在研究地学问题时，常常需要将空间信息进行地图可视化表达，以便通过一张地图直观了解研究对象的空间分布特征。常见的地图表达方法有分级色彩、分级符号，柱状图等，有时候我们也可以通过一张地形图来反映空间数据的属性特征。常见的地形图是平面图，地形高低起伏不明显，常需要借助等高线来反映地形变化；而从3D图我们则可以很直观的观察出地形的高低变化。

一、ArcSene简介

在安装ArcGIS Desktop时，不少人就注意到ArcGIS目录下，除了最常用的ArcMap外，还有不少其他工具，如ArcCataLog、ArcGlobe以及ArcScene，那么ArcScene具有哪些独特的功能呢？下面简要介绍一下。

ArcScene是一个适合于展示三维透视场景的平台，可以在三维场景中漫游并与三维矢量与栅格数据进行交互。ArcScene是基于 OpenGL的，支持TIN数据显示。显示场景时，ArcScene会将所有数据加载到场景中，矢量数据以矢量形式显示，栅格数据默认会降低分辨率来显示以提高效率。

简单来说，在ArcScene中是三维的，常用的ArcMap也许有时候的视觉效果是三维的，但其本质还是平面图。在ArcScene中绘制的才是3D图。

二、利用ArcScene绘制3D模型图

要想在ArcGIS中绘制3D图，那么必须将实验数据的某一属性设为高程（Z）字段。常用的生成高程字段的方法主要有两种，空间插值或者构建TIN（不规则三角网）。空间插值与构建TIN的原理日后介绍，这里主要记录一下利用TIN生成3D图的方法。

（一）创建TIN

创建TIN的工具在工具箱的3D分析模块，该功能的界面主要包括（如下）



 

 

 

 

 

 

 

 

该工具主要需要设置四个参数，输出文件完整路径，坐标系（一般默认为与输入要素相同坐标系），输入要素及高度字段。输入要素多种选择，具体见下图，日后详细介绍不同要素类型的区别，这里选择的是离散的点数据。高度字段选择所研究的属性，如上图prox（邻近度），确定后生成TIN。



 

 

 

 

 

（二）在ArcScene中加载TIN

打开ArcScene，加载TIN，此时还不具备3D效果。需要设置基本高度。



 

 

 

 

 

 

 

 

右键打开TIN数据的属性，在基本高度下设置为在TIN表面浮动。场景单位系数用于对所选高程字段数值大小进行调整，由于我的数据的prox属性值十分小，系数设置为1亿才能体现表面起伏。图层偏移主要用于多个图层时，可通过设置高程偏移在高度上垂直分布。



 

 

 

 

 

 

 

基于点的邻近度的3D图到这一步就基本做好了！

 

（三）构造渔网表面

为了使图片具有更强的视觉效果，可以给其构建表面渔网。步骤如下：

ArcMap工具箱→数据管理工具→要素类→创建渔网→设置合理的行列数

之后将渔网导入ArcScene中。



 

 



 

同样设置渔网的基本高度浮动在TIN表面，设置与TIN具有相同的场景单位系数，渔网会与TIN重合。之后设置合理的图层偏移量，最后加入道路数据作为空间参考，3D图就完成了！

数学模型真是很重要的东西，今天才弄明白，我们从小做的数学的应用题实际上就是一个对实际应用建立模型，再求解的过程。
物理中的物理应用题也是一种建模，建立的是物理模型。而玩具、照片、飞机火箭模型是一种实物模型，地图，电路图，分子结构图是一种符号模型。

做出简化假设
用符号表示有关量
用物理定律（这个属于专业知识，就像利率的计算知识一样）
求解得到数学解答
回答原问题

数学模型：对于一个现实对象，为了一个特定目的，根据其内在规律，做出必要的简化假设，运动适当的数学工具，得到的一个数学结构
数学建模：建立数学模型的全过程，包括表述、求解、解释、检验等。

数学建模的基本方法：
机理分析：根据对客观事物特性的认识，找出反映内部机理的数学规律
测试分析：将对象看作“黑盒”，通过对量测数据的统计分析，找出与数据拟合最好的模型。
二者结合：用激励分析建立模型结构，用测试分析确定模型参数。

	

点击文章末尾图片可以留言啦~~~
文末有视频哦~
1
概述
图片是一张扫描件，3波段图像。我们的任务是定位/计数一个特定的符号。目标符号的颜色和地图上的许多其他特征类似，所以我们不能仅仅依靠光谱(RGB值)来处理。
要寻找的符号
我们需要训练一个深度学习模型，然后进行目标提取。
2
选择训练样本
首先从原图裁剪出一小块图像作用样本选择和模型训练的输入图像。然后选择训练样本，俗称打标签。在ENVI中可以方便的利用ROI工具打标签。如下图所示，利用点和多段线类型的ROI进行目标区域绘制。
如下图是选择的部分样本ROI
3
输出标签栅格
视频截图的ENVI深度学习模块版本更早，正式发布版的工具应为：Build Label Raster from ROI
4
初始化模型
需要设置切片大小、波段数。ENVI深度学习的优势在于可以处理多波段图像(多于3波段)。
5
训练模型
深度学习训练过程就是一个调参的过程。
6
目标提取
正式版工具应该为：TensorFlow Mask Classification
7
结果查看与后处理
输出结果为一张灰度图，DN值代表了该像素属于目标的概率。利用ENVI密度分割工具可以快去提取目标，如下为栅格结果：
可以将其转换为矢量结果
注：位于图片边缘的符号没有被提取，这是TensorFlow框架自身原因导致的，我们不会在边缘得到任何结果。
视频来源于美国ENVI公司。
深度学习历史文章
重磅消息 | ENVI深度学习模块即将发布

	

2、地图学
2.1 地图的主要特征
1.地图信息的载体
2.数学法则的结构
3.有目的的地图概括
经过分类、简化、夸张、符号化、模型化和概括方法，称为地图概括。
5.符号系统的应用
2.2 地图三要素
地图是认识和分析研究客观世界的常用手段，尽管地图的表现形式发生了种种变化，但是依然可以认为构成地图的主要因素有三：地图图形、数学要素和辅助要素。
1.地图图形
用地图符号所表示的制图区域内，各种自然和社会经济现象的分布、联系以及时间变化等的内容部分（又称地理要素）。
2.数学要素
数学要素是决定图形分布位置和几何精度的数学基础，包括地图投影及坐标网、比例尺、大地控制点等。
3.辅助要素
辅助要素是为了便于读图与用图而设置的。如图例就是显示地图内容的各种符号的说明，还有图名、地图编制和出版单位、编图时间和所用编图资料的情况、出版年月等。
2.3 坐标系
所谓坐标系，包含两方面的内容：一是在把大地水准面上的测量成果化算到椭球体面上的计算工作中，所采用的椭球的大小；二是椭球体与大地水准面的相关位置不同，对同一点的地理坐标所计算的结果将有不同的值。
1.地理坐标系
地面上任一点的位置，通常用经度和纬度来决定。经线和纬线是地球表面上两组正交（相交为 90 度）的曲线，这两组正交的曲线构成的坐标，称为地理坐标系。地理坐标是一种球面坐标。


2.地图投影
地图投影就是指建立地球表面上的点与投影平面上点之间的一一对应关系。地图投影的基本问题就是利用一定的数学法则把地球表面上的经纬线网表示到平面上。


2.4 地图比例尺
地图是地球空间的缩小。地图上所表示的空间尺度称作比例尺。
2.5 地图概括
地图概括又叫做“制图综合”，是对地理信息从感知到理性认知的抽象过程，其实质是在制图过程中科学化处理地图数据和图解形式，使其能表现制图区域的基本特征和制图现象基本的、典型的面貌和主要特点。
1.影响因素

地图的用途与主题
地图比例尺
制图区域的地理特征
制图数据质量
制图图解限制

2.地图概括的主要方法


地理信息的分类

1）质量特征的分类

2）数量特征的分类


地理信息的选取

1）资格法

2）定额法

3）区域指标法


3.图形的简化

1）地物轮廓特征的简化

2）地物内部结构的简化