【空间内插的内容】
1、空间数据插值概念：对一组已知空间数据（离散点或分区数据），从这些数据中找到一个函数关系式，使该关系式能最好地逼近已知的空间数据，并能根据该函数关系式推求出区域范围内其它任意点或任意分区的值。
2、空间插值建立的理论假设：空间位置上越靠近的点，越有可能具有相似的特征值；距离越远的点，其特征值相似的可能性越小。
3、空间插值方法的应用：（1）现有离散曲面的分辨率、象元大小与所要求的不符，需要重新插值。如将一个扫描影像（航空像片、遥感影像）从一种分辨率转换到另一种分辨率的影像。（2）现有连续曲面的数据模型与所需数据模型不符，需要重新插值。如将一个连续的曲面从一种空间切分方式变为另一种空间切分方式，从TIN到GRID栅格、GRID栅格到TIN 或矢量多边形到栅格。（3）现有数据不能完全覆盖所要求的区域范围，需要插值。如将离散的采样点数据内插为连续的数据表面。
4、空间插值方法的主要目标：(1)对不足或缺失数据的估计。观测台站分布密度及分布位置等原因，不可能任何空间地点的数据都能实测得到；使用空间插值，以了解区域内观测变量的完整空间分布。(2)数据的网格化。规则格网能更好地反映连续分布的空间现象，并对他们的变化作出模拟。对已知观测台站的观测数据进行空间内插，可得到格网化数据。(3)内插等值线。以等值线的形式直观地显示数据的空间分布；(4)对不同分区未知数据的推求。
5、空间插值主要过程：(1)空间插值数据源获取；(2)对数据进行分析，找出源数据的分布特性、统计特性，以利于选择最恰当的插值方法；(3)插值方法的选择并进行插值计算；(4)对插值结果的评价；(5)运用多种插值方法进行计算，对各种方法的插值结果进行比较、分析并选择最佳的插值方法。
6、空间插值数据采样点的采样方式
①规则采样：最理想的情况，但当区域景观大量存在有规律的空间分布模式时，采用此采样方式则会得出片面的结果。②随机采样：该方式下各采样点的分布位置各不相关，会导致采样点的分布不均，一些点的数据密集，一些点的数据缺少。③断面采样：该方式主要用于河流、山坡剖面的测量。④成层随机采样：规则采样与随机采样的结合。将区域进行分层，然后在各层中以随机方式进行采点。⑤聚集采样：用于分析不同尺度的空间变化。主要根据研究地物的分布特征进行比较集中的采样方式。⑥等值线采样：数字化等高线图插值数字高程模型最常用的方法
7、空间插值方法
（1）整体内插：在整个区域用一个数学函数来表达地形曲面。整体内插缺点：整体内插函数保凸性较差；不容易得到稳定的数值解；多项式系数物理意义不明显；解算速度慢且对计算机容量要求较高；不能提供内插区域的局部地形特征。整体内插优势：整个区域函数的唯一性；能得到全局光滑连续的空间曲面；能充分反映宏观地形特征。
①趋势面插值——某种地理属性在空间的连续变化用一个平滑的数学平面加以描述。基本思路：先用已知采样点数据拟合出一个平滑的数学平面方程，再根据该方程计算无测量值点上的数据。趋势面分析：根据采样点的属性数据与地理坐标的关系进行多元回归分析得到平滑数学平面方程的方法。趋势面分析的理论假设：地理坐标（x,y）是独立变量，属性值Z也是独立变量且正态分布，同样回归误差也是与位置无关的独立变量。
②变换函数插值——根据一个或多个空间参量的经验方程进行整体空间插值。
（2）局部分块内插
空间分块内插：将地形区域按一定方法进行分块，对每一块根据地形曲面特征单独进行曲面拟合和高程内插。
线性内插：利用最为靠近待定点的3个数据点进行插值计算。多项式函数为z=a0+a1x+a2y，只要将内插点周围3个数据点的数据值代入多项式，即可得到系数。
双线性内插：利用最为靠近待定点的4个数据点进行插值计算。双线性内插的多项式函数为z=a0+a1x+a2y+a3xy，只要将内插点周围4个数据点的数据值代入多项式，即可得到系数。双线性内插优点：数据重采样后的结果较为平滑，没有阶跃效应；具有较高的精度。双线性内插缺点：网格被平均化，具有低频滤波的效果；边缘被平滑，有些极值丢失。
样条函数：样条函数是数学上与灵活曲线规对等的一个数学等式，是一个分段函数，进行一次拟合只有少数点拟合，同时保证曲线段连接处连续，使表面的总体曲率最小。样条函数缺点：样条内插的误差不能直接估算；样条块的定义困难。如何在三维空间中将这些“块”拼成复杂曲面，又不引入原始曲面中所没有的异常现象。该法不适合于在短距离内有较大变化的表面。该法适用于地下水位、高程、大气污染。
克立金(Kriging)插值法：该法认为任何在空间连续性变化的属性非常不规则，不能用简单的平滑数学函数进行模拟，可用随机表面给予较恰当的描述。克立金插值方法着重于权重系数的确定，从而使内插函数处于最佳状态，即对给定点上的变量值提供最好的线性无偏估计。（3）逐点内插：以内插点为中心，确定一个邻域范围，用落在邻域范围内的采样点计算内插点的高程值。逐点内插法的四个基本步骤：定义内插点的邻域或搜索范围；确定落在邻域内的采样数据点；选择内插数学函数；计算内插点的数值（高程）。使用逐点内插方法需注意的几个方面：插值函数；邻域大小、形状和方向；邻域内数据点的个数；采样数据点分布方式（规则与不规则）；采样点权重（反距离权重）；附加信息考察（增加各种地形附加信息）。反距离加权法（Inverse Distance Weighted ,IDW）：以插值点与样本点之间的距离为权重，插值点越近的样本点赋予的权重越大，其权重贡献与距离成反比,可表示为：
式中Z是插值点估计值，Zi为实测样本值，n为参与计算的实测样本数，Di为插值点与第i 个站点的距离，p为距离的幂，它显著影响内插结果。
移动拟合法：取待定点作为平面坐标的原点，以待定点为圆心或中心作一个圆或矩形窗口，对每一个待定点取用一个多项式曲面拟合该点附近的地表面，也可在局部范围内计算多个数据点的平均值。
第28卷第3期2005年6月 测绘与空间地理信息 G E O M A T I C S ＆S P A T I A LI N F O R M A T I O NT E C H N O L O G Y V o l .28,N o .3 J u n .,2005 收稿日期:2004-09-14 基金项目:国家重点基础研究发展规划(973)资助项目(2001C B 309404) 作者简介:汤海鹏(1979-),男,湖南沅江人,本科,主要从事信息化管理和信息化建设等方面的研究。 空间数据挖掘工具浅谈 汤海鹏1 ,毛克彪 2,3 ,覃志豪2,吴 毅 4 (1.公安部出入境管理局技术处,北京100741;2.中国农业科学院自然资源与农业区划研究所农业遥感实验室, 北京100081;3.中国科学院遥感所,北京100101;4.黑龙江乌苏里江制药有限公司,黑龙江哈尔滨150060) 摘要:数据挖掘是一个利用各种分析工具在海量数据中发现模型和数据间关系的过程,这些模型和关系可以 用来做出预测。空间数据挖掘有十分广阔的应用范围和市场前景,目前已出现大量的数据挖掘工具用于企业决策、科学分析等各个领域。文中对2个数据挖掘工具进行讨论,介绍它们的功能、所使用的技术以及如何使用它们来进行数据挖掘。 关键词:数据挖掘;空间数据挖掘;数据立方体;知识库引擎 中图分类号:P 208 文献标识码:A 文章编号:1672-5867(2005)03-0004-02 AS u r v e y o f D a t a Mi n i n g T o o l s T A N GH a i -p e n g 1 ,M A OK e -b i a o 2,3 ,Q I NZ h i -h a o 2 ,W UY i 4 (1.B u r e a uo f E x i t a n dE n t r y A d m i n i s t r a t i o n ,M i n i s t r y o f P u b l i c S e c u r i t y ,B e i j i n g 100741,C h i n a ;2.T h e K e y L a b o r a t o r y o f R e m o t e S e n s i n g a n d D i g i t a l A g r i c u l t u r e ,C h i n a A c a d e m y o f A g r i c u l t u r e R e m o t e S e n s i n g L a b o r a t o r y ,B e i j i n g 100081,C h i n a ; 3.I n s t i t u t eo f R e m o t e S e n s i n g A p p l i c a t i o n s ,C h i n e s e A c a d e m y o f S c i e n c e s ,B e i j i n g 100101,C h i n a ; 4.H e i l o n g j i a n g Wu s u l i j i a n g P h a r m a c e u t i c a l C o .L t d .,H a r b i n 150060,C h i n a ) A b s t r a c t : B e c a u s e o f c o m m e r c i a l d e m a n d s a n dr e s e a r c hi n t e r e s t ,a l l k i n d s o f s p a t i a l d a t a m i n i n g s o f t w a r e t o o l s e m e r g e .I n o r d e r t o g e t u s e o f t h e d a t a m i n i n g t o o l s ,t w o o f t h e ma r e i n t r o d u c e d i n t h i s p a p e r a n d m a k e p r o s p e c t o f i n t e g r a t i o n o f G I S ,R S ,G P S a n d d a t a m i n -i n g .K e yw o r d s :d a t a m i n i n g ;s p a t i a l d a t a m i n i n g ;d a t a c u b e ;d a t a b a s e e n g i n e 0 引 言 随着数据获取手段(特别是对地观测技术)及数据库 技术的快速发展,科研机构、政府部门在过去的若干年里都积累了大量的数据,而且,目前这些数据仍保持迅猛的增长势头。如此大量的数据已远远超过传统的人工处理能力,怎样从大量数据中自动、快速、有效地提取模式和发现知识显得越来越重要。数据挖掘与知识发现作为一个新的研究领域和新的技术正方兴未艾,用于从巨量数据中获取有效的、新颖的、潜在有用的、最终可理解的模式[1～2],很好地满足了海量数据处理的需要。 具体应用中,数据挖掘工具很多。它们在功能和方法等方面差别很大。如何选择适合具体挖掘需求的工具,是进行挖掘工作必须考察的前提。选择某一工具时,应考虑数据类型,主要是考察工具能处理的数据:①关系 数据库的数据。包括数据仓库数据、文本文档、空间数据、 多媒体数据、W e b 数据等;②功能和方法。数据挖掘功能是数据挖掘工具(或系统)的核心,一些数据挖掘工具仅提供一种功能(如分类),另一些工具可能支持另外的挖掘功能(如描述、关联、分类、预测和聚类等);③其他考虑的方面如:系统问题、数据源、可伸缩性、可视化、数据挖掘查询语言和图形用户接口、工具和数据库或数据仓库系统等。 在众多的数据中,有近80%的数据可以通过空间关系表达。现在,通过卫星扫描地球,每天都能获得大量的关于地表的遥感图像。要从大量的数据中判读出每一个图片所潜藏的信息,就必然要用到数据挖掘技术。本文将通过介绍专业的航空遥感图像处理系统E r d a s 和D B -M i n e r 来阐述处理空间数据和关系数据的这一过程及这2种软件的特点。
GIS空间插值（局部插值方法）实习记录 一、空间插值的概念和原理 当我们需要做一幅某个区域的专题地图，或是对该区域进行详细研究的时候，必须具备研究区任一点的属性值，也就是连续的属性值。但是，由于各种属性数据（如降水量、气温等）很难实施地面无缝观测，所以，我们能获取的往往是离散的属性数据。例如本例，我们现有一幅山东省等降雨量图，但是最终目标是得到山东省降水量专题图（覆盖全省，统计完成后，各地均具有自己的降雨量属性）。 空间插值是指利用研究区已知数据来估算未知数据的过程，即将离散点的测量数据转换为连续的数据曲面。利用空间插值，我们就可以通过离散的等降雨量线，来推算出山东省各地的降雨量了。 二、空间插值的几种方法及本次实习采用的原理和方法 –整体插值方法 ?边界内插方法 ?趋势面分析 ?变换函数插值 –局部分块插值方法 ?自然邻域法 ?移动平均插值方法：反距离权重插值 ?样条函数插值法（薄板样条和张力样条法） ?空间自协方差最佳插值方法：克里金插值 ■局部插值方法的控制点个数与控制点选择问题 局部插值方法用一组已知数据点（我们将其称为控制点）样本来估算待插值点（未知点）的值，因此控制点对该方法十分重要。 为此，第一要注意的是控制点的个数。控制点的个数与估算结果精确程度的关系取决于控制点的分布与待插值点的关系以及控制点的空间自相关程度。为了获取更精确的插值结果，我们需要着重考虑上述两点因素（横线所示）。 第二需要注意的是怎样选择控制点。一种方法是用离估算点最近的点作为控制点；另一种方法是通过半径来选择控制点，半径的大小必须根据控制点的分布来调整。 结合上述分析，在本次实习过程中，我们采用局部分块内插的这4种方法（上文中划横线的方法）进行插值，首先，我们按照默认参数进行插值，目的是粗略比较各种方法的优劣；然后选择出最好的一种方法，对该方法再尝试用不同的权重和点数参数来插值，得出最佳的效果。 三、目标 1、根据带坐标的山东省县域矢量地图（sd_county.shp），完成山东年平均降水量与矢量图的
《空间数据库管理系统概论》期末复习考试 第一章绪论 1、空间数据库：是指在地球表面某一范围内与空间地理相关，反映某一主题信息的数据集合，是一类以空间目标作为存储对象的专业数据库，是GIS的核心 和基础。 2、空间数据：是指以地球表面空间位置为参照的自然、社会和人文经济景观数据。它包括文字、数字、图形、影像、声音、图像等多种表现形式，如地名地址、数字高程、矢量地图、遥感影像、地理编码数据、多媒体地图等。 3、矢量数据：是一种用点、线、面等基本空间要素表示人们赖以生存的自然世界的数据。 4、栅格数据：是把地理空间中的事物和现象作为连续的变量或体来看待，如大气污染、植被覆盖、土壤类型、地表温度等。 5、空间数据的特征：1）空间特征2）非结构化特征3）空间关系特征 4）时态特征5）多尺度特征 6、空间数据库：在地球表面某一范围内与空间地理相关，反映某一主题信息的数据集合。 7、空间数据库的特点：1）数据量大2）空间数据与属性数据的集3）应用广泛 8、空间数据库管理系统：位于用户与操作系统之间的一层数据管理软件。对空间数据库的所有操作都是在空间数据库管理系统的统一管理和控制下进行的。9、空间数据库管理系统的特点：1）空间数据的定义和操纵 2）空间数据的组织、存储和管理 3）后台的事务管理和运行管理 4）数据库的建立和维护 10、空间数据系统的一般由四部分组成：1）空间数据库 2）空间数据库管理系统 3）数据库管理员 4）用户和应用程序 11、现有的两个空间数据标准简介： （1）简单要素的SQL实现规范（SFA SQL）：第一部分定义的是几何对象的不 同表达方式和空间参考系统的表达方式；这个规范不是针对某个特定平台定义的，具有平台独立性。第二部分定义了第一部分定义的简单要素模型在数据库中的实现，给出了内模式下几何类型的定义及相关实现。 （2）SQL多媒体及应用包的第三部分：1）空间定义了矢量数据存储于检索的 相关标准；2）静态图像定义了静态图像数据存储于检索的相关标准。 总结：这两个标准公共部分的接口已经相互兼容，但是这两个标准无论是在内容覆盖面，还是从某些概念的界面上还是有一定的差别。例如，SFA SQL在注记文本类型、空间数据存储实现方式上比SQL/MM定义的内容更广泛，而SQL/MM 涉及了SFA SQL尚未涉及的拓扑数据结果、网络模型等方面的内容。没有统一 的空间数据库标准，自然导致现有空间数据库管理系统有所差异。例如，posGIS 更符合OGC标准，而Oracle Spatial更兼容SQL/MM的标准。
一、单选题 1、对于离散空间最佳的内插方法 是： A．整体内插法 B．局部内插法 C．移动拟合法 D．邻近元法 2、下列能进行地图数字化的设备 是： A.打印机 B.手扶跟踪数字化仪 C.主 机 D.硬盘 3、有关数据处理的叙述错误的 是： A.数据处理是实现空间数据有序化的必要过程 B.数据处理是检验数据质量的关键环节 C.数据处理是实现数据共享的关键步骤 D.数据处理是对地图数字化前的预处理 4、邻近元法 是： A.离散空间数据内插的方法 B.连续空间内插的方法 C.生成DEM的一种方法 D.生成DTM的一种方法 5、一般用于模拟大范围内变化的内插技术是： A.邻近元法 B.整体拟合技术 C.局部拟合技术 D.移动拟合法 6、在地理数据采集中，手工方式主要是用于录入： A.属性数据 B.地图数据 C.影象数 据 D.DTM数据
7、要保证GIS中数据的现势性必须实时进行： A.数据编辑 B.数据变换 C.数据更 新 D.数据匹配 8、下列属于地图投影变换方法的 是： A.正解变换 B.平移变换 C.空间变 换 D.旋转变换 9、以信息损失为代价换取空间数据容量的压缩方法是： A.压缩软件 B.消冗处理 C.特征点筛选 法 D.压缩编码技术 10、表达现实世界空间变化的三个基本要素是。 A. 空间位置、专题特征、时间 B. 空间位置、专题特征、属性 C. 空间特点、变化趋势、属性 D. 空间特点、变化趋势、时间 11、以下哪种不属于数据采集的方式： A. 手工方式 B.扫描方式 C.投影方 式 D.数据通讯方式 12、以下不属于地图投影变换方法的是： A. 正解变换 B.平移变换 C.数值变 换 D.反解变换 13、以下不属于按照空间数据元数据描述对象分类的是： A. 实体元数据 B.属性元数据 C.数据层元数据 D. 应用层元数据 14、以下按照空间数据元数据的作用分类的是： A. 实体元数据 B.属性元数据 C. 说明元数据 D. 分类元数据 15、以下不属于遥感数据误差的是： A. 数字化误差 B.数据预处理误差 C. 数据转换误差 D. 人工判读误差
第一章 1.GIS的名词分析与推论 GIS概念：具有地理数据的采集、管理、分析、表达能力，能为决策者提供有用地理信息的系统。 推论1：地理信息系统采集的数据为空间数据，即具有空间位置，又具有属性特征。地理信息系统的数据库因此又称为空间数据库。 推论二：地理信息系统具有采集、管理、分析地理数据和表达地理信息的能力。包括空间数据库建设和空间数据库的应用两个层次。 推论三：地理信息系统包括计算机硬件、软件、数据、系统开发人员和用户，但由于处理和分析的是地理数据，因此，在通用的硬件、软件基础上，还有体现专业特点的硬、软件。 2.GIS空间数据体系 空间数据库：空间数据和属性数据的组织 矢量有混合式、扩展式和开放式
矢量数据的空间数据组织：空间坐标数据的非结构化和属性数据的结构化 栅格数据：像元阵列 3.GIS数据模型 矢量数据模型：简单数据结构（面条结构）：如Shapefile、拓扑数据结构：如Coverge、面向对象的数据模型：如Geodatabase 栅格数据模型：栅格文件常用格式：*.tif,*.jpg,*.bmp等。GIS中的栅格格式：ESRI 的Grid、Geodatabase的栅格数据集等。遥感图像的格式：PCI的* .pix，Erdas 的*.img等。 4.空间数据库设计核心 将现实世界抽象为GIS数据模型，这是数据库设计的核心。 5.名词解释： 面条结构：数据按点、线、面为单元进行组织，点、线、面都有自己的坐标数据。最典型的是面条结构。 拓扑数据结构：不仅存储空间位置，同时存储空间关系。 拓扑关联：指存在于空间图形的不同类型元素之间的拓扑关系。如结点与弧段、弧段与多边形。 第二章 1.名词解释： 数据词典：以词典的方式描述和定义E-R模型设计中出现和形成的实体、关系。数据模型匹配：实现将实体类型和特征类型（Coverage、Shapefile、Grid等）的匹配。 区：基于现有的面特征来描述复杂的区域如多个独立的多边形组成的区域、相互
第37卷第7期测绘与空间地理信息 GEOMATICS ＆SPATIAL INFOＲMATION TECHNOLOGY Vol．37，No．7收稿日期：2014－01－22 作者简介：马宏斌（1982－），男，甘肃天水人，作战环境学专业博士研究生，主要研究方向为地理空间信息服务。 大数据时代的空间数据挖掘综述 马宏斌1 ，王 柯1，马团学 2（1．信息工程大学地理空间信息学院，河南郑州450000；2．空降兵研究所，湖北孝感432000） 摘 要：随着大数据时代的到来，数据挖掘技术再度受到人们关注。本文回顾了传统空间数据挖掘面临的问题， 介绍了国内外研究中利用大数据处理工具和云计算技术，在空间数据的存储、管理和挖掘算法等方面的做法，并指出了该类研究存在的不足。最后，探讨了空间数据挖掘的发展趋势。关键词：大数据；空间数据挖掘；云计算中图分类号：P208 文献标识码：B 文章编号：1672－5867（2014）07－0019－04 Spatial Data Mining Big Data Era Ｒeview MA Hong －bin 1，WANG Ke 1，MA Tuan －xue 2 （1．Geospatial Information Institute ，Information Engineering University ，Zhengzhou 450000，China ； 2．Airborne Institute ，Xiaogan 432000，China ） Abstract ：In the era of Big Data ，more and more researchers begin to show interest in data mining techniques again．The paper review most unresolved problems left by traditional spatial data mining at first．And ，some progress made by researches using Big Data and Cloud Computing technology is introduced．Also ，their drawbacks are mentioned．Finally ，future trend of spatial data mining is dis-cussed． Key words ：big data ；spatial data mining ；cloud computing 0引言 随着地理空间信息技术的飞速发展，获取数据的手 段和途径都得到极大丰富，传感器的精度得到提高和时空覆盖范围得以扩大，数据量也随之激增。用于采集空间数据的可能是雷达、红外、光电、卫星、多光谱仪、数码相机、成像光谱仪、全站仪、天文望远镜、电视摄像、电子 显微镜、CT 成像等各种宏观与微观传感器或设备，也可能是常规的野外测量、人口普查、土地资源调查、地图扫描、 地图数字化、统计图表等空间数据获取手段，还可能是来自计算机、 网络、GPS ，ＲS 和GIS 等技术应用和分析空间数据。特别是近些年来，个人使用的、携带的各种传感器（重力感应器、电子罗盘、三轴陀螺仪、光线距离感应器、温度传感器、红外线传感器等），具备定位功能电子设备的普及，如智能手机、平板电脑、可穿戴设备（GOOGLE GLASS 和智能手表等），使人们在日常生活中产生了大量具有位置信息的数据。随着志愿者地理信息（Volunteer Geographic Information ）的出现，使这些普通民众也加入到了提供数据者的行列。 以上各种获取手段和途径的汇集，就使每天获取的 数据增长量达到GB 级、 TB 级乃至PB 级。如中国遥感卫星地面站现在保存的对地观测卫星数据资料达260TB ，并以每年15TB 的数据量增长。比如2011年退役的Landsat5卫星在其29年的在轨工作期间，平均每年获取8．6万景影像，每天获取67GB 的观测数据。而2012年发射的资源三号（ZY3）卫星，每天的观测数据获取量可以达到10TB 以上。类似的传感器现在已经大量部署在卫 星、 飞机等飞行平台上，未来10年，全球天空、地空间部署的百万计传感器每天获取的观测数据将超过10PB 。这预示着一个时代的到来，那就是大数据时代。大数据具有 “4V ”特性，即数据体量大（Volume ）、数据来源和类型繁多（Variety ）、数据的真实性难以保证（Veracity ）、数据增加和变化的速度快（Velocity ）。对地观测的系统如图1所示。 在这些数据中，与空间位置相关的数据占了绝大多数。传统的空间知识发现的科研模式在大数据情境下已经不再适用，原因是传统的科研模型不具有普适性且支持的数据量受限， 受到数据传输、存储及时效性需求的制约等。为了从存储在分布方式、虚拟化的数据中心获取信息或知识，这就需要利用强有力的数据分析工具来将
一、空间数据的插值 用各种方法采集的空间数据往往是按用户自己的要求获取的采样观测值，亦既数据集合是由感兴趣的区域内的随机点或规则网点上的观测值组成的。但有时用户却需要获取未观测点上的数据，而已观测点上的数据的空间分布使我们有可能从已知点的数据推算出未知点的数据值。 在已观测点的区域内估算未观测点的数据的过程称为内插；在已观测点的区域外估算未观测点的数据的过程称为外推。 空间数据的内插和外推在GIS中使用十分普遍。一般情况下，空间位置越靠近的点越有可能获得与实际值相似的数据，而空间位置越远的点则获得与实际值相似的数据的可能性越小。下面介绍一些常用的内插方法。 1、边界内插 使用边界内插法时，首先要假定任何重要的变化都发生在区域的边界上，边界内的变化则是均匀的、同质的。 边界内插的方法之一是泰森多边形法。泰森多边形法的基本原理是，未知点的最佳值由最邻近的观测值产生。如图4-6-1所示。 泰森多边形的生成算法见§5.7。 2、趋势面分析 趋势面分析是一种多项式回归分析技术。多项式回归的基本思想是用多项式表示线或面，按最小二乘法原理对数据点进行拟合，拟合时假定数据点的空间坐标X、Y为独立变量，而表示特征值的Z坐标为因变量。 当数据为一维时，可用回归线近似表示为： 其中，a0、a1为多项式的系数。当n个采样点方差和为最小时，则认为线性回归方程与被拟合曲线达到了最佳配准，如图4-6-2左图所示，即： 当数据以更为复杂的方式变化时，如图4-6-2右图所示。在这种情况下，需要用到二次或高次多项式： （二次曲线） 在GIS中，数据往往是二维的，在这种情况下，需要用到二元二次或高次多项式：
空间数据管理平台解决方案
1.引言 1.1方案概述 空间数据管理平台解决方案主要是针对我国各级测绘院、信息中心建设区域地理信息基础框架的迫切需求，开发的一套专业性强、具有高可扩展性的基础地理信息数据库管理平台。 整个方案从管理多源、多尺度、多类型的基础地理信息数据的角度出发，开发了一些列软件系统，包括空间数据入库更新子系统、空间数据质量检查子系统以及空间数据管理平台等，可以实现对现有基础地理信息数据的整合、转换与集成管理，为政府、企业、公众等提供空间信息服务。 1.2系统特点 ●“多源、多尺度、多时相”基础地理数据的集成管理 由于基础地理数据具有多源、多尺度、多时相的特点，基础地理数据管理平台必须具有集成不同数据类型、不同比例尺、不同时间的各种基础地理数据的能力。 ●多比例尺数据集成 对于不同尺度的基础地理数据，其集成通过统一空间参考系（WGS84、西安80、北京54）或动态投影技术来实现。不同比例尺的
基础地理数据可以叠加一起显示，通过控制其显示比例实现地图的逐层显示效果。 ●多类型数据集成 对于不同类型的数据（如DLG与DRG）的集成采用按空间坐标范围或图幅索引实现。 ●多时序数据集成 对于不同时间段的基础地理数据，采用历史数据库来实现。根据数据更新周期的不同，采用按数据集、图幅、对象级别的历史数据库机制。 ●基础地理数据管理全过程支持 SuperMap D-Manager特别针对我国各级测绘院、信息中心设计开发，系统支持数据加工、数据入库管理、数据共享、数据发布的整个业务过程，可以快速为用户打造完备的基础地理数据中心，满足各种用户对基础地理信息的需求，为数字城市建设服务。 ●基础性与平台性 SuperMap D-Manager从设计到实现，充分考虑了其作为基础性、平台性等支撑性要求。SuperMap D-Manager在设计思路、软件开发实现上都具有高可扩展性的特点。
空间分析复习提纲 一、基本概念(要求：基本掌握其原理及含义，能做名词解释) 1、空间分析：是基于地理对象的位置和形态的空间数据的分析技术，其目的在于提取和传输空间信息。 2、空间数据模型：以计算机能够接受和处理的数据形式，为了反映空间实体的某些结构特性和行为功能，按一定的方案建立起来的数据逻辑组织方式，是对现实世界的抽象表达。分为概念模型、逻辑模型、物理模型。 3、叠置分析：是指在同一地区、同一比例尺、同一数学基础、不同信息表达的两组或多组专题要素的图形或数据文件进行叠加，根据各类要素与多边形边界的交点或多边形属性建立多重属性组合的新图层，并对那些结构和属性上既互相重叠，又互相联系的多种现象要素进行综合分析和评价；或者对反映不同时期同一地理现象的多边形图形进行多时相系列分析，从而深入揭示各种现象要素的内在联系及其发展规律的一种空间分析方法。 4、网络分析：网络分析是通过研究网络的状态以及模拟和分析资源在网络上的流动和分配情况，对网络结构及其资源等的优化问题进行研究的一种空间分析方法。 5、缓冲区分析：即根据分析对象的点、线、面实体，自动建立它们周围一定距离的带状区，用以识别这些实体或主体对邻近对象的辐射范围或影响度，以便为某项分析或决策提供依据。其中包括点缓冲区、线缓冲区、面缓冲区等。 6、最佳路径分析：也称最优路径分析，以最短路径分析为主，一直是计算机科学、运筹学、交通工程学、地理信息科学等学科的研究热点。这里“最佳”包含很多含义，不仅指一般地理意义上的距离最短，还可以是成本最少、耗费时间最短、资源流量（容量）最大、线路利用率最高等标准。 7、空间插值：空间插值是指在为采样点估计一个变量值的过程，常用于将离散点的测量数据转换为连续的数据曲面，它包括内插和外推两种算法。，前者是通过已知点的数据计算同一区域内其他未知点的数据，后者则是通过已知区域的数据，求未知区域的数据。 8、空间量算：即空间量测与计算，是指对GIS数据库中各种空间目标的基本参数进行量算与分析，如空间目标的位置、距离、周长、面积、体积、曲率、空间形态以及空间分布等，空间量算是GIS获取地理空间信息的基本手段，所获得的基本空间参数是进行复杂空间分析、模拟与决策制定的基础。 9、克里金插值法：克里金插值法是空间统计分析方法的重要内容之一，它是建立在半变异函数理论分析基础上，对有限区域内的区域变化量取值进行无偏最优估计的一种方法，不仅考虑了待估点与参估点之间的空间相关性，还考虑了各参估点间的空间相关性，根据样本空间位置不同、样本间相关程度的不同，对每个参估点赋予不同的权，进行滑动加权平均，以估计待估点的属性值。 二、分析类(要求：重点掌握其原理及含义，能结合本专业研究方向做比较详细的阐述) 1、空间数据模型的分类？ 答：分为三类： ①场模型：用于表述二维或三维空间中被看作是连续变化的现象； ②要素模型：有时也称对象模型，用于描述各种空间地物； ③网络模型：一种某一数据记录可与任意其他多个数据记录建立联系的有向图结构的数据模型，可 以模拟现实世界中的各种网络。
第15卷第3期2000年6月 地球科学进展 ADV ANCE IN EARTH SCIEN CES V ol.15 No.3 Jun., 2000 学术论文 空间内插方法比较 李 新,程国栋,卢 玲 (中国科学院寒区旱区环境与工程研究所,甘肃 兰州 730000) 摘 要:空间内插可以分为几何方法、统计方法、空间统计方法、函数方法、随机模拟方法、物理模型模拟方法和综合方法。介绍了每一种方法的适用范围、算法和优缺点。指出没有绝对最优的空间内插方法,必须对数据进行空间探索分析,根据数据的特点,选择最优方法;同时,应对内插结果做严格的检验。开发通用空间内插软件、智能化内插以及加强相关基础研究将是空间内插研究的重点。 关 键 词:空间内插;空间数据探索分析;地理信息系统 中图分类号:P208 文献标识码:A 文章编号:1001—8166(2000)03-0260-06 1 空间内插 根据已知地理空间的特性探索未知地理空间的特性是许多地理研究的第一步,也是地理学的基本问题。常规方法无法对空间中所有点进行观测,但是我们可以获得一定数量的空间样本,这些样本反映了空间分布的全部或部分特征,并可以据此预测未知地理空间的特征。在这一意义上,空间内插可以被定义为根据已知的空间数据估计(预测)未知空间的数据值。其目标可以归纳为:①缺值估计:估计某一点缺失的观测数据,以提高数据密度;②内插等值线:以等值线的形式直观地显示数据的空间分布;③数据格网化:把无规则分布的空间数据内插为规则分布的空间数据集,如规则矩形格网、三角网等。 空间内插对于观测台站十分稀少,而台站分布又非常不合理的地区具有十分重要的实际意义。这些地区的常规观测常常不能满足要求,在这种情况下,利用有限的常规观测估计合理的空间分布,或尽可能地提高数据密度就成为迫切要求。在这些方面,缺值估计和数据格网化将发挥重要的作用。 (1)缺值估计。各种科学考察中形式多样的短期观测是提高数据观测密度的重要方式,无形中起到了加密台站的作用;而且由于这些考察常常到达人迹罕至的高海拔和极地等区域,有助于了解区域内观测变量的完整空间分布。但是,这些观测序列往往很短,短则数十天,长不过几年。如何利用周围台站的长序列观测资料和短期观测本身的信息,将观测变量插补到长序列是一个重要问题。 (2)数据格网化。规则格网能够更好地反映连续分布的空间现象,并对他们的变化作出模拟。现代地球科学模型和气候模型,如GCM(一般环流模型),都要求与GIS数据模型和遥感数据高度兼容的空间数据集。格网化的数据,尤其是规则矩形格网,已成为目前地学模型的主要数据形式。因此,对已知观测台站的观测数据进行空间内插,得到格网化数据是模型的第一步。 空间内插一般包括这样几个过程〔1〕:①内插方法(模型)的选择;②空间数据的探索分析,包括对数据的均值、方差、协方差、独立性和变异函数的估计等;③内插方法评价;④重新选择内插方法,直到合理;⑤内插。 因此,通过比较而选择一个合用的、适合于数据空间分布特点的内插方法是空间内插的关键。本文将空间内插分类为几何方法、统计方法、空间统计方 中国科学院特别经费支持领域项目“冰冻圈基础研究”(编号:KJ-B-2-102)资助。 第一作者简介:李新,男,1969年10月生于甘肃酒泉,副研究员,主要从事地理信息系统和遥感在冰冻圈和水资源研究中的应用。收稿日期:1999-08-19;修回日期:1999-11-03。
空间数据查询和空间数据分析的具体功能分类？ 空间定位查询 由图形查询到属性 按点定位查询 按矩形区域查询 按椭圆区域查询 按多边形区域查询 如查询在某个面内有几个点 、 空间关系查询 通过拓扑关系和空间运算进行的查询 邻接查询：查询目标邻接的点、线、面目标 含查询：查询面目标所包含的点、线、面目标 穿越查询：查询线目标所相交的点、线、面目标 缓冲区查询：查询目标一定距离范围内的点、线、面目标 如面面查询，查询与某个多边形相邻的多边形的个数 空间属性查询 由属性查询到图形 支持标准的SQL查询语言 Select 属性项集合From 属性表集合Where 条件集合 如查询地块面积为1.5的业主名字 select 业主名字，面积 from Parcel, Qwner where Parcel.PIN= Owner.PIN and Parcel.Area= 1.5 空间组合查询 定位与属性组合查询 关系与属性组合查询 定位与关系组合查询 定位、关系和属性组合查询 如查询某地块中有几个面积为1.5的点 空间数据分析 形态分析 形态特征是空间物体的重要特征之一，在空间分析中，对空间物体的形态分析随空间物体维数的改变而不同 一般地说，空间物体可以简单地分为零维、一维、二维、三维，形态分析是对物体的几何特征的分析 零维物体的形态是没有意义的 一维物体的形态分析指长度、曲率、方向特征 二维物体的形态分析指面积、周长、重心及平面延展性等 三维物体的形态分析主要有表面积、体积、坡度、坡向等 叠加分析
叠加分析是GIS最重要的功能之一 是将各种不同的地理要素分类（层）存储和表述，由计算机自动将它们迭置起来进行分析如在叠加区域内，只有参与迭加的地理要素都为真时，该区域才为真；若参与迭加的地理要素中有一个为假，则该区域为假 点与多边形叠加、线与多边形叠加、多边形与多边形叠加 邻域分析 邻域分析包括两个方面的内容：一是通过给定位置查询其邻域中的有关要素情况，这在GIS 中通常归结为“缓冲区”分析，有点、线、面缓冲区分析 其二是从给定位置的某现象“值”去推算其给定邻域相关变量的值，在这GIS中通常归结为“插值式逼近” 连接分析 连接分析涉及的内容较多，主要就是通视分析、径流分析、日照分析和多边形合并 通视分析简单地说就是在地面上给定一点，计算出位于该点可以见到的全部区域 径流分析就是地表谷地、水流的路径 日照分析就是太阳照射的影子分析 多边形合并单地说就是将若干个小多边形合并成一个大多边形 网络分析 将地理空间抽象成一个二维欧氏平面，以一定的规则和连线分布其间，就构成了地理网络现实地理空间中许多地理事物都可以直接或经过适当的变换形成地理网络 例如铁路、公路、通讯线路、生产过程、经济的流量、人口迁移路线、自然系统中的物质流、能量流和信息流等，都可以表示成相应的点之间的连线 由此构成现实世界中多种多样的地理网络。对地理网络进行分析，就可得到一些很有意义的结果 网络分析的应用主要包括三个方面：路径分析和资源分配 分布分析 分布分析就是空间统计分析，基于空间数据进行非空间数据（专题）的分类 将地图要素划分成一些简单的连通区域，如行政区划，每个区域用一个简单的数学函数表示一种专题主要属性的变化 根据所表示地理现象的不同，区域可以对应不同类型的属性函数，如人口分布图、经 济状况分布图、工业分布图、文化分布图、历史分布图等
可视化空间数据挖掘研究综述 贾泽露1，2 刘耀林2 （1. 河南理工大学测绘与国土信息工程学院，焦作，454000；2. 武汉大学资源与环境科学学院，武汉，430079）摘要：空间数据挖掘针对的是更具有可视化要求的地理空间数据的知识发现过程，可视化能提供同用户对空间目标心理认知过程相适应的信息表现和分析环境，可视化与空间数据挖掘的结合是该领域研究发展的必然，并已成为一个研究热点。论文综述了空间数据挖掘和可视化的研究现状，重点阐述了空间数据挖掘中的可视化化技术及其应用，并对可视化空间数据挖掘的发展趋势进行了阐述。 关键词：数据挖掘；空间数据挖掘；数据可视化；信息可视化；GIS； 空间信息获取技术的飞速发展和各种应用的广泛深入，多分辨率、多时态空间信息大量涌现，以及与之紧密相关的非空间数据的日益丰富，对海量空间信息的综合应用和处理技术提出了新的挑战，要求越来越高。空间数据挖掘技术作为一种高效处理海量地学空间数据、提高地学分析自动化和智能化水平、解决地学领域“数据爆炸、知识贫乏”问题的有效手段，已发展成为空间信息处理的关键技术。然而，传统数据挖掘“黑箱”作业过程使得用户只能被动地接受挖掘结果。可视化技术能为数据挖掘提供直观的数据输入、输出和挖掘过程的交互探索分析手段，提供在人的感知力、洞察力、判断力参与下的数据挖掘手段，从而大大地弥补了传统数据挖掘过程“黑箱”作业的缺点，同时也大大弥补了GIS重“显示数据对象”轻“刻画信息结构”的弱点，有力地提高空间数据挖掘进程的效率和结果的可信度[1]。空间数据挖掘中可视化技术已由数据的空间展现逐步发展成为表现数据内在复杂结构、关系和规律的技术，由静态空间关系的可视化发展到表示系统演变过程的可视化。可视化方法不仅用于数据的理解，而且用于空间知识的呈现。可视化与空间数据挖掘的结合己成为必然，并已形成了当前空间数据挖掘1与知识发现的一个新的研究热点——可视化空间数据挖掘(Visual Spatial Data Mining，VSDM)。VSDM技术将打破传统数据挖掘算法的“封闭性”，充分利用各式各样的数据可视化技术，以一种完全开放、互动的方式支持用户结合自身专业背景参与到数据挖掘的全过程中，从而提高数据挖掘的有效性和可靠性。本文将对空间数据挖掘、可视化的研究概况，以及可视化在空间数据挖掘中的应用进行概括性回顾总结，并对未来发展趋势进行探讨。 一、空间数据挖掘研究概述 1.1 空间数据挖掘的诞生及发展 1989年8月，在美国底特律市召开的第一届国际联合人工智能学术会议上，从事数据库、人工智能、数理统计和可视化等技术的学者们，首次出现了从数据库中发现知识(knowledge discovery in database，KDD)的概念，标志着数据挖掘技术的诞生[1]。此时的数据挖掘针对的 作者1简介：贾泽露（1977,6－），男，土家族，湖北巴东人，讲师，博士，主要从事空间数据挖掘、可视化、土地信息系统智能化及GIS理论、方法与应用的研究和教学工作。 作者2简介：刘耀林(1960,9- ),男，汉族，湖北黄冈人，教授，博士，博士生导师，武汉大学资源与环境科学学院院长，现从事地理信息系统的理论、方法和应用研究和教学工作。
1.空间地理数据的基本特征 要完整地描述空间实体或现象的状态，一般需要同时有空间数据和属性数据。如果要描述空间实体或的变化，则还需记录空间实体或现象在某一个时间的状态。所以，一般认为空间数据具有三个基本特征： ⑴空间特征表示现象的空间位置或现在所处的地理位置。空间特征又称为几何特征或定位特征，一般以坐标数据表示。 ⑵属性特征表示现象的特征，例如变量、分类、数量特征和名称等等。 ⑶时间特征指现象或物体随时间的变化。 位置数据和属性数据相对于时间来说，常常呈相互独立的变化，即在不同的时间，空间位置不变，但是属性类型可能已经发生变化，或者相反。因此，空间数据的管理是十分复杂的。 有效的空间数据管理要求位置数据和非位置数据互相作为单独的变量存放，并分别采用不同的软件来处理这两类数据。这种数据组织方法，对于随时间而变化的数据，具有更大的灵活性。 2.如何在计算机内部用数字形式描述客观事物或现象 对地理信息进行数字化描述，就是要使计算机能够识别地理事物的形状，为此，必须精确地指出空间模式如何处理，如何显示等。在计算机内描述空间实体有两种形式：显式描述和隐式描述。在计算机中的显式表示，就是栅格中的一系列像元。隐式表示是由一系列定义了始点和终点的线及某种连接关系来描述。 计算机对地理实体的显式描述也称栅格数据结构，计算机对地理实体的隐式描述也称矢量数据结构。栅格和矢量结构是计算机描述空间实体的两种最基本的方式。 在栅格数据结构中，整个地理空间被规则地分为一个个小块（通常为正方形），地理实体的位置是由占据小块的横排与竖列的位置决定，小块的位置则由其横排竖列的数码决定，每个地理实体的形态是由栅格或网格中的一组点来构成。
摘要 本文首先对空间插值的的理论基础包括空间插值的必要性以及目标等几个方面进行了介绍；在此基础上，对空间插值的几种方法包括反距离加权法、克里格法、泰森多边形法、样条函数法等进行了探讨和研究，对方法的适用范围、优缺点、插值精度等方面进行了总结；对反距离加权法和克里格法等的实现方法进行了研究；论文最后对空间内插的方法选择进行了归纳总结,并对空间内插今后有待进一步研究的方面以及发展应用方向进行了展望。 关键词：空间内插克里格反距离加权 Abstract Firstly,theoretical basis,including the necessity of spatial interpolation, aim etc., is specifically introduced in this paper. Beside this, we have done studies and researches on several methods of spatial interpolation, e.g.Inverse Distance Weighted、Kriging、Thiesen、Spline, concluded on the range、merit and shortcoming,interpolation accuracy and so on. The thesis it makes research on the programming process of Inverse Distance Weighted and Kriging etc, The end of the paper gives a summary to the methods selection of spatial interpolation, and outlooks the further research and probable application to be developed in spatial interpolation. Keywords:Spatial Interpolation Kriging Inverse Distance Weighted 0 前言：在地理信息系统(GlS)中，我们获得的空间数据往往是离散点的形式，或者是分区数据的形式。由于观测到的数据往往不能满足要求，最理想的方法就是调查地理空间所有样本的信息，以穷尽样本属性值的方式来获得详尽的地理信息。但这种方法从时间、经济角度上来说是行不通的，也是不现实的。我们可以从离散分布的数据开始来构造一个连续的表面，但是问题在于如何构建一个连续的数据表面。GIS空间内插方法为实现这个目的提供了有效的手段，它利用有限的观测数据，估计合理的空间分布、提高数据密度，获得完整空间信息分布，以填补缺失的数据，得到密集的数据分布。此外，由于数据集的来源、采样点的数据类型不同，如何选择适当的内插方法成为迫切需要解决的问题，如若选择了不适当的内插方法将会直接导致对数据的错误内插，从而造成了对实际情况错误的认识。每种内插方法都有各自的应用范围和优缺点，它们很大程度上依赖于采样数据原始的数学特征，不同的研究目的对内插都有特殊的要求。针对某一特定的数据集，如何来选择最有效的内插方法，是一个重要的、极富挑战性的任务。 本文试图从GIS空间内插方法的理论基础、实际效果两个方面比较几种常用的内插方法的实现原理及其基本的适用条件，并对空间内插今后有待进一步研究的方面进行了展望。 1空间内插方法的划分和分析 空间插值方法可以分为全局方法和局部方法两类。全局方法用研究区每个可利用的控制点来构建一个方程或一个模型，而后该模型可用于估算未知点的数值；局部方法是用控制点的样本来估计未知点的值。
空间内插方法比较-CAL-FENGHAI.-(YICAI)-Company One1
一、空间数据的插值 用各种方法采集的空间数据往往是按用户自己的要求获取的采样观测值，亦既数据集合是由感兴趣的区域内的随机点或规则网点上的观测值组成的。但有时用户却需要获取未观测点上的数据，而已观测点上的数据的空间分布使我们有可能从已知点的数据推算出未知点的数据值。 在已观测点的区域内估算未观测点的数据的过程称为内插；在已观测点的区域外估算未观测点的数据的过程称为外推。 空间数据的内插和外推在GIS中使用十分普遍。一般情况下，空间位置越靠近的点越有可能获得与实际值相似的数据，而空间位置越远的点则获得与实际值相似的数据的可能性越小。下面介绍一些常用的内插方法。 1、边界内插 使用边界内插法时，首先要假定任何重要的变化都发生在区域的边界上，边界内的变化则是均匀的、同质的。 边界内插的方法之一是泰森多边形法。泰森多边形法的基本原理是，未知点的最佳值由最邻近的观测值产生。如图4-6-1所示。 泰森多边形的生成算法见§。 2、趋势面分析 趋势面分析是一种多项式回归分析技术。多项式回归的基本思想是用多项式表示线或面，按最小二乘法原理对数据点进行拟合，拟合时假定数据点的空间坐标X、Y为独立变量，而表示特征值的Z坐标为因变量。 当数据为一维时，可用回归线近似表示为： 其中，a0、a1为多项式的系数。当n个采样点方差和为最小时，则认为线性回归方程与被拟合曲线达到了最佳配准，如图4-6-2左图所示，即： 当数据以更为复杂的方式变化时，如图4-6-2右图所示。在这种情况下，需要用到二次或高次多项式： （二次曲线） 在GIS中，数据往往是二维的，在这种情况下，需要用到二元二次或高次多项式： （二次曲面）