. Geospatial knowledge-based verification and improvement of GlobeLand30[J]. Science China Earth Sciences, 2016, 59(9): 1709-1719. |
[63] |
龚健雅, 季顺平. 摄影测量与深度学习[J]. 测绘学报, 2018, 47(6): 693-704. GONG Jianya, JI Shunping. Photogrammetry and deep learning[J]. Acta Geodaetica et Cartographica Sinica, 2018, 47(6): 693-704. DOI:10.11947/j.AGCS.2018.20170640 |
[64] |
BUDJACˇ R, NIKMON M, SCHREIBER P, et al. Automated machine learning overview[J]. Research Papers Faculty of Materials Science and Technology Slovak University of Technology, 2019, 27(45): 107-112. DOI:10.2478/rput-2019-0033 |
[65] |
程学旗, 梅宏, 赵伟, 等. 数据科学与计算智能: 内涵, 范式与机遇[J]. 中国科学院院刊, 2020, 35(12): 1470-1481. CHENG Xueqi, MEI Hong, ZHAO Wei, et al. Data science and computing intelligence: concept, paradigm, and opportunities[J]. Bulletin of Chinese Academy of Sciences, 2020, 35(12): 1470-1481. |
[66] |
KENNEDY J. Swarm intelligence[M]//ZOMAYA A Y. Handbook of Nature-Inspired and Innovative Computing. Boston: Springer, 2006: 187-219.
|
[67] |
周晓光, 赵肄江. 众源地理数据的质量问题与研究进展[J]. 地理信息世界, 2020, 27(1): 1-7. ZHOU Xiaoguang, ZHAO Yijiang. Issues and advances of crowdsourcing geographic data quality[J]. Geomatics World, 2020, 27(1): 1-7. DOI:10.3969/j.issn.1672-1586.2020.01.001 |
[68] |
陈军, 张俊, 张委伟, 等. 地表覆盖遥感产品更新完善的研究动向[J]. 遥感学报, 2016, 20(5): 991-1001. CHEN Jun, ZHANG Jun, ZHANG Weiwei, et al. Continous updating and refinement of land cover data product[J]. Journal of Remote Sensing, 2016, 20(5): 991-1001. |
[69] |
龚健雅, 张翔, 向隆刚, 等. 智慧城市综合感知与智能决策的进展及应用[J]. 测绘学报, 2019, 48(12): 1482-1497. GONG Jianya, ZHANG Xiang, XIANG Longgang, et al. Progress and applications for integrated sensing and intelligent decision in smart city[J]. Acta Geodaetica et Cartographica Sinica, 2019, 48(12): 1482-1497. DOI:10.11947/j.AGCS.2019.20190464 |
[70] |
涂伟, 曹劲舟, 高琦丽, 等. 融合多源时空大数据感知城市动态[J]. 武汉大学学报(信息科学版), 2020, 45(12): 1875-1883. TU Wei, CAO Jinzhou, GAO Qili, et al. Sensing urban dynamics by fusing multi-sourced spatiotemporal big data[J]. Geomatics and Information Science of Wuhan University, 2020, 45(12): 1875-1883. |
[71] |
刘瑜, 康朝贵, 王法辉. 大数据驱动的人类移动模式和模型研究[J]. 武汉大学学报(信息科学版), 2014, 39(6): 660-666. LIU Yu, KANG Chaogui, WANG Fahui. Towards big data-driven human mobility patterns and models[J]. Geomatics and Information Science of Wuhan University, 2014, 39(6): 660-666. |
[72] |
王家耀, 谢明霞. 地理国情与复杂系统[J]. 测绘学报, 2016, 45(1): 1-8. WANG Jiayao, XIE Mingxia. Geographical national condition and complex system[J]. Acta Geodaetica et Cartographica Sinica, 2016, 45(1): 1-8. DOI:10.11947/j.AGCS.2016.20150350 |
[73] |
郭仁忠, 罗婷文. 土地资源智能管控[J]. 科学通报, 2019, 64(21): 2166-2171. GUO Renzhong, LUO Tingwen. Intelligent management and control for land resources[J]. Chinese Science Bulletin, 2019, 64(21): 2166-2171. |
[74] |
杨宇, 李小云, 董雯, 等. 中国人地关系综合评价的理论模型与实证[J]. 地理学报, 2019, 74(6): 1063-1078. YANG Yu, LI Xiaoyun, DONG Wen, et al. Comprehensive evaluation on China's man-land relationship: theoretical model and empirical study[J]. Acta Geographica Sinica, 2019, 74(6): 1063-1078. |
[75] |
刘建军, 陈军, 张俊, 等. 智能化时代下的地理信息动态监测[J]. 武汉大学学报(信息科学版), 2019, 44(1): 92-96. LIU Jianjun, CHEN Jun, ZHANG Jun, et al. Geographic information dynamic monitoring in intelligent era[J]. Geomatics and Information Science of Wuhan University, 2019, 44(1): 92-96. |
[76] |
李建成. 数字改变世界[J]. 中国建设信息化, 2019(23): 44-45. LI Jiancheng. Digital change the world[J]. Informatization of China Construction, 2019(23): 44-45. |
[77] |
闫利, 李建成. 测绘类专业的"新工科"建设思考[J]. 测绘通报, 2020(12): 148-154. YAN Li, LI Jiancheng. The emerging engineering education construction for surveying and mapping specialty[J]. Bulletin of Surveying and Mapping, 2020(12): 148-154. DOI:10.13474/j.cnki.11-2246.2020.0411 |
[78] |
刘经南, 郭文飞, 郭迟, 等. 智能时代泛在测绘的再思考[J]. 测绘学报, 2020, 49(4): 403-414. LIU Jingnan, GUO Wenfei, GUO Chi, et al. Rethinking ubiquitous mapping in the intelligent age[J]. Acta Geodaetica et Cartographica Sinica, 2020, 49(4): 403-414. DOI:10.11947/j.AGCS.2020.20190539 |
[79] |
郭仁忠, 林浩嘉, 贺彪, 等. 面向智慧城市的GIS框架[J]. 武汉大学学报(信息科学版), 2020, 45(12): 1829-1835. GUO Renzhong, LIN Haojia, HE Biao, et al. GIS framework for smart cities[J]. Geomatics and Information Science of Wuhan University, 2020, 45(12): 1829-1835. |
[80] |
虞崇胜. 知识体系的形成须遵循其发展规律[J]. 探索与争鸣, 2020(9): 14-16. YU Chongsheng. The formation of the knowledge system should follow the rules of its development[J]. Exploration and free views, 2020(9): 14-16. DOI:10.3969/j.issn.1004-2229.2020.09.005 |
[81] |
张兵. 遥感大数据时代与智能信息提取[J]. 武汉大学学报(信息科学版), 2018, 43(12): 1861-1871. ZHANG Bing. Remotely sensed big data era and intelligent information extraction[J]. Geomatics and Information Science of Wuhan University, 2018, 43(12): 1861-1871. |
[82] |
魏东升, 周晓光. 遥感影像变化检测样本自动抽样[J]. 遥感学报, 2019, 23(3): 464-475. WEI Dongsheng, ZHOU Xiaoguang. Automatic sampling of remote sensing image change detection samples based on prior information of vector data[J]. Journal of Remote Sensing, 2019, 23(3): 464-475. |
[83] |
XING Huaqiao, CHEN Jun, WU Hao, et al. A service relation model for web-based land cover change detection[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2017, 132: 20-32. DOI:10.1016/j.isprsjprs.2017.08.007 |
[84] |
邢华桥. 面向地表覆盖变化检测的服务关系模型与方法研究[J]. 测绘学报, 2018, 47(9): 1291. XING Huaqiao. Modeling and methods of service relation for land cover change detection[J]. Acta Geodaetica et Cartographica Sinica, 2018, 47(9): 1291. DOI:10.11947/j.AGCS.2018.20170523 |
[85] |
陈军, 武昊, 李松年, 等. 面向大数据时代的地表覆盖动态服务计算[J]. 测绘科学技术学报, 2013, 30(4): 369-374. CHEN Jun, WU Hao, LI Songnian, et al. Services oriented dynamic computing for land cover big data[J]. Journal of Geomatics Science and Technology, 2013, 30(4): 369-374. DOI:10.3969/j.issn.1673-6338.2013.04.007 |
[86] |
陈军, 武昊, 李松年. 全球地表覆盖领域服务计算的研究进展——以GlobeLand 30为例[J]. 测绘学报, 2017, 46(10): 1526-1533. CHEN Jun, WU Hao, LI Songnian. Research progress of global land domain service computing: take GlobeLand 30 as an example[J]. Acta Geodaetica et Cartographica Sinica, 2017, 46(10): 1526-1533. DOI:10.11947/j.AGCS.2017.20170411 |
[87] |
邢华桥, 侯东阳, 于明洋, 等. 基于约束规则的变化检测处理服务链动态生成[J]. 地理与地理信息科学, 2019, 35(4): 9-14. XING Huaqiao, HOU Dongyang, YU Mingyang, et al. Constraint rule-based service chain dynamic generation for land cover change detection[J]. Geography and Geo-Information Science, 2019, 35(4): 9-14. DOI:10.3969/j.issn.1672-0504.2019.04.002 |
[88] |
CHEN Jun, LI Songnian, WU Hao, et al. Towards a collaborative global land cover information service[J]. International Journal of Digital Earth, 2017, 10(4): 356-370. DOI:10.1080/17538947.2016.1267268 |
[89] |
侯东阳, 武昊, 陈军. 时空数据Web搜索的研究进展[J]. 地理信息世界, 2020, 27(4): 1-12, 21. HOU Dongyang, WU Hao, CHEN Jun. Research progress on searching spatiotemporal data from web[J]. Geomatics World, 2020, 27(4): 1-12, 21. DOI:10.3969/j.issn.1672-1586.2020.04.001 |
[90] |
杨元喜. 综合PNT体系及其关键技术[J]. 测绘学报, 2016, 45(5): 505-510. YANG Yuanxi. Concepts of comprehensive PNT and related key technologies[J]. Acta Geodaetica et Cartographica Sinica, 2016, 45(5): 505-510. DOI:10.11947/j.AGCS.2016.20160127 |
[91] |
杨军, 曹筵东, 孙光才, 等. 基于多卫星分布式数据处理系统的高分三号卫星数据实时处理方法(英文)[J]. 中南大学学报, 2020, 27(3): 842-852. YANG Jun, Cao Yandong, SUN Guangcai, et al. GF-3 data real-time processing method based on multi-satellite distributed data processing system[J]. Journal of Central South University, 2020, 27(3): 842-852. |
[92] |
张永军, 张祖勋, 龚健雅. 天空地多源遥感数据的广义摄影测量学[J]. 测绘学报, 2021, 50(1): 1-11. ZHANG Yongjun, ZHANG Zuxun, GONG Jianya. Generalized photogrammetry of spaceborne, airborne and terrestrial multi-source remote sensing datasets[J]. Acta Geodaetica et Cartographica Sinica, 2021, 50(1): 1-11. DOI:10.11947/j.AGCS.2021.20200245 |
[93] |
付东杰, 肖寒, 苏奋振, 等. 遥感云计算平台发展及地球科学应用[J]. 遥感学报, 2021, 25(1): 220-230. FU Dongjie, XIAO Han, SU Fenzhen, et al. Remote sensing cloud computing platform development and earth science application[J]. Journal of Remote Sensing, 2021, 25(1): 220-230. |
[94] |
苏奋振, 吴文周, 张宇, 等. 从地理信息系统到智能地理系统[J]. 地球信息科学学报, 2020, 22(1): 2-10. SU Fenzhen, WU Wenzhou, ZHANG Yu, et al. From geographic information system to intelligent geographic system[J]. Journal of Geo-Information Science, 2020, 22(1): 2-10. |
[95] |
熊伟. 人工智能对测绘科技若干领域发展的影响研究[J]. 武汉大学学报(信息科学版), 2019, 44(1): 101-105, 138. XIONG Wei. Influence of artificial intelligence on the development of some fields of surveying and mapping technology[J]. Geomatics and Information Science of Wuhan University, 2019, 44(1): 101-105, 138. |
[96] |
高井祥, 王坚, 李增科. 智能背景下测绘科技发展的几点思考[J]. 武汉大学学报(信息科学版), 2019, 44(1): 55-61. GAO Jingxiang, WANG Jian, LI Zengke. Challenges for the development of surveying and mapping technology in the age of intelligence[J]. Geomatics and Information Science of Wuhan University, 2019, 44(1): 55-61. |
[97] |
申家双, 葛忠孝, 陈长林. 我国海洋测绘研究进展[J]. 海洋测绘, 2018, 38(4): 1-10, 21. SHEN Jiashuang, GE Zhongxiao, CHEN Changlin. Research progress of China's hydrographic surveying and charting[J]. Hydrographic Surveying and Charting, 2018, 38(4): 1-10, 21. DOI:10.3969/j.issn.1671-3044.2018.04.001 |
[98] |
DOLD J, GROOPMAN J. The future of geospatial intelligence[J]. Geo-spatial Information Science, 2017, 20(2): 151-162. DOI:10.1080/10095020.2017.1337318 |
[99] |
宋关福, 卢浩, 王晨亮, 等. 人工智能GIS软件技术体系初探[J]. 地球信息科学学报, 2020, 22(1): 76-87. SONG Guanfu, LU Hao, WANG Chenliang, et al. A tentative study on system of software technology for artificial intelligence GIS[J]. Journal of Geo-Information Science, 2020, 22(1): 76-87. |
[100] |
BURCH T. Yes, you can use your smartphone[J]. GPS World, 2019, 30(5): 28-35. |