Современные подходы к автоматизации операций по редактированию пространственных данных

Геоинформатика
УДК: 
528.9:004
DOI: 
10.22389/0016-7126-2023-994-4-39-49
1 Колесников А.А.
Год: 
2023
№: 
4
994
Страницы: 
39-49

Сибирский государственный университет геосистем и технологий (СГУГиТ)

1, 
Аннотация:
Рассмотрены особенности автоматизации обработки пространственных данных с использованием геоинформационных систем. Выделены основные направления автоматизации при обработке пространственных данных, в том числе с использованием технологий искусственного интеллекта. Определены и описаны возможные технические подходы к автоматизации в геоинформационных системах. Описана программная реализация перечисленных подходов с использованием программного обеспечения с открытым исходным кодом на примере типовой последовательности действий при работе с пространственными данными: отсечение векторных данных по указанному полигональному объекту, сохранение результатов в новый набор файлов и его проецирование в заданную систему координат (созданные в процессе исследования модули и скрипты размещены в открытом доступе). Приведены существующие стандарты и пример реализации обработки пространственных данных с использованием концепции микросервисных архитектур. Составлена сводная таблица достоинств и недостатков описанных подходов.
Статья подготовлена при финансовой поддержке Министерства науки и высшего образования Российской Федерации в рамках научного гранта № 075-15-2020-804

Список литературы: 
1.   Бычков И. В., Ружников Г. М., Парамонов В. В., Шумилов А. С., Федоров Р. К. Инфраструктурный подход к обработке пространственных данных в задачах управления территориальным развитием // Вычислительные технологии. – 2018. – Т. 23. – № 4. – С. 15–31. DOI: 10.25743/ICT.2018.23.16488.
2.   Васильев А. Ф. Автоматизация проектирования геометрической модели сети дорог с помощью ГИС-данных // Горный информационно-аналитический бюллетень (научно-технический журнал). – 2015. – № 8. – С. 360–367.
3.   Ефремова Т. Ф. Новый словарь русского языка. Толково-словообразовательный. – В 2-х томах – М.: Русский язык, – 2000. – Т. 1. – 1232 c.
4.   Иванов А.Г., Загребин Г.И. Разработка методики автоматизированного выбора картографической проекции при реализации мелкомасштабного картографирования // Изв. вузов. Геодезия и аэрофотосъёмка. – 2011. – № 1. – С. 98–100.
5.   Колесников А. А., Плитченко Е. А., Кропачева М. К. Автоматизация подготовки картографических данных с помощью систем обработки естественного языка // ИнтерКарто. ИнтерГИС. – 2022. – Т. 28. – № 1. – С. 659–669. DOI: 10.35595/2414-9179-2022-1-28-659-669.
6.   Корнаухов П. С., Артюхина А. А., Кретинина И. С., Ванеева М. В. Анализ целесообразности применения ГИС для автоматизации работы с геодезическими данными в целях землеустройства // Актуальные проблемы землеустройства, кадастра и природообустройства: Материалы II междунар. науч.-практ. конф. – Воронеж: Воронежский гос. аграрный ун-т им. Императора Петра I, – 2020. – С. 227–237.
7.   Логинов Д.С. Применение компьютерных технологий и их потенциал для развития геофизического картографирования // Геодезия и картография. – 2021. – № 7. – С. 9-20. DOI: 10.22389/0016-7126-2021-973-7-9-20.
8.   Непоклонов В. Б., Шлапак В. В., Цветков В. Я., Лонский И. И. Автоматизация обработки визуальной геопространственной информации ГИС // Информация и космос. – 2018. – № 2. – С. 93–97.
9.   Hofer B., Brauner J., Jackson M., Granell C., Rodrigues A., Nüst D., Wiemann S. (2015) Descriptions of Spatial Operations – Recent Approaches and Community Feedback // International Journal of Spatial Data Infrastructures Research. 10, pp. 124–137.
10.   Hulsebos M., Hu K., Bakker M., Zgraggen E., Satyanarayan A., Kraska T., Demiralp Ç., Hidalgo C. (2019) Sherlock: A deep learning approach to semantic data type detection. KDD`19: Proceedings of the 25th ACM SIGKDD International conference on knowledge discovery and data mining pp. 1500–1508. DOI: 10.1145/3292500.3330993.
11.   Kuźma M. (2020) The use of GIS tools in the automation of examining the cartometry of old maps // Polish Cartographical Review. 52 (4), pp. 152–161. DOI: 10.2478/pcr-2020-0013.
12.   Taïs G., Lennert M., Beaumont B., Vanhuysse S., Stephenne N., Wolff E. (2017) An open-source semi-automated processing chain for urban object-based classification // Remote Sensing. 9 (4), pp. 358–381. DOI: 10.3390/rs9040358.
13.   Wasser L., Joseph M. B., McGlinchy J., Palomino J., Korinek N., Holdgraf C., Head T. (2019) EarthPy: A Python package that makes it easier to explore and plot raster and vector data using open source Python tools // Journal of Open Source Software. 4 (43), pp. 1886–1888. DOI: 10.21105/joss.01886.
14.   Weyand T., Kostrikov I., Philbin J. (2016) PlaNet – photo geolocation with convolutional neural networks. ECCV 2016: Computer Vision Springer, Amsterdam, pp. 37–55.
15.   Yaman B., Thompson K., Brennan R. (2021) A SKOS taxonomy of the UN global geospatial information management data themes. CEUR Workshop Proceedings. CEUR-WS pp. 89–96.
Образец цитирования:
Колесников А.А., 
Современные подходы к автоматизации операций по редактированию пространственных данных // Геодезия и картография. – 2023. – № 4. – С. 39-49. DOI: 10.22389/0016-7126-2023-994-4-39-49
СТАТЬЯ
Поступила в редакцию: 31.01.2023
Принята к публикации: 13.04.2023
Опубликована: 20.05.2023

Содержание номера

2023 апрель DOI:
10.22389/0016-7126-2023-994-4