编码修改-建库注意问题
需积分: 0 41 浏览量
更新于2016-04-27
收藏 884KB DOCX 举报
### 编码修改-建库注意问题
#### 知识点概述
本文档详细阐述了在农用地数据库建设过程中的具体步骤与注意事项,特别强调了数据处理、编码配置以及属性赋值等方面的关键环节。这对于确保数据库质量至关重要。下面将根据文档内容归纳总结几个核心知识点。
#### 1. 数据准备与验证
- **数据完整性检查**:在开始建库前,首先要检查CAD数据的完整性,确保不存在缺失项,比如大地块名称、地力等级等信息。
- **拓扑检查**:拓扑关系是地理信息系统中的基础,因此需要检查是否存在拓扑错误,并及时修正。
#### 2. 数据导入与配置
- **投影设置**:根据最终库的不同需求选择合适的投影方式。如果是最终库,则采用高斯克吕格China2000-3-d-43;如果不是最终库,则选择Xian1980有度代43。
- **数据映射**:在导入CAD数据时,需要确保名称、地力等级等属性与数据库中的字段一一对应。
- **行政区划设置**:明确定义行政区划,包括组级、乡级和村级行政区代码,并确保这些信息的准确性。
#### 3. 数据处理与属性赋值
- **属性赋值**:对承包地块、坐落单位代码、承包方姓名等关键字段进行属性赋值。
- **承包方调查表处理**:在处理承包方调查表之前,需要备份数据库,以防数据丢失或错误操作。
- **挂接处理**:对于无法自动挂接的数据,需手动进行处理,比如填写经营权取得方式、承包方式等信息。
#### 4. 界址点与界址线处理
- **界址点生成与补充**:首先生成界址点,并进行必要的补充工作,确保所有界址点都已正确生成。
- **界址线生成与提取**:在界址点生成完成后,提取界址线,并进行拓扑检验。
- **属性赋值**:为界址点和界址线赋予相应的属性,例如界址点类型、界线性质等。
#### 5. 组织机构信息维护
- **组织机构代码设置**:从最低级别的行政区开始,逐步完善组织机构的信息。
- **界址点编号**:完成界址点的排号、更新起止号以及生成界址点编号等工作。
#### 6. 图幅与标识码处理
- **图幅生成与标识码更新**:根据需要生成图幅,并更新标识码。
#### 7. 四至面处理
- **四至面处理**:使用软件导出各个四至面的SHAPE文件,并在ArcGIS中进行处理,确保界址线类别的统一。
- **空间链接**:将处理后的SHAPE文件与数据库中的大地块线、地力等级等信息进行空间链接。
- **地力等级处理**:对地力等级进行分类、合并,并进行属性赋值。
#### 8. 土地利用类型与属性赋值
- **土地利用类型赋值**:根据土地的实际用途,对土地利用类型进行赋值,如耕地、园地、林地等,并进一步细分为不同的子类别。
- **土地用途与地块类别赋值**:根据土地利用类型和承包方姓名,对土地用途和地块类别进行赋值。
#### 结语
通过上述步骤,可以有效地构建和完善农用地数据库,确保数据的准确性和完整性。在整个过程中,需要注意数据的完整性、准确性以及各步骤之间的逻辑关系,从而提高数据库的质量和可靠性。此外,对于出现的问题要及时解决,避免后续工作中出现不必要的麻烦。
qq_34814590
- 粉丝: 0
- 资源: 1
最新资源
- jython包构建burp python环境
- C# 获取公网IP实例源码
- 火焰报警实验通过火焰传感器实现报警功能
- 数字图像处理-基于python 期末考试复习总结
- 烟雾传感器检测实验掌握烟雾传感器的使用方法
- 智思Ai系统2.4.9版本去授权开源版可商用
- C# 简单计时器实例源码
- Matlab实现CPO-HKELM冠豪猪算法优化混合核极限学习机多变量回归预测(含完整的程序,GUI设计和代码详解)
- Matlab实现BO-CNN-LSTM-Mutilhead-Attention贝叶斯优化卷积神经网络-长短期记忆网络融合多头注意力机制多特征分类预测(含完整的程序,GUI设计和代码详解)
- Matlab实现OOA-HKELM鱼鹰算法优化混合核极限学习机多变量回归预测(含完整的程序,GUI设计和代码详解)
- Matlab实现BO-CNN-BiLSTM-Mutilhead-Attention贝叶斯优化卷积神经网络-双向长短期记忆网络融合多头注意力机制多特征分类预测(含完整的程序,GUI设计和代码详解)
- C#控制笔记本摄像头,实现拍照
- MATLAB实现GWO-Elman灰狼优化循环神经网络多输入多输出预测(含完整的程序,GUI设计和代码详解)
- 人生时间流逝器1.0.0
- Matlab实现CPO-BiTCN-BiGRU冠豪猪算法优化双向时间卷积门控循环单元多变量回归预测(含完整的程序,GUI设计和代码详解)
- Matlab实现BO-CNN-GRU-Mutilhead-Attention贝叶斯优化卷积神经网络-门控循环单元融合多头注意力机制多特征分类预测(含完整的程序,GUI设计和代码详解)