4月12日下午，刚从美国南加州大学访问回国的地理学院教师吴建华博士在学院会议室作了题为“一种通用的基于Voronoi图的多尺度面状居民地匹配方法”的学术讲座。
讲座内容首先介绍了他在美国访学期间的合作项目“从历史栅格地图中提取空间信息”的意义和最新研究成果，然后着重介绍了其在国外研究地理空间数据匹配与集成的最新研究成果——“一种通用的基于Voronoi图的多尺度面状居民地匹配方法”。由于不同尺度的居民地同名实体在空间位置、结构形状（要素数量）和拓扑关系等方面存在较大差异，多尺度或跨尺度的面状居民地的匹配存在着巨大挑战。传统的基于最小外包矩形或缓冲区的方法通常会导致失配或误匹配。而且大多数先前的匹配方法采用的相似度计算模型都是针对特定的地图比例尺而设计，它们不能直接应用到另外的不同尺度的数据集中。为此，他们提出了一种通用的利用Voronoi图的多尺度空间实体匹配方法。该方法首先采用一种有效的算法构建小比例尺居民地的Voronoi图。然后该算法遍历每个Voronoi多边形为每个小比例尺要素在大比例尺数据集中找到对应要素作为候选集。利用Voronoi图识别候选集无需像缓冲区方法一样手工设置搜索空间，而且，该算法有效地利用Voronoi图减少了候选集中的要素数量，即便是当匹配数据集之间存在较大位置偏差。最后他们的方法利用三个相似度指标，即凸壳形状相似性指标、凸壳面积相似性指标以及重叠面积比确定最后的匹配结果。他们对两套不同比例尺的中国的城市居民地数据集进行了实验。测试数据的比例尺分别是1:10000和1:50000，1:1000和1:10000。他们将基于Voronoi图的方法与基于最小外包矩形的方法和缓冲区的方法进行了比较。实验结果表明他们的方法在通用性和匹配质量方面均优于先前的方法。尤其是针对不一致性位置误差较大的数据集（例如，1:1000和1:10000比例尺的数据集），匹配结果中的F-Measure分别12.47%和20.09%高于基于最小外包矩形的方法和基于缓冲区的方法。目前该成果已经向国际顶级GIS期刊《International Journal of Geographical Information Science》投稿。
学术报告后，吴建华博士通过大量照片介绍了访学期间日常生活、工作和参与的各项科研活动，向大家生动地呈现了美国的教育、科技、文化、生活风情。
吴建华博士于2015年4月至2016年4月在美国南加州大学空间科学系（Spatial Sciences Institute，University of Southern California）访学。
