《多尺度空间数据联动更新技术研究及其应用》专著于2021年11月由科学出版社正式出版发行
点击图片上方蓝色字体“慧天地”即可订阅
简介：
本书总结了作者近年来在多尺度空间数据联动更新领域的研究成果。全书共分 9 章，详细介绍了多尺度更新信息建模与检测，阐述了矢量数据的自适应更新方法与过程。对单要素以及多要素的多尺度地理实体匹配进行了系统的探讨，并针对地图实体匹配的时空级联关系进行了研究。在此基础上，介绍了多尺度地图实体的联动更新方法与应用。
本书可满足学习和研究模式识别与多尺度空间数据联动更新的不同层次的读者需要，可供从事地图学、测绘、智慧城市研究等相关专业的高校师生与科研人员参考。
序：
数字孪生城市是智慧城市建设的新起点，城市全域空间信息智能化提取是赋予数字孪生城市鲜活生命的根本。现势性是空间数据的重要特征，也是保持空间数据活力的重要源泉。当前我国正处于快速城市化发展时期，城市变化日新月异，但快速发展的城市化对数据现势性提出了更高的要求和严峻的挑战。然而，空间数据的生产周期较长，其生产速度滞后于城市发展速度，而更新速度远远落后于其生产速度。多尺度空间数据联动更新能够实现空间数据的“一次采集、多尺度更新”，因此，逐步建立各级基础地理信息数据库级联更新机制，推进空间数据的持续、快速更新显得尤为重要。
模式识别技术的自学习、自组织能力可以面向多源异构数据，挖掘空间数据隐含的特征与关系，在地理信息系统(Geographic Information System，GIS)领域得到了广泛的应用。多尺度空间数据的更新需要顾及空间数据特征和变化情况，调用更新处理的操作模块来实现制图综合及数据的编辑与处理。传统的处理手段需要依赖专家知识对数据特征进行判断，而模式识别技术具有自适应特征，可通过样本学习把握空间数据特征，适应于同名要素匹配及制图综合，从而提升多尺度空间数据更新的自动化水平，为多尺度联动更新提供了非常有效的手段。
在这一领域的快速发展过程中，我们迫切需要相关书籍介绍最新的研究状况。国际欧亚科学院院士张新长教授团队在这一领域开展了大量创新性的系列研究工作，《多尺度空间数据联动更新技术研究及其应用》一书是在国家自然科学基金重点项目“基于模式识别的多尺度空间数据联动更新关键技术研究”(41431178)的支撑下，从模式识别的角度对多尺度空间数据联动更新进行了阐述，对多尺度空间数据更新特征空间定义、多尺度同名要素模板匹配及增量式的制图综合方法等关键问题进行深入探讨，以提高多尺度空间数据联动更新的自动化程度和智能化水平。其内容包括更新信息建模、检测，多尺度地理实体匹配、时空级联关系构建和多尺度地理实体数据联动更新等，基本涵盖了多尺度空间数据联动更新的主要技术领域和理论方法，结构严谨，内容丰富。
该书的第一作者张新长教授是近年来国内比较活跃的制图综合与级联更新专家。该书凝聚了张新长教授团队多年的研究成果，是集体智慧的结晶，对于从事地图学与地理信息系统的青年学生和研究人员来讲是一本难得的教科书与工具书。该书的出版将推动地图学与计算机模式识别的交叉融合，可喜可贺！相信该书一定会发挥很好的作用！
中国工程院院士
2021年9月
第一作者简介：
张新长，博士，教授，博导，国际欧亚科学院院士，广东省“特支计划”教学名师，广州大学百人计划领军人才/中山大学地理科学与规划学院教授，武汉大学测绘遥感信息工程国家重点实验室兼职教授，湖南科技大学“湘江学者计划”特聘教授，河南大学讲座教授，英国东伦敦大学高访学者。
现已主持包括7项国家自然科学基金项目（包括1项重点项目）在内的科研项目70余项，主讲了国家精品在线开放课程、国家级一流本科课程《地理信息系统概论》和国家精品视频公开课程《数字城市》。截止2021年10月底，已在国内外期刊上公开发表学术论文247篇，其中有75篇被SCI或EI收录；公开出版著作5部，教材12部；获得国家科技进步二等奖2项；获得包括广东省科技进步一等奖在内的省部级和全国学会科学进步奖19项，获得省部级的教学成果奖17项；获得软件著作权4项，发明专利6项，并于2014年获得第六届“全国优秀科技工作者”称号，2015年获得“夏坚白测绘事业创业创新贡献奖”，2016年获得“科学中国人年度人物”奖和广东省“特支计划”教学名师，2019年获得第二届“广东十大科学传播达人”和中国智慧城市领军人物称号，2021年广东“最美科技工作者”称号。
核心内容：
本书共 9 章。
第 1 章主要阐述多尺度数据更新的研究现状。
第 2 章主要介绍多 尺度更新信息特征空间建模技术，包括地理空间数据多尺度表达、地理空间实体变化分析以及更新信息特征空间的构建。
第 3 章基于机器学习算法详细探讨面向矢量数据和面向影像数据的更新信息检测方法。
第 4 章从增量更新与数据完整性维护的角度出发，提出一种自适应的矢量数据增量更新方法，实现矢量数据变化检测与增量更新、自适应的数据接边及空间冲突的检测与处理。
第 5 章以典型地物为例，介绍单要素多尺度地理实体匹配的方法。
第 6 章阐述多要素匹配下的地理空间实体匹配。
第 7 章介绍地图实体匹配技术在多尺度要素级联更新中的应用。
第 8 章以典型地物为例，阐述空间数据多尺度表达的关键技术——多尺度变换。
第 9 章介绍多尺度城市居民地数据联动更新技术。
全书目录：
序
前言
第1章 绪论
1.1、空间数据更新
1.1.1、更新信息的建模
1.1.2、变化信息的检测
1.1.3、空间冲突的检测与处理
1.1.4、多尺度空间数据的联动更新
1.2、空间数据匹配
1.2.1、匹配策略研究
1.2.2、特征测度研究
1.3、制图综合
1.3.1、地图综合过程概念模式
1.3.2、地图综合操作
1.3.3、基于智能化方法的自动综合
1.3.4、协同综合
1.4、机器学习
1.4.1、机器学习的理论与方法
1.4.2、机器学习方法在地理空间数据更新中的应用
参考文献
第2章 多尺度更新信息特征空间建模
2.1、地理空间数据的多尺度表达
2.1.1、居民地的概念与分类
2.1.2、城市居民地的计算机表达与形态特征
2.1.3、城市居民地表达的尺度差异性
2.2、地理空间实体变化分析
2.2.1、城市居民地生命周期分析
2.2.2、城市居民地实体的几何特征变化分析
2.2.3、城市居民地实体的语义特征变化分析
2.3、更新信息特征空间的构建
2.3.1、特征空间
2.3.2、基于图层-实体-图元结构的更新信息特征空间
2.3.3、更新信息特征指标的提取
2.4、本章小结
参考文献
第3章 基于机器学习的更新信息检测
3.1、变化区域的快速定位
3.1.1、现有的变化要素检索方法
3.1.2、基于四叉树的变化区域检索
3.1.3、交互迭代的新旧要素匹配方法
3.1.4、变化特征指标计算与归一化处理
3.2、基于人工神经网络决策树的更新信息识别方法
3.2.1、算法的基本思路
3.2.2、人工神经网络决策树结构
3.2.3、参数训练方法
3.2.4、更新信息识别方法
3.3、算法实现与分析
3.3.1、实现环境与数据预处理
3.3.2、变化区域快速定位实验分析
3.3.3、更新信息检测实验分析
3.4、跨比例尺新旧居民地目标变化分析与决策树识别算法及实现
3.4.1、多尺度新旧地图目标变化分析
3.4.2、决策树支持下的变化信息识别模型构建
3.4.3、实验分析及评价
3.4.4、结论
3.5、融合像元和目标的高分辨率遥感影像建筑物变化检测算法及实现
3.5.1、建筑物变化检测模型构建
3.5.2、实验数据及结果
3.5.3、结果分析与讨论
3.6、本章小结
参考文献
第4章 矢量数据自适应增量更新
4.1、矢量数据自适应增量更新技术路线
4.2、空间对象变化检测与增量更新
4.3、接边匹配度计算与自适应的接边策略
4.3.1、接边匹配度计算
4.3.2、自适应接边的算法
4.4、基于约束规则的空间冲突检测与处理
4.5、应用案例分析
4.6、本章小结
参考文献
第5章 单要素多尺度地理实体匹配
5.1、多尺度地理空间实体特征分析
5.1.1、居民地特征差异
5.1.2、道路特征差异
5.1.3、道路引起的居民地特征变化
5.1.4、造成空间实体表达差异的其他因素
5.2、单要素匹配方法的设计
5.2.1、基于动态权重模型的多尺度道路匹配
5.2.2、基于 RVM与主动学习的多尺度面状居民地匹配
5.3、实验与分析
5.3.1、多尺度道路匹配实验
5.3.2、多尺度居民地匹配实验
5.4、本章小结
参考文献
第6章 多要素辅助下的地理空间实体匹配
6.1、道路网约束下的多尺度居民地全局自适应匹配
6.1.1、道路网眼的构建
6.1.2、潜在匹配对象的获取
6.1.3、基于整数规划的全局优化匹配方法
6. 2、地标辅助下的多尺度居民地匹配
6.2.1、适应不同坐标系的居民地匹配策略
6.2.2、居民地公共地标的自动获取
6.2.3、地标辅助居民地匹配
6.3、实验与分析
6.3.1、道路网约束下的多尺度居民地全局自适应匹配实验
6.3.2、地标辅助下的多尺度居民地匹配实验
6.4、本章小结
参考文献
第7章 地图实体匹配的时空级联关系构建
7.1、地图要素的时空级联关系
7.1.1、多尺度要素级联关系
7.1.2、地图要素时空级联模型
7.2、时空级联关系的管理与应用
7.2.1、基于格网的更新信息快速提取
7.2.2、多时态要素关联关系管理与应用
7.2.3、多尺度级联关系在数据更新中的应用
7.3、实验与分析
7.3.1、变化信息快速定位实验
7.3.2、多尺度要素级联更新应用
7.4、本章小结
参考文献
第8章 建筑物多尺度变换
8.1、建筑物群组模式
8.1.1、建筑物群组模式定义
8.1.2、建筑物群组模式分类
8.2、空间关系计算
8.3、基于随机森林的建筑物群组模式识别
8.3.1、基于图的分割的潜在群组模式获取
8.3.2、基于随机森林的建筑物群组模式判别
8.3.3、建筑物群组模式特征描述
8.3.4、实验与分析
8.4、基于地图综合的建筑物多尺度变换
8.4.1、渐进式地图综合方法
8.4.2、综合结果与评价
8.4.3、建筑物多尺度表达分析
8.5、本章小结
参考文献
第9章 多尺度城市居民地数据联动更新
9.1、更新信息传递的基本思路
9.2、更新信息传递的输入数据
9.2.1、大比例尺更新信息
9.2.2、对象匹配信息
9.2.3、制图综合规则
9.3、面向对象群的更新信息传递方法
9.3.1、总体设计
9.3.2、匹配对象组合
9.3.3、创建约束 Delaunay三角网
9.3.4、裁剪约束 Delaunay三角网
9.3.5、重建小比例尺对象
9.4、更新后小比例尺对象重建方法
9.4.1、重建过程描述
9.4.2、初始化解决方案
9.4.3、重建小比例尺对象
9.4.4、邻域方案的获取机制
9.4.5、邻域方案的评价
9.4.6、禁忌表与终止准则的确定
9.5、更新案例及传递误差分析
9.5.1、联动更新算法的实现
9.5.2、更新信息传递的误差分析
9.5.3、基于对象群的更新信息传递方法的优势
9.6、本章小结
参考文献
彩图
购书链接：
https://www.ecsponline.com/goods.php?id=213916
图书部分彩色配图展示：
点击文末“阅读原文”即可购书。
内容转载、商务活动、投稿等合作请联系
微信号：huitiandi321
邮箱：geomaticshtd@163.com
《慧天地》敬告