CN116129041A - 一种基于多源数据的三维地表基质精细建模方法 - Google Patents

一种基于多源数据的三维地表基质精细建模方法 Download PDF

Info

Publication number
CN116129041A
CN116129041A CN202211627230.1A CN202211627230A CN116129041A CN 116129041 A CN116129041 A CN 116129041A CN 202211627230 A CN202211627230 A CN 202211627230A CN 116129041 A CN116129041 A CN 116129041A
Authority
CN
China
Prior art keywords
data
model
surface matrix
dem
dimensional
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211627230.1A
Other languages
English (en)
Inventor
周珉羽
李大华
王宴会
侯思远
卢露媛
程礼军
田茂强
韩文友
高润霞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Huadi Zihuan Technology Co ltd
Chongqing Institute of Geology and Mineral Resources
Original Assignee
Chongqing Huadi Zihuan Technology Co ltd
Chongqing Institute of Geology and Mineral Resources
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing Huadi Zihuan Technology Co ltd, Chongqing Institute of Geology and Mineral Resources filed Critical Chongqing Huadi Zihuan Technology Co ltd
Priority to CN202211627230.1A priority Critical patent/CN116129041A/zh
Publication of CN116129041A publication Critical patent/CN116129041A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Graphics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Architecture (AREA)
  • Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Multimedia (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明涉及自然资源调查监测技术领域，具体涉及一种基于多源数据的三维地表基质精细建模方法。包括源数据处理、面升维建立结构模型、建立体元模型、模型实体属性赋予结构化语义化处理等融合建立属性网格模型的三维模型建模方法体系，实现地学数据有序、多维度管理，层控、精细地再现不同类型地表基质的空间分布状态。本技术方案提供了一种地表覆盖层与地下资源层之间的地表基质层三维建模技术，实现了对地表基质层内部结构关系、时空演变及其与其他自然要素用机理的可视化表达和分析应用，可以满足专项调查需求以及典型地貌地区生态治理的需求。

Description

一种基于多源数据的三维地表基质精细建模方法
技术领域
本发明涉及地表基质监测技术领域，具体涉及一种基于多源数据的三维地表基质精细建模方法。
背景技术
地表基质是指位于地下资源层之上，地表覆盖层之下，是一个具有穿透性的区域，其空间范围自地面开始，穿过土壤，一直延伸至基岩顶部或包气带的底部，是地球五大圈层相互作用的主要发生区域，是各类自然要素作用的基础，地表覆盖层会因为人类的利用与管理而发生变化的话，地表基质层则是相对稳定的，因此地表基质不仅是各类专项调查(如土地调查、林业调查)的基础，还决定了生态修复和环境整治的难易程度。
目前关于地表基质的研究还停留在地表基质的分类和地表基质模型构建上，这无法满足各种专项调查需求以及典型地貌地区生态治理的需求。关于地表基质三维模型的建模手段还非常少，现有的建模手段停留在地表以上以及地下资源的建模上，由于地表基质获取的数据源以及内部空间分布往往不同于一般建模，常规地质体的建模方法难以直接应用到地表基质的建模，因此有必要提供一种合适的三维建模方法以精准的还原地表基质体的内部结构关系。
发明内容
本发明的目的在于针对实际地表基质精细建模应用的问题，提供一种三维模型建模方法，以满足各种专项调查需求以及典型地貌地区生态治理的需求。
为了达到上述目的，本发明提供一种基于多源数据的三维地表基质精细建模方法，具体步骤包括：
步骤1：数据提取与融合：对选定需要进行地表基质建模的工作区进行地质数据、土壤数据、地表基质调查数据和矢量几何数据的融合；所述土壤数据需包含有效土层厚度属性，所述矢量几何数据为第三次全国国土调查数据作为地类几何边界约束；
步骤2：将融合后的数据根据地类和地表基质分类标准，建立映射关系，进行地表基质分类属性定义与补充，之后建立数据的标识码字段；
步骤3：建立结构模型：对选定区域的最新DEM数据根据有效土层厚度进行高程的修改作为模型构建的底层数据；以矢量数据库中各数据的有效土层厚度和地表基质三级类两个属性为几何边界约束条件，对原始DEM和修改后DEM分别进行范围裁剪，以标识码作为各DEM的命名，并分别存储于设定的数据库中，包括原始DEM库与修改DEM库；
将原始DEM库与修改DEM库数据分别创建地表基质三级类上下分层TIN模型，并创建地表基质三级类分层TIN模型的覆盖范围；
通过相邻TIN之间拉伸创建两个岩层之间的地质体，依次建立各地表基质三级类的实体模型，将所建立的模型进行合并，形成地表基质体数据；
步骤4：建立体元模型：将地表基质体数据通过TIN模型向CPG模型转换的算法工具，转换为CPG结构的精细地表基质体元模型；
步骤5：数据入库：对实体模型构建过程产生的各类数据，根据设定的数据结构加以存储，所述数据结构中至少包括矢量数据、DEM数据、TIN模型数据、结构模型数据、体元数据；
步骤6：根据地表基质三级类各类别颜色定义进行精细地表基质体元模型符号化，并进行属性补充、语义化定义，通过建立地表基质模型数据库实现模型可视化。
作为优选方案，所述步骤3中的结构模型为多层DEM切割单体化建模，以第三次全国国土调查数据作为几何边界约束。
作为优选方案，所述步骤3中根据有效土层厚度进行高程的修改，具体的公式为：
修改DEM高程＝原始DEM高程-有效土层厚度
对DEM进行裁剪时考虑模型建立后的无缝连接问题，设置不小于DEM1倍精度不大于DEM2倍精度的阈值建立矢量数据库中各数据的缓冲区，以建立缓冲区后的矢量数据库中各数据裁剪DEM。
作为优选方案，所述步骤3可以通过建立批量规则处理数据，以提高效率，优化建模过程。
作为优选方案，所述步骤4中的CPG是一种基于不规则六面体网格数据结构的体元模型，根据CPG的数据结构特点计算单元格坐标，即存储的单元格的坐标包括模型顶面和底面毎一个网格点的x、y坐标以及模型每个单元格中每个点的z坐标，而对于模型中间层的单元格的x、y坐标的获得是通过顶底面网格点的x、y值和每个单元格中每个点的z值来计算的。
xC＝xA+(zC-zA)*(xB-xA)/(zB-zA)
yC＝yA+(zC-zA)*(yB-yA)/(zB-zA)
xD＝xA+(zD-zA)*(xB-xA)/(zB-zA)
yD＝yA+(zD-zA)*(yB-yA)/(zB-zA)
线条CD为某单元格的一条侧边，该边上的两点C、D与顶面和底面上对应的点分别为点A和点B，C、D两点的坐标为(xC，yC)(xD，yD)，通过求解以上公式可以利用A、B两点的坐标及C、D两点的z值，求出C、D两点的平面坐标，根据以下转换步骤：格网边界确定、方向确定、网格剖分、网格坐标确定，建立TIN模型向CPG模型转换的算法工具。最终建立的地表基质体元模型属于TIN-CPG混合数据结构三维模型。
本发明的有益效果如下：
该三维地表基质精细建模方法，充分利用原始资料，综合数据的精细度和属性的全面性，还有数据的现势性，保证数据的可靠性和时效性，选择合适的建模方法，批量处理数据、面模型与体模型的转换，便于数据分析和应用。体现地下理化性质和图斑属性，可视化表达，得出了不同类型地表基质的空间分布状态，实现了对地表基质层内部结构关系、时空演变及其与其他自然要素作用机理的可视化表达和分析应用。
附图说明
图1为地表基质三级类上下分层TIN模型示意图；
图2为地表基质结构模型示意图；
图3为角点网络模型示意图；
图4为CPG模型中单元格坐标计算示意图；
图5为地表基质体元模型局部放大示意图；
图6为地表基质可视化数据库示意图；
图7为本发明的技术实施的流程图。
具体实施方式
下面通过具体实施方式进一步详细说明：
应该指出，以下详细说明都是例式性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的技术含义相同。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、组件和/或它们的组合。
如图1-7所示，本发明提供了一种基于多源数据的三维地表基质精细建模方法，具体包括以下步骤：
步骤S1：数据提取与融合：设置统一的坐标系统和高程基准对选定需要进行地表基质建模的工作区进行地质数据、土壤数据、地表基质调查数据和矢量几何数据的融合；所述土壤数据需包含有效土层厚度属性，所述矢量几何数据为第三次全国国土调查数据作为地类几何边界约束；
本步骤中数据提取与融合的具体方法如下：
首先设置统一的坐标系统和高程基准，按照选定工作区范围裁剪出不同数据源的数据，包括耕地质量等别更新评价数据、第二次土壤普查数据、第三次全国国土调查数据；之后提取关键属性，如耕地质量等别更新评价数据中的有效土层厚度(YXTCHD数据集)、表层土壤质地(BCTRZD数据集)、土壤有机质含量(TRYJZHL数据集)、土壤酸碱度(TRSJD数据集)等土壤基本性质和理化性质数据集，第二次土壤普查数据的土层厚度(重庆土壤图数据集)，第三次全国国土调查数据的地类图斑(DLTB数据集)。第二次土壤普查数据比例尺较小，作为耕地质量等别更新评价数据的补充数据；第三次全国国土调查数据的属性主要提取为地类类别和权属相关。数据处理后将三者数据进行融合，融合后处理细碎图斑。
步骤S2：将融合后的数据根据地类和地表基质分类标准，建立映射关系，进行地表基质分类属性定义与补充，之后建立数据的标识码字段；
本步骤中增加地表基质类别属性的具体方法如下：
根据《自然资源地表基质层调查技术要求(1：50000)》技术文件中关于自然资源地表基质层分类的定义，将地表基质层分类细化至三级，将融合后数据增加地表基质一级类、二级类、三级类的属性字段；结合《第三次全国国土调查工作分类地类认定细则》，建立地表基质层三级类与第三次全国国土调查地类彼此间的映射关系，如旱地对应地表基质层属性为：壤土、沙土，根据这个映射关系，将融合数据的地表基质属性字段补充完整。
另外增加标识码属性字段，标识码的字段值可以由系统随机生成，也可自定义，示例选用自定义方式，由“区县权属代码+要素图斑ID”组成。
步骤S3：建立结构模型：对选定区域的最新DEM数据根据有效土层厚度进行高程的修改作为模型构建的底层数据；以矢量数据库中各数据的有效土层厚度和地表基质三级类两个属性为几何边界约束条件，对原始DEM和修改后DEM分别进行范围裁剪，以标识码作为各DEM的命名，并分别存储于设定的数据库中，包括原始DEM库与修改DEM库；
将原始DEM库与修改DEM库数据分别创建地表基质三级类上下分层TIN模型，并创建地表基质三级类分层TIN模型的覆盖范围；
通过相邻TIN之间拉伸创建两个岩层之间的地质体，依次建立各地表基质三级类的实体模型，将所建立的模型进行合并，形成地表基质体数据；
本步骤S3中，建立结构模型的具体方法如下：
S31、首先对选定区域的最新DEM数据进行区域的裁剪。
S32、根据有效土层厚度进行高程的修改作为模型构建的底层数据，具体的公式为：
修改DEM高程＝原始DEM高程-有效土层厚度
对DEM进行裁剪时考虑模型建立后的无缝连接问题，设置不小于DEM1倍精度不大于DEM2倍精度的阈值建立矢量数据库中各数据的缓冲区，以建立缓冲区后的矢量数据库中各数据裁剪DEM。
S33、以矢量数据库中各数据的有效土层厚度和地表基质三级类两个属性为几何边界约束条件，建立批量处理的规则对原始DEM和修改后DEM分别进行范围裁剪，并以标识码作为各DEM的命名，分别存储于设定的数据库中，包括原始DEM库与修改DEM库；
S34、将原始DEM库与修改DEM库数据作为输入数据源，建立处理规则，分别创建地表基质三级类上下分层TIN模型(原始DEM对应上层TIN模型，修改DEM对应下层TIN模型)，命名同样以标识码为命名，上层TIN模型增加“top”前缀作为区分，分别存储在设定的数据库中。
利用创建的TIN模型(上层TIN模型或下层TIN模型均可，取其中一个库)生成分层TIN模型的覆盖范围作为模型的边界约束，命名同样以标识码为命名。
S35、通过同样位置不同高程的相邻TIN即相同标识码的TIN模型之间拉伸创建两个岩层之间的地质体，依次建立各个的实体模型，将所建立的模型进行合并，合并后各个数据同样以标识码进行标识，形成地表基质体数据。
步骤S4：建立体元模型：将地表基质体数据通过TIN模型向CPG模型转换的算法工具，转换为CPG结构的精细地表基质体元模型；
本步骤S4中，建立体元模型的具体方法如下：
CPG是目前应用比较多的一种非结构化网格，CPG在本质上是一系列不规则六面体格网单元，网格位置由行列层的编号i、j、k来确定，与矩形网格相比，角点网格模型单元格网的长、宽大小均可变，垂向连接顶底网格点的网格面也可W是倾斜的，因此可以很好的表达出复杂地下构造的形态。
CPG在逻辑结构上是I*J*K的规则巧朴结构模型。I*J*K的规则拓朴结构是指在X方向上有I+1条线段，将格网划分为I个单元格；在Y方向上有J+1条线，将格网划分为J个单元格；在Z方向上有K+1条线，将格网划分为K个单元格，单元格的总数目为I*J*K个，每个单元网格属于一个角点网格单元体。
在进行结构模型到体元模型转换过程中，首先要确定格网边界，顶底格网边界可根据基于TIN数据结构建立的构造模型的顶、底面模型来确定。由于模型经过研究范围边界处理之后，整个模型在侧面边界上基本是一致的，而模型在顶底面的形状不是水平的，因此需要通过包围盒计算来确定。计算时，把该构造－地层格架模型中某一地层单元的顶、底面在水平方向上最大包围盒，分别投影到xoy平面上，所得到的为该投影平面的最大矩形边界，就是该地层单元的顶底面边界。
其次确定平面网格和垂向网格剖分的数量、方向及网格的走向；格网方向是格网在平面上的走向(I、J方向)。格网方向与坐标轴方向不同，它是代表每一层格网排列的方向，格网方向的确定对整个CPG模型十分重要，它能够影响到整个模型的走向。平行格网剖分是在对构造－地层格架模型进行平面格网剖分时，首先要根据格网边界，确定单元格排列方向(I，J方向)的单元格行列数目I*J，然后对模型进行XOY平面的等间距剖分，生成模型的平面顶底控制格网。垂向格网剖分为单层，k＝1，即I*J*1。
然后将平面控制网格分别投影到构造模型中，并计算出投影之后的平面坐标(即x,y坐标)，通过内插来计算各层内部所有网格点的z坐标，具体如下：
根据CPG的数据结构特点计算单元格坐标，即存储的单元格的坐标包括模型顶面和底面毎一个网格点的x、y坐标以及模型每个单元格中每个点的z坐标，而对于模型中间层的单元格的x、y坐标的获得是通过顶底面网格点的x、y值和每个单元格中每个点的z值来计算的。
xC＝xA+(zC-zA)*(xB-xA)/(zB-zA)
yC＝yA+(zC-zA)*(yB-yA)/(zB-zA)
xD＝xA+(zD-zA)*(xB-xA)/(zB-zA)
yD＝yA+(zD-zA)*(yB-yA)/(zB-zA)
线条CD为某单元格的一条侧边，该边上的两点C、D与顶面和底面上对应的点分别为点A和点B，C、D两点的坐标为(xC，yC)(xD，yD)，通过求解以上公式可以利用A、B两点的坐标及C、D两点的z值，求出C、D两点的平面坐标。建立TIN模型向CPG模型转换的算法工具。最终建立的地表基质体元模型属于TIN-CPG混合数据结构三维模型。
最后将x、y、z坐标按照模型的CPG数据组织方式进行存储。
步骤S5：数据入库：对实体模型构建过程产生的各类数据，根据设定的数据结构加以存储，所述数据结构中至少包括矢量数据、DEM数据、TIN模型数据、结构模型数据、体元数据；
本步骤中数据入库的具体方法如下：
矢量数据的组织模型采用Geodatabase的要素集合和要素类的方式来组织。矢量数据的空间对象采用Geometry模型存储；矢量数据的属性内容采用Oracle的关系表存储，实现空间属性的一体化存储。采用JSON进行立体模型构建数据库存储，每个模型关联的所有数据Id(即关联关系)存在元数据表里面，用JSON字段记录数据关系。
综合利用关系数据库和文件数据库。关系数据库采用Oracle，解决一致性写、复杂查询的检索性能、以及备份问题，文件型数据库采用MongoDB，重点解决高并发读响应问题。
步骤S6：根据地表基质三级类各类别颜色定义进行精细地表基质体元模型符号化，并进行属性补充、语义化定义，通过建立地表基质模型数据库实现模型可视化。
本步骤中模型可视化的具体方法如下：
将数据融合后的矢量数据根据标识码和体元模型进行属性挂接匹配，进行属性补充、语义化定义。
参考《地质图用色标准及用色原则》(DZ/T 0179－1997)，判断选定区域所属位置，和涉及岩石地层，定义地表基质层划分情况及颜色方案表，实现体元模型的地表基质三级类各类别颜色符号化。
基于Three.js前端三维渲染框架，结合三维渲染机制和各类数据模型的特点，协同定制服务接口标准，兼容融合多种不同GIS格式的WebGIS服务，在线调用基础地理信息数据，搭建形成地表基质数据库，实现模型的可视化，兼顾地表基质分布、构造、地质灾害等数据服务。
本发明提供的一种三维地表基质建模方法，顾及数据的现势性和精细度，通过对不同数据源的融合处理，实现数据格式的统一。为了提升建模效率，建立数据批量处理的规则。针对实际应用需求对三维模型实现精细化表达和多种空间分析与属性分析的目的，将结构模型转为体元模型，使得构建的模型既能精细地表达地表基质模型表面状态，又能准确直观表示地表以下的部分，实现对地表基质层的全面化、实用化、专业化、精细化的表达。
以上所述的仅是本发明的实施例，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和优化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。

Claims (5)

1.一种基于多源数据的三维地表基质精细建模方法，其特征在于，包括
步骤1：数据提取与融合：对选定需要进行地表基质建模的工作区进行地质数据、土壤数据、地表基质调查数据和矢量几何数据的融合；所述土壤数据需包含有效土层厚度属性，所述矢量几何数据为地类图斑数据作为地类几何边界约束；
步骤2：将融合后的数据根据地类和地表基质分类标准，建立映射关系，进行地表基质分类属性定义与补充，之后建立数据的标识码字段；
步骤3：建立结构模型：对选定区域的DEM数据根据有效土层厚度进行高程的修改作为模型构建的底层数据；以矢量数据库中各数据的有效土层厚度和地表基质三级类两个属性为几何边界约束条件，对原始DEM和修改后DEM分别进行范围裁剪，以标识码作为各DEM的命名，并分别存储于设定的数据库中，包括原始DEM库与修改DEM库；
将原始DEM库与修改DEM库数据分别创建地表基质三级类上下分层TIN模型，并创建地表基质三级类分层TIN模型的覆盖范围；
通过相邻TIN之间拉伸创建两个岩层之间的地质体，依次建立各地表基质三级类的实体模型，将所建立的模型进行合并，形成地表基质体数据；
步骤4：建立体元模型：将地表基质体数据通过TIN模型向CPG模型转换的算法工具，转换为CPG结构的精细地表基质体元模型；
步骤5：数据入库：对实体模型构建过程产生的各类数据，根据设定的数据结构加以存储，所述数据结构中至少包括矢量数据、DEM数据、TIN模型数据、结构模型数据、体元数据；
步骤6：根据地表基质三级类各类别颜色定义进行精细地表基质体元模型符号化，并进行属性补充、语义化定义，通过建立地表基质模型数据库实现模型可视化。
2.根据权利要求1所述的一种基于多源数据的三维地表基质精细建模方法，其特征在于：
所述步骤3中的结构模型为多层DEM切割单体化建模。
3.根据权利要求1所述的一种基于多源数据的三维地表基质精细建模方法，其特征在于：
所述步骤3中根据有效土层厚度进行高程的修改，具体的公式为：
修改DEM高程＝原始DEM高程-有效土层厚度
设置不小于DEM1倍精度不大于DEM2倍精度的阈值建立矢量数据库中各数据的缓冲区，以建立缓冲区后的矢量数据库中各数据裁剪DEM。
4.根据权利要求1所述的一种基于多源数据的三维地表基质精细建模方法，其特征在于：
所述步骤3通过建立批量规则处理数据。
5.根据权利要求1所述的一种基于多源数据的三维地表基质精细建模方法，其特征在于：
所述步骤4中的CPG是基于不规则六面体网格数据结构的体元模型，根据CPG的数据结构特点计算单元格坐标，即存储的单元格的坐标包括模型顶面和底面毎一个网格点的x、y坐标以及模型每个单元格中每个点的z坐标，而对于模型中间层的单元格的x、y坐标的获得是通过顶底面网格点的x、y值和每个单元格中每个点的z值来计算的。
xC＝xA+(zC-zA)*(xB-xA)/(zB-zA)
yC＝yA+(zC-zA)*(yB-yA)/(zB-zA)
xD＝xA+(zD-zA)*(xB-xA)/(zB-zA)
yD＝yA+(zD-zA)*(yB-yA)/(zB-zA)
线条CD为某单元格的一条侧边，该边上的两点C、D与顶面和底面上对应的点分别为点A和点B，C、D两点的坐标为(xC，yC)(xD，yD)，通过求解以上公式可以利用A、B两点的坐标及C、D两点的z值，求出C、D两点的平面坐标，根据以下转换步骤：格网边界确定、方向确定、网格剖分、网格坐标确定，建立TIN模型向CPG模型转换的算法工具，最终建立的地表基质体元模型属于TIN-CPG混合数据结构三维模型。
CN202211627230.1A 2022-12-16 2022-12-16 一种基于多源数据的三维地表基质精细建模方法 Pending CN116129041A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211627230.1A CN116129041A (zh) 2022-12-16 2022-12-16 一种基于多源数据的三维地表基质精细建模方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211627230.1A CN116129041A (zh) 2022-12-16 2022-12-16 一种基于多源数据的三维地表基质精细建模方法

Publications (1)

Publication Number Publication Date
CN116129041A true CN116129041A (zh) 2023-05-16

Family

ID=86293831

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211627230.1A Pending CN116129041A (zh) 2022-12-16 2022-12-16 一种基于多源数据的三维地表基质精细建模方法

Country Status (1)

Country Link
CN (1) CN116129041A (zh)

Similar Documents

Publication Publication Date Title
Van Oosterom The GAP-tree, an approach to ‘on-the-fly’map generalization of an area partitioning
US11302072B2 (en) System for constructing urban design digital sand table
Floriani et al. Algorithms for visibility computation on terrains: a survey
Abraham et al. Survey of spatio-temporal databases
CN104008162B (zh) 一种基于模板的一键式专题地图自动成图方法及系统
CN110704928B (zh) 一种从bim模型到gis模型的转换方法
Raper et al. Design models and functionality in GIS
CN110211231B (zh) 一种三维地质灾害信息模型建模方法
CN103177103A (zh) 一种三维地理信息系统管理平台
CN108765567A (zh) 一种用于构建城市设计数字化沙盘的系统
CN116486025A (zh) 一种基于大数据云计算技术的城市地质数据处理平台
CN113570275A (zh) 基于bim和数字高程模型的水资源实时监测系统
CN114820975B (zh) 基于全要素参数符号化的三维场景仿真重构系统及方法
Lock et al. Visualizing spatial data: The importance of geographic information systems
Mosa et al. Evaluating the benefits of octree-based indexing for LiDAR data
CN115145930A (zh) 基于树状层次索引的gis矢量数据层次编码方法及装置
CN118298117A (zh) 一种三维多层级地质模型构建方法
Yang et al. A hybrid spatial index for massive point cloud data management and visualization
CN117112711A (zh) 一种实景三维地理信息系统及实现方法
CN116958465A (zh) 一种基于地质三维建模可视化的时空大数据云服务平台
CN116129041A (zh) 一种基于多源数据的三维地表基质精细建模方法
Zhao et al. A precise TIN clipping algorithm for the digital mining design of the opencast coal mine
Morgan et al. Using binary space partitioning to generate urban spatial patterns
CN114218215B (zh) 一种大规模gis数据的优化渲染方法
Candy Development of a prototype temporal Geographic Information System

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination