Oracle存储过程结合ST_Geometry实现根据空间关系建立管点管线属性关联

管点管线匹配检查 管点管线匹配检查,把管点对应的管线高程不一致的输出 立即下载

一、问题背景

  某客户单位提供了一批管点管线GIS数据,每个管点具有一个点号字段(EXP_NO,字符类型),管线则具有起始管点、终止管点字段(S_EXP、E_EXP,字符类型。只作区分,不具方向性)。

   预处理已经为每个管点生成了点号。管线数据在空间上也大多与管点之间是有关联的,即管点刚好位于管线段的起始或终止点位置。

  现在需要对每一条管线段数据进行处理,将管线段端点上的管点的点号字段的值取出来,存放到管线段的起始管点、终止管点字段中。

  本例中,使用的范围面数据来自pjrnt图层,管线段数据来自图层piplk,管点数据来自图层mhhpt。图中黄色边框红色阴影部分为所使用的范围面(其objectid=641),蓝色线段即为管线段,黄色黑心加点为管点数据。如图可知,管点具有点号值,但管线的起始点号、终止点号均为null。



二、解决思路

  1. 选择工作区范围,进行包含查询,得到位于其中的所有管线段。

  2. 循环查询结果,取得每一条管线段的起点、终点、OBJECTID。

  3. 对起点、终点分别创建一个极小缓冲区。

  4. 在缓冲区内进行包含查询,取得位于缓冲区内的管点。

  5. 将管点的起点、终点的点号分别保存到管线段的起始点号、终止点号字段中。

三、所需工具

  PL/SQL(本例使用SYDXGH用户以管理员身份登录)

  Oracle 11g r2(包括服务器端、客户端)

 已经配置了ST_Geometry的ArcSDE环境

  已经入库的数据

四、实现代码

 

DECLARE
    TYPE cur IS REF CURSOR;
    temp_cursor cur;
    aShp sydxgh.piplk.shape%TYPE;
    aOid integer;
BEGIN
  OPEN temp_cursor
       FOR
         SELECT t1.shape AS aShp,t1.objectid AS aOid FROM sydxgh.piplk t1
          WHERE sde.st_within(t1.shape,(SELECT t2.shape FROM sydxgh.pjrnt t2 WHERE t2.objectid=641))=1;
  LOOP
    FETCH temp_cursor INTO aShp,aOid;
    EXIT WHEN temp_cursor%NOTFOUND;
      BEGIN
        UPDATE sydxgh.piplk t2 SET 
        t2.s_exp = (SELECT t.exp_no FROM sydxgh.mhhpt t WHERE sde.st_within(t.shape,(sde.st_buffer(sde.st_startpoint(aShp),0.01)))=1 AND ROWNUM=1),
        t2.e_exp = (SELECT t.exp_no FROM sydxgh.mhhpt t WHERE sde.st_within(t.shape,(sde.st_buffer(sde.st_endpoint(aShp),0.01)))=1 AND ROWNUM=1)
        WHERE t2.objectid=aOid;
      END;
  END LOOP;
  CLOSE temp_cursor;
END;



代码说明:

  DECLAR中声明了一系列后面将要使用的变量,其中temp_cursor为查询位于工程范围面内的所有管线段所使用的游标,使用该游标可以获得每一条管段数据;

  aShp是游标中管线段的图形;

  aOid是游标中管线段的OBJECTID(用于确定将更新哪条管段的起始终止点号)。

  FOR循环部分,逐条取得管线段记录,使用了最简单的st_within查询,含义是查询位于OBJECTID=641的工程范围面内的管线段图层piplk内的数据。

  LOOP部分是对FOR循环的每条结果进行处理。

  FETCH行,从游标中取出一条记录的aShp和aOid。

  BEGIN和END中对查询结果进行更新,其中st_startpoint、st_endpoint可取得管线段的起点和终点,st_buffer方法建立缓冲区(半径为0.01米),外层的st_within方法查询位于缓冲区内的管线点,并取得其点号即exp_no。

执行完毕后结束循环,关闭游标。



结果验证:

 提交事务后,我们在ArcMap中检查发现,所有位于工程范围面内的管线段均已正确设置了起始点号、终止点号。



五、思考总结

  St_Geometry本身已经集成了强大的空间查询、处理功能,结合Oracle的存储过程,可以通过简单代码实现复杂的空间运算。有时候一些看似需要进行功能开发的需求,利用现成的工具可以方便地达到我们的目的,并且灵活高效。


实战指南:在UE5中高效集成Entt(ECS)框架 本文提供了一份在虚幻引擎5中高效集成Entt ECS框架的实战指南。针对UE5项目在处理大规模动态实体时的性能瓶颈,详细讲解了如何通过数据驱动的ECS架构进行优化。内容包括前期环境准备、核心构建步骤、创建首个ECS子系统以及与UE原生系统的数据同步技巧,旨在帮助开发者快速掌握集成方法,提升游戏逻辑的执行效率。 阅读详情

相关推荐

scratch lenet(4): 开根号的C语言实现

使用C语言,分别使用二分法、牛顿法、卡马克快速法,求解正实数的开根号。包括公式推导、代码实现、运行结果,不使用任何第三方库和C标准库的数学库。

baiyu33的博客 4970

ST_geometry等函数对arcgis空间库的操作

1.ST_Geometry 创建并查询点、线串和面要素 这些示例将创建表 (geoms),并将点、线串以及面值插入其中。 Oracle CREATE TABLE geoms ( id integer, geometry sde.st_geometry ); INSERT INTO GEOMS (id, geometry) VALUES (

hamov的专栏 4262

Zemax物理光学实战:3分钟搞定高斯光束传播模拟(附菲涅尔局部分析技巧)

本文详细介绍了在Zemax中进行高斯光束传播模拟与菲涅尔局部分析的实战技巧。通过3分钟快速设置指南和参数解析,帮助光学工程师准确模拟激光光束特性,避免常见误区。特别分享了菲涅尔局部分析的关键技巧和传播参数优化策略,提升光学系统设计的精度与效率。

lambda的博客 805

【GIS数据处理】 利用空间关系建立线CAD数据和属性表关联

这两天遇到一个不太容易解决的问题。 某燃气公司想自己对自建管线进行测绘便于数字化管理,在接受了简单的RTK测量培训和Cass成图培训后,就自己着手开干。 最近数据整理的差不多了,就提交给我请我帮忙核查下是否可用。 拿到数据后,发现几个问题: 1. 成图的数据并没有在CASS中完成空间对象编码的赋值 2. 所整理的属性表(Xls)可能有大量的不规范甚至不全。 这份数据可以用于绘制...

weixin_30566111的博客 525

宝塔面板+pbootCMS建站全流程:从服务器选购到上线优化(附常见问题排查)

本文提供了一份详尽的宝塔面板与pbootCMS建站实战指南。内容涵盖从云服务器选购、宝塔面板部署与安全加固,到pbootCMS安装、权限配置、数据库连接等核心步骤。同时深入讲解了PHP环境优化、Nginx伪静态设置、缓存开启等性能与SEO优化技巧,并附有常见问题排查与后期维护建议,帮助用户高效、稳健地完成专业网站构建。

e4f5g6h的博客 661

Node框架之NestJS入门学习

文章主要分为三部分:1 NestJS 与Egg对比2 NestJS 基础知识介绍3 使用NestJS快速搭建应用,实现CURD操作e-link文档Egg官网NestJS 官网NestJS中文文档(非官方)

十九万里的博客 4742

Oracle Spatial 查询某个坐标点范围内的点、线、面数据

Oracle空间数据库(Oracle Spatial)传一个坐标和一个半径的范围,找出这个范围内的点、线、面数据。SDO_WITHIN_DISTANCE、SDO_GEOM.RELATE、Oracle、坐标、几何

J_onni的博客 2639

实测!Gemini+ChatGPT赋能学术写作:我的论文写作SOP(附提示词)

各位同仁好,我是七哥。一个在高校里从事人工智能相关领域研究,钻研用大模型AI实操的学术人。可以和七哥交流学术写作或Gemini、GPT、Claude等大模型学术实操相关问题,多多交流,相互成就,共同进步。为什么ChatGPT逻辑清晰却写不长?为什么Gemini能深入分析但废话连篇?这其实是两种模型架构的本质差异,GPT系列擅长指令跟随和语言精炼,而Gemini原生支持超长上下文,适合深度文本生成。两者在深度生成与精炼表达上形成了天然互补。我们可以将它们组合起来使用发挥他们各自的特长。

智能AI让学术科研更容易 524

postgreSQL存储过程写法示例

PostgreSQL的存储过程简单入门 [url]http://blog.youkuaiyun.com/rachel_luo/article/details/8073458[/url] 存储过程事物 [url]http://www.php100.com/manual/PostgreSQL8/tutorial-transactions.html[/url] PL/pgSQL - SQL存储过程语言 [url...

pyzheng的专栏 4411

Jetson AGX Orin和Drive AGX Orin相机的关联分析和编程指南

通过适当的相机接口和连接,以及使用适当的软件开发环境,开发人员可以在这些平台上实现相机功能。Jetson AGX Orin和Drive AGX Orin是NVIDIA推出的两款强大的计算平台,用于自动驾驶和人工智能应用。Jetson AGX Orin和Drive AGX Orin平台提供了强大的计算能力,使开发人员能够实现复杂的相机功能和算法。以上只是一些示例,Jetson AGX Orin和Drive AGX Orin平台提供了丰富的开发资源和工具,可用于实现各种复杂的相机应用。显示图像在一个窗口中。

CyberLynxO的博客 1122

9.13华为OD机试真题 新系统 - 手机桌面整理 (Java/Py/C/C++/Js/Go)

华为OD机试真题 新系统【手机桌面整理】,提供C语言、Java、C++、Python、Go、JavaScript源码实现,并提供完整思路讲解,以及在线OJ模拟做题。华为OD机试真题 【 手机桌面整理】多语言题解。

qq_45776114的博客 643

自适应管线场景符号配置操作流程

自适应管线场景符号配置操作流程概述超图软件SuperMapGIS 8C版本新增自适应管点符号,可由三维网络数据集快速构建三维管线场景,提高了三维管线、三维管点的显示性能,系统资源占用减少,使得数据承载力大幅提升,进而满足更加庞大复杂的三维管网系统展示、管理及应用。 不同元素采用不同方式实现快速构建三维管线场景。管线通常采用线型符号构建三维管线,自适应管点符号构建特征点,而井和附属设施采用模型符号配

SuperMap技术控 5万+

UNet改进(3):Local Attention增强的UNet网络-医学图像分割

本文提出一种改进的UNet网络,通过引入局部注意力机制增强医学图像分割性能。该方法在传统UNet编码器-解码器结构中,创新性地整合了通道注意力和空间注意力模块,使网络能自适应聚焦关键区域。注意力机制通过特征重标定增强有用信息并抑制噪声,显著提升了小目标分割和边缘检测的精度,同时保持较低计算开销。实验表明,该方法在肿瘤分割等任务中具有更好表现,为医学图像处理提供了新的优化思路。

2501_91516851的博客 2065

SuperMap GIS管线数据处理Q&A

管网数据一般情况都是通过勘探技术进行采集而来,采集到的数据存储在Excel表格或者.csv文件中,里面记录有各种信息,包含点号、埋深、管点类型、管线类型等等。管线数据也可能是被导入其他GIS平台处理为空间数据后,导出的矢量文件,如ArcGIS生成的.shp数据。操作步骤:【交通分析】-【路网分析】-【拓扑构网】-【自定义构建三维网络】结点数据:选择三维点数据集及其所在的数据源,同时设置结点数据的“结点标识字段”。

SuperMap技术控 8897

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

Oracle 中的 ST_Geometry

Oracle 中的 ST_GeometryST_Geometry 如何存储空间数据在 Oracle 中使用 ST_Geometry 存储创建要素类Esri ST_Geometry 空间数据类型可用于包含和不包含地理数据库的 Oracle 数据库。此外还可将空间数据与其他类型的商业数据进行集成,因此多用户数据库可通过将地理组件添加到分析和数据产品而从中受益。将空间数据与其他业务对象一起存储还可简化数...

随风落叶 7278

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

ST_Geometry 的构造函数

ST_Geometry 的构造函数几何超类子类构造函数可根据熟知的文本描述或另一数据格式(如熟知的二进制格式或 shapefile)创建几何。在提供熟知文本描述以构造几何时,必须在最后指定测量坐标。例如,如果文本中含有 x、y、z 和 m 坐标,则必须按此顺序提供,不能按 x、y、m、z 的顺序提供。几何可以有零个或更多个点。如果几何有零个点,则其被视为空几何。点子类型是唯一的一种限制为零个点或一...

随风落叶 1747

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

ST_Geometry操作报ora-01704字符串文字太长

今天接到一用户电话,说他们的一个要素包含几百个点,使用SQL语句ST_Geometry操作,报Ora-01704错误(因为包含点多,所以构造函数点串就很多,所以显得SQL很长,因此会报ora-01704错误。那么我们就做了一个实验,使用ArcTutor的一个大洲的数据,这个数据的特点就是要素包含的点超级多。SQL> select t.shape.numpts from continent t wh

积思园 6226

Oracle PL/SQL 函数 存储过程 使用ST_GEOMETRY

在esri网站上无意见看到一篇文章,写到在Oracle的函数或存储过程中使用ST_GEOMETRY函数的方法. 原文选段如下: [quote]All geometry operators, such as st_astext, st_centroid, st_numgeometries, etc. reside in the st_geometry_operators package. A...

baOZe的蒸笼 310

Oracle Spatial中SDO_Geometry详细说明

在ArcGIS中通过SDE存储空间数据到Oracle中有多种存储方式,分别有:二进制Long Raw 、ESRI的ST_Geometry以及基于Oracle Spatial的SDO_Geometry等等。 <UpDooGIS原创> 关于这几种方式的各自的优缺点不是主要的探讨的方向,这些我们可以通过ArcGIS中的ArcGIS Server Help得到相关...

weixin_30485379的博客 634

Oracle矢量数据类型ST_Geometry

一、简介     ArcSDE for Oracle 提供了 ST_Geometry 类型来存储几何数据。 ST_Geometry 是一种遵循 ISO 和 OGC 规范的,可以通过 SQL 直接读取的空间信 息存储类型。采用这种存储方式能够更好的利用 oracle 的资源,更好的兼容 oracle 的特征,比如复制和分区,并且能够更快的读取空间数据。使用 ST_Geometry 存储空间数据,可

青衫烟雨客的专栏 1万+

利用st_geometry进行图形叠加分析

2019独角兽企业重金招聘Python工程师标准>>> ...

weixin_33725239的博客 1204

ArcGIS——数据库空间SQL(二、oracle中ST_GEOMETRY函数使用)

一、引言 二、干货 1、自动生成的complex类型的shape字段 查询方法如下: SELECT t.SHAPE FROM "GGBWY_构件" t 查询结果如下: 具体其中一条数据: SDE.ST_GEOMETRY(8, 5, 664229.20532171, -3216.215523613970, 664449.205321711

xcymorningsun的专栏 4986

创建SDE企业级数据库——在 Oracle 中配置 extproc 以访问 ST_Geometry

在 ArcGIS10.5.1连接到Oracle 12c(SDE直连ORACLE)中,虽然建立了连接,但是有一段错误信息: ST_Geometry 形状库路径可能无效,或者未在 Oracle 实例中正确配置 EXTPROC。 [ (Unable to determine current version of ST_SHAPELIB. Please check the ST_Geometry ...

aganliang的专栏 3364

SuperMap管网节点使用自适应符号可视化的方法

首先在桌面版打开工作空间,在资源库的点符号库新建自适应符号。在代码中设置符号的代号  Layer3DSettingVector settingPoint = new Layer3DSettingVector();             settingPoint.Style.AltitudeMode = AltitudeMode.RelativeToUnderground;         

u012072801的博客 1181

Geometry-Api-Java——Intersection,相交

import com.esri.core.geometry.Geometry; import com.esri.core.geometry.GeometryCursor; import com.esri.core.geometry.OperatorExportToJson; import com.esri.core.geometry.OperatorIntersection; import co...

我的笔记 1412

Oracle11g结合ArcGIS10.2建立空间数据库ST_Geometry类库配置问题

最近笔者用到了空间数据库,按照网上已有教程进行配置和建库后出现了部分关于ST_Geometry类库问题,在查阅资料折腾了调配后终于解决,遂作本文仅供交流参考。首先利用ArcToolbox中数据管理工具下的“创建企业级地理数据库”功能进行建库,如图1图1之后进行参数配置,如图2图2而后确定,根据网上参考的教程完成本部分工作后等待处理完成即可建立其空间数据库且可以向其中加入多种类型的空间数据,如图3。...

cobramonkey的博客 1万+
上一篇: Arcpy查找指定用户的所有要素类并列举其属性信息
下一篇: 解决C#读取文件乱码问题
acngiser
博客等级 码龄15年 118粉丝 214原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值