地质通报  2019, Vol. 38 Issue (12): 2067-2076  
0

引用本文 [复制中英文]

王杨刚, 郝丽荣, 黄辉, 李玉嵩, 张大可, 张庆合, 李丽, 张琳, 蒋作瑞. 基于空间数据和专家知识驱动的地质编图技术研究与应用[J]. 地质通报, 2019, 38(12): 2067-2076.
[复制中文]
Wang Y G, Hao L R, Huang H, Li Y S, Zhang D K, Zhang Q H, Li L, Zhang L, Jihang Z R. Research on geological map compilation technology based on spatial data and geological knowledge[J]. Geological Bulletin of China, 2019, 38(12): 2067-2076.
[复制英文]

基金项目

中国地质调查局项目《基础地质图更新与数据库研发》(编号:12120114001302)、《国家地质数据库建设与整合》(编号:DD20160351)、《地质矿产调查数据集成与处理应用》(编号:DD20190429)、《基础地质学科(岩石)数据库建设与共享应用(中国地质调查局发展研究中心)》(编号:DD20190686)

作者简介

王杨刚(1981-), 男, 博士, 高级工程师, 从事地质信息化技术研发与应用工作。E-mail:wigsont@126.com

通讯作者

郝丽荣(1987-), 女, 硕士, 工程师, 从事地质信息化工作。E-mail:960378727@qq.com

文章历史

收稿日期: 2019-04-10
修订日期: 2019-07-16
基于空间数据和专家知识驱动的地质编图技术研究与应用
王杨刚1, 郝丽荣1, 黄辉2, 李玉嵩3, 张大可4, 张庆合5, 李丽3, 张琳4, 蒋作瑞6    
1. 中国地质调查局发展研究中心, 北京 100037;
2. 原武警黄金地质研究所, 河北 廊坊 065000;
3. 河南地矿局第二地质环境调查院, 河南 郑州 45000;
4. 河北区域地质矿产调查院, 河北 廊坊 065000;
5. 中石化石油勘探研究院, 北京 100083;
6. 北京创时空科技有限公司, 北京 100083
摘要: 地质图编制专业性强、工作量大,编图环节繁琐,而人工智能、大数据等新一代信息技术的快速发展,为中国地质图的编图技术发展提供了支撑。在地质大数据环境下,提出基于地质知识驱动的地质编图技术,通过构建地质编图时空综合模型和地质代号智能识别模型,可以对多图幅的沉积岩、侵入岩、火山岩、变质岩、构造等地质要素进行人机交互式、自动化、智能化地图元综合、断层简化、线形圆滑、图幅接边等。近年来,基于该技术在青海东部地区、河南洛阳、郑州地区及京津冀多地区开展的编图实践表明,该编图技术能够显著提高地质编图工作效率,具有实际应用意义。
关键词: 地质图    编图技术    时空模型    地质知识    地质综合    智能标注    
Research on geological map compilation technology based on spatial data and geological knowledge
WANG Yanggang1, HAO Lirong1, HUANG Hui2, LI Yusong3, ZHANG Dake4, ZHANG Qinghe5, LI Li3, ZHANG Lin4, JIHANG Zuorui6    
1. Development Research Center, China Geological Survey, Beijing 100037, China;
2. Former Research Institute of Gold Geology, Langfang 065000, Hebei, China;
3. Institute of Environmental Geological Survey of Henan, Zhengzhou 450000, He'nan, China;
4. Institute of Regional Geological and Mineral Survey of Hebei, Langfang 065000, Hebei, China;
5. Institute of Oil Exploration, Sinopec, Beijing 100083, China;
6. Beijing Chuangshikong Technology Co., Ltd., Beijing 100083, China
Abstract: In order to improve the efficiency of specific compilation of geological map and reduce human workload, it is necessary to develop a new method to update the previous geological maps compiled decades ago. After studying the information technology such as AI & BigData, the authors constructed the spatial-temporal model of generalization and the intelligent model of the geological annotation. Then a new technology was developed with which small scale geological maps can be converted to general scale geological maps in a big data environment through compilation. The technology for mapping is called iMapower. Practically, the geological features, such as sedimentary rocks, intrusive rocks, volcanic rocks, metamorphic rocks and structures, can be processed intelligently, interactively, automatically with iMapower based on geological knowledge. The processing procedures include geological body merging, geoline simplification, fault generalization, feature representation, legends illustration, etc. In its application to several pilot areas such as eastern Qinghai Province, Luoyang area, Zhengzhou area and Jingjinji area, the efficiency is obviously improved. The iMapower is proved to be scientific and effective.
Key words: geological map    compiling technology    spatial-temporal model    geological knowledge    geological generalization    intelligent annotation    

地质图数据,是区域地质填图和科学编图的重要成果体现形式和载体,是矿产资源勘查开发的基础依据[1]。20世纪80年代,高精度、高速度的新型机助制图设备应用[2],使得全数字化地质图编制生产逐步取代手工编制[3],完成了制图载体转换;90年代,出现专业的GIS制图软件和图形处理功能,应用于基础地理信息测绘图件制作与服务;21世纪初,数据驱动制图技术得到发展[4-5]和应用[6-7],引领了地图制作生产的发展方向[8-12];今天,地学工作者开始探索专家知识系统[13-20]、自动综合[17-23]等技术在地图制图工作中的应用。

目前,国际上通用的编图软件有ArcGIS、MapInfo、GeoMedia、MapGuide、GRASS、CorelDraw等。国外做了大量数据驱动制图模型和框架研究,对GIS驱动下的制图方法进行了全面深入的论述[5-7]

通过深化GIS软件对专业制图应用积极支持,ESRI公司的ArcGIS 10支持数据驱动制图[6],在制图的人性化、细致化、批量化、自动化方面进行了相应的丰富和完善。随着云技术的出现与应用,ESRI推出了在线编图系统ArcGIS Online,英国地质调查局[24-25]及OneGeology官方网站[26-27]提供在线地质图制作。

1970年Douglas等[28], De Berg等[29], Jones[30], Saalfeld等[31], Galanda等[32]学者针对地图综合工作,开展了简化、消除、夸大等图形综合算法研究工作[28-32],且在一定程度上得到了应用,为地质图的综合工作奠定了算法基础;1990年提出的细胞自动模型算法支撑了制图表达应用[33];2009—2012年加拿大地质调查局研究开发了基于ArcGIS的GeoScaler地质图缩编软件[34-35],能够自动进行地质体归并等缩编工作,但不能解决地质体间的相互关系、制图与数据库建设一体化等问题。

中国地质科学院地质研究所李廷栋、丁孝忠研究团队基于通用GIS软件平台MapGIS、ArcGIS,开展了大量卓有成效的编图工作[36-38],取得了地质编图工作载体的升级转化,以及编图平台[39-40]和工作流程信息化手段[37-40]的进步。针对地质图件专题内容编制与建库应用的专业化需求,叶天竺于2001年提出了在地质图空间数据库环境下,开展地质图编图更新工作的六点实质内容,包括图幅拼接、地质体归并、断层综合、地质界线化简、地质体代号标注、制图表达等功能[41]。邬宽廉基于ISO/DIS 19117地理信息图示表达国际标准[42-43],利用Fortran语言开发了全自动GIS编图软件,尝试开展针对地质图编图的专业应用。

当前,中国需要及时地开展1:25万分幅地质调查成果图件的更新,并适时地开展省级、区域和全国等不同层次的1: 50万、1: 100万、1: 150万、1: 250万、1:400万等比例尺地质图数据更新,以解决社会各界对地质数据的需求[44-45]

利用传统的地质编图方法进行地质图更新,编图效率低、成图速度慢,需要花费大量的人力和时间[46-47]。基于最新信息技术和人工智能技术的发展,本文提出了基于地质图空间数据库和地质知识的编图技术方法流程,系统地研究了地质图综合编图关键技术,研发的智绘地质编图平台在实际应用中提高了地质编图工作效率。

1 数据与知识驱动的地质编图理念与模式

地质编图,是通过对已有的地质图的地质数据和资料进行分析、综合及处理,并按照一定的编图技术要求表达地质内容的过程。典型的地质编图过程包括六方面的工作:①图幅之间的自动拼接;②线要素的抽稀;③面要素的归并;④曲线的圆滑;⑤地层/地质体代号的重新赋予;⑥图示图例的自动生成。

1.1 数据驱动和知识驱动地质编图

数据驱动就是利用数据对处理过程和操作流程进行控制。知识是一种特殊形式的数据,知识驱动是高级形式的数据驱动,即依据领域专家知识进行分析推理、做出过程处理或控制决策。

数据驱动地质编图,是利用已有的地质图、地质规律等数据,应用信息技术对编图处理过程和操作流程进行控制,其目的是实现(人机交互式)自动化;专家知识驱动地质编图,是依据编图区构造、岩浆活动、沉积环境等地质发展演化规律,进行推理分析,提出地质图编辑决策,完成地质图的编制,其目的是实现编图的智能化。

知识驱动地质编图,是在充分利用已有的地质图空间数据基础上,按照数据驱动地质编图技术建立的编图专家知识库,依据编图规则,通过分析地质体的空间特征、属性特征,自动地或人机交互式地完成面、线、点地质体空间和属性信息综合、地质体表达与符号标注、图幅接图、图饰元素制作,并形成成果图件和数据库的过程。

1.2 新地质编图模式

与传统编图模式下信息技术人员、地质业务人员在编图过程中的多次交互分工、协同工作不同,数据驱动编图模式面向地质业务人员,新模式下技术研发人员首先将编图全过程需要的信息技术支持工作转化为地质业务人员能够理解和应用的技术模型,地质业务人员按照技术研发人员制定的模型将相应的地质图数据、地质知识输入到编图平台中,即可自动地或交互式地开展并完成地质编图工作。数据驱动地质编图模式如图 1所示。

图 1 数据驱动地质编图模式 Fig.1 Mode of geological compilation driven by database
2 关键模型与方法技术研究

数据驱动地质编图技术,即在地质图空间数据库环境下,以地质编图知识为基础,按照地质规律(人机交互式)自动地、智能地进行接图、地质体综合、符号表示及制图表达等过程处理,形成成果图件的计算机辅助编图技术。

2.1 地质体数据模型

地质图空间数据是以图形方式描述的地壳各种信息及其演变过程。地质体数据具有空间位置、物质、构造、时间等多维特征:①空间位置属性X;②空间位置属性Y;③空间位置属性Z;④物质、构造属性;⑤时间属性。

以地质专业性、客观性、普遍适用性为基础建立模型,立足于所描述的地质体表现出的客观信息和地质学范畴,通过要素类的图形和属性对地壳模型进行客观、合理的描述,即用GIS的要素类图形对地质信息的空间位置属性进行描述;利用要素类属性表对物质、构造、时间等属性进行描述。采用“被覆盖地质体”描述地表所反映的河流、沙漠、沼泽等地理内容。地质体要素类的具体内容如表 1所示。

表 1 面状地质体要素内容 Table 1 Geological features of polygon

选取地质体相对客观的地质信息为属性内容,如表 2所示。为了便于在编图中对接使用RgMap区域地质填图成果数据,模型设计上继承了野外填图系统中_GEOPOLYGON要素类中的部分属性字段,包括数据项名称、编码、数据类型和数据长度,增加了地质体主要岩石名称、地质体岩石特征、地质体重要程度标识3个字段,分别为字符型、字符型和整型。

表 2 面状地质体属性模型 Table 2 Fields of geological polygon feature
2.2 地质体演化时-空模型

数据驱动编图,实现地质学家的编图思想与计算机编图平台的有效沟通,达到计算机平台可以理解地质学家的编图思想。其本质是利用地质编图综合知识,开展地质体归并、化简、圆滑、图示表达、代号标注、制图等工作。因此,首先需要分析提取地质学家掌握的制图综合知识,并将其转为电脑可读取及识别的模型。

专家知识库是由基础地质空间序列、时间序列、地质客观规律、制图综合规则等构成的数据库,包括要素综合知识和地质知识两方面内容,是人工智能编图的知识基础。编图工作开始,地质专家将与编图有关的数据放入专家知识库;编图过程中,根据需要智能编图平台从专家知识库中调取有关数据,做出编图决策,对地质图要素进行处理,最终完成成果地质图和数据库。知识驱动实现有效的人机沟通,充分体现了人机融合。

专家知识库采用关系型数据库,以二维表格及相互间的逻辑关系存储地质学家的编图知识,包括六方面的内容:①全国基础地层分区、构造格架、地质事件演化序列;②编图区地质演化序列;③模型规则库;④样本特征库;⑤参数库;⑥算法。

地质演化知识表是地质编图人员应用最多的知识表,以二维表的形式表达,如表 3所示。反映编图区源图件不同地质年代的地层、侵入岩、变质岩及其代号,目标图件对应的归类或综合后内容以及地质体间的接触关系。编图区地质演化知识表,从全国、地区级别的知识库中自动提取,人机交互式生成。

表 3 地质演化知识表基本内容 Table 3 Contents of geological evolution knowledge
2.3 制图表达方法

符号是地图表达的语言,符号及其渲染关系着制图的整体效果和传达的信息量。采用基于规则的表达方法,利用要素的空间位置与属性信息,依据制图技术规范中属性与图示的关系规则,自动地完成地质图中的图示符号、代号、辅助要素等的渲染、标注与制作。

编图技术规范或要求,规定了点、线、面地质体符号的形状、大小、花纹、颜色及代号,建立地层、侵入岩、变质岩及断层、构造等地质体的属性类别与地质符号的关系模型。并以此为基础,建立基于数据驱动的地质图图例符号库。

2.4 地质代号向量空间模型 2.4.1 地质代号组成

地质体代号,是地质图的重要构成内容,是为了便于从地质图上读取地质体的属性信息而在图面注记的符号。地质体代号,是按照一定规则表达地质内容的符号语言,由年代、岩性、地质体名称等内容组成,分为地层代号、侵入岩代号、地质年代代号等。按照岩石地层单位表达精度,又可采用群、组、段以表示到相应的详细程度,由时代+正体/斜体的群、组或段名字构成;侵入岩代号用年代+岩性表示。

2.4.2 ZHDK模型

为了利用计算机批量生成地质体单位代号注记,本研究建立了基于地质体综合相似相关理论的ZHDK模型,以及基于向量空间模型[48-49]特征,通过监督学习和非监督学习建立地质体代号标准知识库。监督学习状态下,通过读取并按照《国际年代地层表V2015/01》和《中国地层表(2014)》规定的地层单位的地质年代等代号及相关样式,通过向量空间模型解析属性代号字段内容,自动标注地质代号,自动识别组成地质体代号字符中的上标、下标、正体与斜体,之后通过调整地质代号的位置与压盖关系达到制图规范效果。同时,非监督学习状态下,ZHDK模型能够学习不常见的地质代号样式并将其作为识别基础。

向量空间基本模型包括3个:代码分组多维向量空间、字符类型多维向量空间、地质代码类型向量[50-51]。其中,代码分组向量,是待标注地质代码的字符串与基本地质代码库中多个字符串的字符“与”运算值,该值由多位字符1和/或0构成;字符类型多维向量,是构成地质代码的可能字符类型划分向量空间,如0代表小写英文字符、1代表大写英文字符、2表示数字等;地质代码类型向量,是按照地质年代、岩性、名称等划分的向量空间,分别用101、102、103和104表示。

2.4.3 标注样式知识

表 4为标注样式知识,包括地质体属性内容与地质图制图预期标注的效果。图 2为采用ZHDK模型自动化标注的效果。

表 4 地质体属性内容与标注样式要求 Table 4 Required styles of annotation
图 2 地质代号标注效果示例 Fig.2 Samples of annotated styles
3 编图技术平台

基于相似相关地质编图理论,以及数据驱动编图相关技术模型和知识库,在MapGIS10和ArcGIS平台二次开发了智能地质编图软件——智绘地质iMapower。软件能够模拟地质编图专家的思想和编图流程处理地层、侵入、火山和变质岩等地质体和地质构造数据,在数据驱动模型下自动地或人机交互式地完成由大比例尺地质图缩编小比例尺地质,并同步完成相应空间数据库建设,减少了编图及建库过程中大量繁杂、枯燥的机械性工作。软件具有数据预处理、要素综合、制图表达、质量检查、数据管理等功能,功能框架如图 3所示。

图 3 智绘地质功能总体框架 Fig.3 General framework of iMapower function
4 技术流程与编图应用 4.1 基本处理流程

编图基本处理流程如图 4所示,主要包括3个阶段。

图 4 编图流程图 Fig.4 Processing flow

第一阶段,数据准备和预处理。选取编图区地质图空间数据库为源数据,并对其进行校正、拓扑等预处理。同时,地质人员梳理编图区的构造、地层、侵入、火山等地质知识,并按照知识模型建立知识库。空间数据和地质知识是本技术自动化处理的基础。

第二阶段,地质图编图综合,是编图的关键。以第一步空间数据和知识数据为基础,在iMapower平台按照面、线、点要素的次序分别对3种地质体要素进行综合。在平台分析推理的基础上,首先对地质体面要素进行归并、化简、夸大、删除、聚合等处理。其次,利用综合后的断层对面地质体进行“断裂”处理,并自动处理断层线和地质体边界的拓扑关系;地质界线由平台从地质体边界自动提取生成,并被自动赋予接触关系。最后,人机交互式综合包括采样点、产状等点状要素。本阶段,需要由地质人员在平台交互式处理地质内容不能匹配的接边。在处理的过程中,iMapower平台自动维护地质体间的拓扑关系和压盖关系。

第三阶段,制图表达成图。以第一阶段的知识库和第二阶段形成的空间数据为基础,iMapower平台依据知识库中地质图表达的内容自动进行图示表达、生成符合地质图要求的图例。地质人员在平台选取需要的整饰要素,形成终稿图。

4.2 编图应用

本编图技术在一线生产单位进行了推广应用。基于基础的编图流程,在iMapower编图平台,利用已有的36幅1:5万实测数据编制了1:25万洛阳市幅地质图、4幅1:25万实测数据编制了1:50万郑州市幅地质图、8幅1:25万实测数据编制了1:50万都兰-临夏地区地质图,以及京津冀1:50万大地构造相图缩编,其成果图件得到相关专家认可。其中,前期数据处理工作主要基于平台进行,末期图面表达由地质人员优化。图 5为都兰—兴海地区编图成果图。

图 5 都兰—兴海地区地质图示意 Fig.5 Compiled geological map of Dulan-Xinghai area
5 结语

与传统编图相比,该技术减少了编图环节,舍弃了扫描矢量化、地质人员勾勒地质体边界、数据建库等过程。iMapower编图平台全过程自动维护地质体间的拓扑关系和地质体的压盖关系,将人工维护工作量降低到0;提高地质体要素综合工作效率50%以上;智能化标注地质代号,将人工标注地质代号注记的工作量降到5%左右;自动生成符合技术要求或标准的地质图图示图例及整饰要素,能减少人工工作量80%左右。多地区应用验证了基于数据和知识驱动的地质编图关键模型及技术的科学性、有效性和实用性。

与传统地质编图技术相比,尽管本方法技术总体上提高了效率,但目前仍存在以下不足:①由于需要地质知识库支撑,额外增加了地质人员的工作;②部分复杂地质体综合、表达效果等难以达到理想的质量要求,仍然需要后期人工修正;③人工智能技术在地质图编图方面的应用研究尚处于起步阶段,缺少全国层面的编图区域的地层、构造、岩浆活动等知识模型和知识库。

致谢: 在知识驱动的地质编图技术研究过程中,叶天竺老师给予了前瞻性的思想、理念和方法指导,邓晋福老师给予了地学基础知识指导,对两位专家的帮助表示深深的敬意。中国地质科学院地质研究所丁效忠研究员有丰富的地质编图及技术应用经验,感谢其在本技术研究过程中给予的具体指导。感谢中国地质调查局发展研究中心冯艳芳教授级高工、中国地质大学(北京)张长厚教授,大区中心及部分省级地调机构的编图人员对技术应用的支持。中国地质科学院地质研究所韩坤英研究员对论文中编图工作的完善提出了具体的修改意见, 在此一并致谢。

参考文献
[1]
李廷栋, 刘勇, 王军, 等. 略论地质图件的十大功能——纪念黄汲清先生诞辰110周年[J]. 地质论评, 2014, 60(3): 473-485.
[2]
姜作勤. 美、加、澳、英等国地学数字制图技术综述[J]. 中国地质, 1994, 12: 27-29.
[3]
姜作勤, 马智民, 杨东来, 等. 主要发达国家地质信息服务的政策体系及其特点[J]. 地质通报, 2007, 3: 350-354. DOI:10.3969/j.issn.1671-2552.2007.03.013
[4]
Charlie F. Modeling active database-driven cartography within GIS databases[C]//The 21st International Cartographic Conference of the International Cartographic Association. Durban, South Africa, 2003.
[5]
Buckly A, Frye C, Buttenfield B. An Information Model for Maps: Towards Cartographic Production from GIS Databases[EB/OL] [2018-10-24] http://icaci.org/files/documents/ICC-proceedings/ICC2005/htm/pdf/oral/TEMA1/SESSION1/AILEEN%20BUCKLEY.pdf, 2018.
[6]
Tomlin C D. GIS and Cartographic modeling[M]. California: Esri Press, 2012.
[7]
FGDC. FGDC Digital Cartographic Standard for Geologic Map Symbolization (PostScript Implementation). Reston, Virginia, Federal Geographic Data Committee, 2006.
[8]
VanGasselt S A N. Planetary mapping——The datamodel's perspective and GIS framework[J]. Planetary and Space Science, 2010(59): 12.
[9]
陈军, 王东华, 商瑶玲, 等. 国家1:50000数据库更新工程总体设计研究与技术创新[J]. 测绘学报, 2010, 1: 7-10.
[10]
王家耀, 钱海忠. 制图综合知识及其应用[J]. 武汉大学学报(信息科学版), 2006, 5: 382-386+439.
[11]
王家耀, 孙群, 王光霞, 等. 地图学原理与方法[M]. 北京: 科学出版社, 2014.
[12]
Oosterom P V. Research and development in geo-information generalisation and multiple representation[J]. Computers, Environment and Urban Systems, 2009, 33: 303-310. DOI:10.1016/j.compenvurbsys.2009.07.001
[13]
Zhang X R. A Multi-Agent System For Generalization of Features Defined by Isobaths in Nautical Chart Construction[D]. Master of Philosophy, the Hong Kong Polytechnic University, 2012.
[14]
Ajith H, Perera C A D, Johnson C J. Expert Knowledge and Its Application in Landscape Ecology[M]. New York: Springer Science+Business Media, 2014.
[15]
Hamid R, Safavi M H G, Samuel Sandoval-Solis. Expert knowledge based modeling for integrated water resources planning and management in the Zayandehrud River Basin[J]. Journal of Hydrology, 2015(528): 773-789.
[16]
Jean-Luc Monnot P H, Dan Lee. An optimization approach to constraint-based generalization in a commodity GIS framework[M]. International Cartographic Conference, Moscow, Russia, 2007.
[17]
Yin J T, Chen D W, Li Y D. Smart train operation algorithms based on expert knowledge and ensemble CART for the electric locomotive[J]. Knowledge-Based Systems, 2016(92): 78-91.
[18]
蓝荣钦, 杨晓梅. 领域专家知识及其在空间数据挖掘中的作用[J]. 测绘学院学报, 2004, 2: 141-144. DOI:10.3969/j.issn.1673-6338.2004.02.022
[19]
李山, 徐升华, 李冬伟. 基于多Agent的专家知识资源库的构建研究[J]. 情报科学, 2013, 1: 111-117.
[20]
刘雪华, 张爽, 靳强. 贝叶斯专家系统分类器中专家知识的自动提取[J]. 地理与地理信息科学, 2008, 4: 20-24.
[21]
Jantien Stoter D B, Cécile Duchêne, Blanca Baella, et al. Methodology for evaluating automated map generalization in commercial software.Computers[J]. Environment and Urban Systems, 2009, 33: 311-324. DOI:10.1016/j.compenvurbsys.2009.06.002
[22]
钱海忠, 武芳, 王家耀. 自动制图综合链理论与技术模型[J]. 测绘学报, 2006, 4: 400-407. DOI:10.3321/j.issn:1001-1595.2006.04.019
[23]
王家耀, 武芳, 王光霞. 基于地图数据库数据的自动编图系统[J]. 测绘通报, 1998, 9: 23-25.
[24]
BGS. DiGMapGB digital geological maps of Great Britain Datasets[EB/OL] [2018-10-24] http://www.bgs.ac.uk/products/digitalmaps/DiGMapGBMaps.html.
[25]
[26]
[27]
OneGeology. Portal[EB/OL] [2018-10-24] http://www.onegeology.org/portal/home.html.
[28]
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]. Canadian Cartographer, 1973, 10(2): 112-122. DOI:10.3138/FM57-6770-U75U-7727
[29]
De Berg M T, Van Kreveld M, Schirra S. Topologically correct subdivision simplification using the bandwidth criterion[J]. Cartography and Geographic Information Systems, 1998, 25(4): 243-257. DOI:10.1559/152304098782383007
[30]
Jones C B, Bundy G L, Ware J M. Map generalization with a triangulated data structure[J]. Cartography and Geographic Information Systems, 1995, 22(4): 317-331.
[31]
Saalfeld A. Topologically consistent line simplification with the Douglas-Peucker algorithm[J]. Cartography and Geographic Information Science, 1999, 26(1): 7-18. DOI:10.1559/152304099782424901
[32]
Galanda M, Weibel R. Using an energy minimization technique for polygon generalization[J]. Cartography and Geographic Information Science, 2003, 30(3): 259-275.
[33]
Chopard B. A cellular automata model of large-scale moving objects[J]. Journal of Physics A, 1990, 23(10): 1671-1687. DOI:10.1088/0305-4470/23/10/010
[34]
Smirnoff A, Paradis S J, Boivin R. Generalizing surficial geological maps for scale change:ArcGIS tools vs. cellular automata model[J]. Computers & Geosciences, 2008(34): 1550-1568.
[35]
Smirnoff A, Huot-Vezina G, Paradis S J, et al. Generalizing geological maps with the GeoScaler software:The case study approach[J]. Computers & Geosciences, 2012(40): 66-86.
[36]
李廷栋. 当前国际地质编图的一些动态[J]. 地质论评, 2013, 2: 208. DOI:10.3969/j.issn.0371-5736.2013.02.002
[37]
丁孝忠, 韩坤英, 韩同林, 等. 月球虹湾幅(LQ-4)地质图的编制[J]. 地学前缘, 2012, 19(6): 15-27.
[38]
王梁, 丁孝忠, 韩坤英, 等. 月球数字地质图的编制与研究[J]. 中国地质, 2015, 42(1): 331-341. DOI:10.3969/j.issn.1000-3657.2015.01.027
[39]
韩坤英, 庞健峰, 丁孝忠, 等. 基于ArcGIS的月球虹湾地区数字地质图编制研究[J]. 地学前缘, 2012, 19(6): 104-109.
[40]
韩坤英, 丁孝忠, 范本贤, 等. 基于GIS的区域地质编图方法[J]. 中国地质, 2005(4): 189-193.
[41]
王杨刚.基于数据驱动的基础地质图件更新关键技术研究[D].中国地质大学(北京)博士学位论文, 2016. http://cdmd.cnki.com.cn/Article/CDMD-11415-1016089249.htm
[42]
邬宽廉, 邬可筠. 地质图件数据库建库的新概念和新思维——浅谈贯彻ISO/DIS 19117地理信息图示表达国际标准的体会[J]. 地质通报, 2007, 26(5): 620-624. DOI:10.3969/j.issn.1671-2552.2007.05.016
[43]
邬宽廉, 左群超, 邬可筠. 建立地质图数据库的地质年代代码问题[J]. 地质通报, 2008, 27(7): 1103-1106. DOI:10.3969/j.issn.1671-2552.2008.07.025
[44]
肖桂义, 毛晓长, 李敏, 等. 中国基础地质调查新进展及业务发展方向思考[J]. 中国地质调查, 2014, 1(3): 7-14.
[45]
冯艳芳.大数据时代, 如何构建国家地质基础数据更新体系[N].中国国土资源报, 2017-07-20.
[46]
马明, 吴涵宇. 基于地层属性的图斑批量缩编方法[J]. 地质调查与研究, 2018, 41(3): 235-240. DOI:10.3969/j.issn.1672-4135.2018.03.013
[47]
李丽. iMapower在1: 25万地质编图中的应用[D].中国地质大学(北京)硕士学位论文, 2018.
[48]
冯高磊, 高嵩峰. 基于向量空间模型结合语义的文本相似度算法[J]. 现代电子技术, 2018, 41(11): 157-161.
[49]
郝水龙, 吴共庆, 胡学钢. 基于层次向量空间模型的用户兴趣表示及更新[J]. 南京大学学报(自然科学版), 2012, 48(2): 190-197.
[50]
王杨刚, 郝丽荣, 李丽, 等.用于标注地质体代号的方法、装置及其存储介质[P].北京: CN109033373A, 2018-12-18.
[51]
郝丽荣, 王杨刚. 智绘地质(iMapower)数字地质图编图技术应用研究[J]. 中国科技成果, 2018, 19(6): 29-31. DOI:10.3772/j.issn.1009-5659.2018.06.013