搜索
名词解释1.大地水准面军事辞海:【参考分类】军事力量/海军/海洋、海道测量及勤务【大地水准面在军事辞海中的解释】在全球海洋范围内．与静态海面地形的平均值为零的面相重合并向大陆内部延伸的水准面是地球重力场中一个等位面，亦是高程测量中的正高系统的起算面。因地球表面地形起伏和内部质量分布不均匀，使大地水准面成为略有起伏的曲面大地测量学研究的地球形状主要指大地水准面的形状汉语大词典:【大地水准面在汉语词典中的解释】指与平均海水面重合并延伸到大陆内部的水准面。是正高的基准面。在测量工作中，均以大地水准面为依据。因地球表面起伏不平和地球内部质量分布不匀，故大地水准面是一个略有起伏的不规则曲面。该面包围的形体近似于一个旋转椭球，称为“大地体”，常用来表示地球的物理形状。2.地图投影：地图投影就是指建立地球表面（或其他星球表面或天球面）上的点与投影平面（即地图平面）上点之间的一一对应关系的方法。即建立之间的数学转换公式。它将作为一个不可展平的曲面即地球表面投影到一个平面的基本方法，保证了空间信息在区域上的联系与完整。3.地图集：地图集是具有统一的设计原则和编制体例、协调的地图内容、规定的比例尺、分幅系统和装帧形式的多幅地图的汇集，是根据一定的主题和要求，将一定数量的、有机联系的、完整的地图系统，经统一设计，汇编成册的地图作品。4.空间数据结构：是指适合于计算机系统存储、管理和处理的地学图形的逻辑结构，是地理实体的空间排列方式和相互关系的抽象描述。换句话说，是指空间数据以什么形式在计算机中存储和处理。空间数据结构是指空间数据在计算机内的组织和编码形式。它是一种适合于计算机存贮、管理和处理空间数据的逻辑结构，是地理实体的空间排列和相互关系的抽象描述。它是对数据的一种理解和解释。空间数据结构是指空间数据的编排方式和组织关系。空间数据编码是指空间数据结构的具体实现，是将图形数据、影像数据、统计数据等资料按一定的数据结构转换为适合计算机存储和处理的形式。5.数据仓库：数据仓库是决策支持系统（dss）和联机分析应用数据源的结构化数据环境。数据仓库研究和解决从数据库中获取信息的问题。数据仓库的特征在于面向主题、集成性、稳定性和时变性。简答题1.空间数据的获取方法、内容、质量、特征、误差来源空间数据获取方法：野外数据采集、地图数字化、摄影测量、遥感图象处理、属性数据获取、空间数据转换。空间数据内容数字线划地图、影象数据、数字高程模型、地物的属性数据。空间数据质量是指：数据适用于不同应用的能力。衡量空间数据质量的方面：准确度、精度、不确定性、相容性、一致性、完整性、可得性、现势性。空间数据特征：空间、非结构化、空间关系、分类编码、海量数据特征。空间数据误差来源：数据搜集、输入、存储、处理、输出、使用。2.专题图的概念及表示方法专题地图是指突出而尽可能完善、详尽地表示制图区内的一种或几种自然或社会经济（人文）要素的地图。专题地图的制图领域宽广，凡具有空间属性的信息数据都可用其来表示。其内容、形式多种多样，能够广泛应用于国民经济建设、教学和科学研究、国防建设等行业部门。专题地图和普通地图相比，具有独特的特征。1.主题化普通地图强调表达制图要素的一般特征，专题地图强调表达主题要素的重要特征，且尽可能完善、详尽。2.特殊化专题地图突出表达了普通地图中的一种或几种要素，有些专题地图的主题内容是普通地图中所没有的要素。3.多元化专题地图不仅能象普通地图那样，表示制图对象的空间分布规律及其相互关系，而且能反映制图对象的发展变化和动态规律。如动态地图（人口变化），预测地图（天气预报）等。4.多样化一个国家的普通地图特别是地形图，往往都有规范的图式符号系统，但专题地图却由于制图内容的广泛，除个别专题地图外，大体上没有规定的符号系统，表示方法多种多样，地图符号可自己设计创新，因而其表达形式多种多样、丰富多彩。5.前瞻化普通地图侧重客观地反映地表现实，而专题地图取材学科广泛，许多编图资料都由相关的科研成果、论文报告、研究资料、遥感图像等构成，能反映学科前沿信息及成果。表示方法：现代专题地图往往是两种以上表示方法配合使用，以提高图面表达效果和增加传输信息量。表示方法配合的几基本原则是：在图上呈点状符号的表示方法和呈面状符号的表示方法能够配合。图上呈点状符号的表示方法和呈线状符号的表示方法能够配合。图上呈线状符号的表示方法和呈面状符号的表示方法能够配合。图上呈点状符号的表示方法不易互相配合。图上呈线状符号的表法方法不易互相配合。图上呈面状符号的表示方法不易互相配合。3、GIS与CAD的区别CAD是采用计算机辅助进行各种设计，广泛用于机械、建筑、工程和产品设计方面。GIS是在CAD基础上发展起来的一门学科，设计制图同时也是GIS的重要功能。CAD和GIS的关系密切。二者都具有坐标参考系统，都能描述和处理图形数据，也能处理属性数据。根本区别在于使用目的不同，从而导致了功能和数据组织等方式上的区别。应用目的的不同也导致了数据组织方式的不同。GIS空间数据可以按数据类型和地物要素进行分层组织，避免冗余。BR从使用目的来看，CAD主要偏向于制图和表达，而GIS更强调解决空间问题。因此，CAD的图形编辑功能较强，具有较强的排版和制图能力，GIS的核心功能是空间分析。GIS比CAD的图形数据具有更强的语义，表现在：（1）属性更为丰富；（2）空间对象之间的拓扑关系更强；（3）数据更海量。4、什么是空间索引？列举空间索引的类型空间索引是指依据空间对象的位置和形状或空间对象之间的某种空间关系按一定的顺序排列的一种数据结构，其中包含空间对象的概要信息，如对象的标识、外接矩形及指向空间对象实体的指针。R树R树是B树向多维空间发展的另一种形式，它将空间对象按范围划分，每个结点都对应一个区域和一个磁盘页，非叶结点的磁盘页中存储其所有子结点的区域范围，非叶结点的所有子结点的区域都落在它的区域范围之内；叶结点的磁盘页中存储其区域范围之内的所有空间对象的外接矩形。每个结点所能拥有的子结点数目有上、下限，下限保证对磁盘空间的有效利用，上限保证每个结点对应一个磁盘页，当插入新的结点导致某结点要求的空间大于一个磁盘页时，该结点一分为二。R树是一种动态索引结构，即：它的查询可与插入或删除同时进行，而且不需要定期地对树结构进行重新组织。1R-Tree数据结构R-Tree是一种空间索引数据结构，下面做简要介绍：（1）R-Tree是n叉树，n称为R-Tree的扇（fan）。（2）每个结点对应一个矩形。（3）叶子结点上包含了小于等于n的对象，其对应的矩为所有对象的外包矩形。（4）非叶结点的矩形为所有子结点矩形的外包矩形。R-Tree的定义很宽泛，同一套数据构造R-Tree，不同方可以得到差别很大的结构。什么样的结构比较优呢？有两标准：（1）位置上相邻的结点尽量在树中聚集为一个父结点。（2）同一层中各兄弟结点相交部分比例尽量小。R树是一种用于处理多维数据的数据结构，用来访问二维或者更高维区域对象组成的空间数据.R树是一棵平衡树。树上有两类结点：叶子结点和非叶子结点。每一个结点由若干个索引项构成。对于叶子结点，索引项形如(Index，Obj_ID)。其中，Index表示包围空间数据对象的最小外接矩形MBR，Obj_ID标识一个空间数据对象。对于一个非叶子结点，它的索引项形如(Index，Child_Pointer)。Child_Pointer指向该结点的子结点。Index仍指一个矩形区域，该矩形区域包围了子结点上所有索引项MBR的最小矩形区域。一棵R树的示例如图所示：2R-Tree算法描述算法描述如下：对象数为n，扇区大小定为fan。（1）估计叶结点数k=n/fan。（2）将所有几何对象按照其矩形外框中心点的x值排序。（3）将排序后的对象分组，每组大小为*fan，最后一组可能不满员。（4）上述每一分组内按照几何对象矩形外框中心点的y值排序。（5）排序后每一分组内再分组，每组大小为fan。（6）每一小组成为叶结点，叶子结点数为nn。（7）N=nn，返回1。3R-Tree空间索引算法的研究历程1R-Tree多维索引技术的历史可以追溯到20世纪70年代中期。就在那个时候，诸如Cell算法、四叉树和k-d树等各种索引技术纷纷问世，但它们的效果都不尽人意。在GIS和CAD系统对空间索引技术的需求推动下，Guttman于1984年提出了R树索引结构，发表了《R树:一种空间查询的动态索引结构》，它是一种高度平衡的树，由中间节点和页节点组成，实际数据对象的最小外接矩形存储在页节点中，中间节点通过聚集其低层节点的外接矩形形成，包含所有这些外接矩形。其后，人们在此基础上针对不同空间运算提出了不同改进，才形成了一个繁荣的索引树族，是目前流行的空间索引。R+树在Guttman的工作的基础上，许多R树的变种被开发出来，Sellis等提出了R+树，R+树与R树类似，主要区别在于R+树中兄弟结点对应的空间区域无重叠，这样划分空间消除了R树因允许结点间的重叠而产生的“死区域”（一个结点内不含本结点数据的空白区域），减少了无效查询数，从而大大提高空间索引的效率，但对于插入、删除空间对象的操作，则由于操作要保证空间区域无重叠而效率降低。同时R+树对跨区域的空间物体的数据的存储是有冗余的，而且随着数据库中数据的增多，冗余信息会不断增长。Greene也提出了他的R树的变种。R*树在1990年，Beckman和Kriegel提出了最佳动态R树的变种——R*树。R*树和R树一样允许矩形的重叠，但在构造算法R*树不仅考虑了索引空间的“面积”，而且还考虑了索引空间的重叠。该方法对结点的插入、分裂算法进行了改进，并采用“强制重新插入”的方法使树的结构得到优化。但R*树算法仍然不能有效地降低空间的重叠程度，尤其是在数据量较大、空间维数增加时表现的更为明显。R*树无法处理维数高于20的情况。QR树QR树利用四叉树将空间划分成一些子空间，在各子空间内使用许多R树索引，从而改良索引空间的重叠。QR树结合了四叉树与R树的优势，是二者的综合应用。实验证明：与R树相比，QR树以略大（有时甚至略小）的空间开销代价，换取了更高的性能，且索引目标数越多，QR树的整体性能越好。SS树SS树对R*树进行了改进，通过以下措施提高了最邻近查询的性能：用最小边界圆代替最小边界矩形表示区域的形状，增强了最邻近查询的性能，减少将近一半存储空间；SS树改进了R*树的强制重插机制。当维数增加到5是，R树及其变种中的边界矩形的重叠将达到90%，因此在高维情况（≥5）下，其性能将变的很差，甚至不如顺序扫描。X树X树是线性数组和层状的R树的杂合体，通过引入超级结点，大大地减少了最小边界矩形之间的重叠，提高了查询效率。X树用边界圆进行索引，边界矩形的直径（对角线）比边界圆大，SS树将点分到小直径区域。由于区域的直径对最邻近查询性能的影响较大，因此SS树的最邻近查询性能优于R*树；边界矩形的平均容积比边界圆小，R*树将点分到小容积区域；由于大的容积会产生较多的覆盖，因此边界矩形在容积方面要优于边界圆。SR树既采用了最小边界圆（MBS），也采用了最小边界矩形（MBR），相对于SS树，减小了区域的面积，提高了区域之间的分离性，相对于R*树，提高了邻近查询的性能。5、高斯克吕格投影的特点等角投影中央经线不变形赤道与中央经线的交点为坐标原点低纬度地区变形小，高纬度地区变形大与中央经线的经差越大面积和距离变形越大【1）基本概念：如图1所示，假想有一个椭圆柱面横套在地球椭球体外面，并与某一条子午线（此子午线称为中央子午线或轴子午线）相切，椭圆柱的中心轴通过椭球体中心，然后用一定投影方法，将中央子午线两侧各一定经差范围内的地区投影到椭圆柱面上，再将此柱面展开即成为投影面，如图2所示，此投影为高斯投影。高斯投影是正形投影的一种。图1图2（2）分带投影nl高斯投影6带：自0子午线起每隔经差6自西向东分带，依次编号1,2,3,…。我国6带中央子午线的经度，由75起每隔6而至135,共计11带（13～23带），带号用N表示，中央子午线