Chapter4 空间信息模型分析
- 格式:ppt
- 大小:1.09 MB
- 文档页数:127
第7 章空间数据分析模型7.1 空间数据按照空间数据的维数划分,空间数据有四种基本类型:点数据、线数据、面数据和体数据。
点是零维的。
从理论上讲,点数据可以是以单独地物目标的抽象表达,也可以是地理单元的抽象表达。
这类点数据种类很多,如水深点、高程点、道路交叉点、一座城市、一个区域。
线数据是一维的。
某些地物可能具有一定宽度,例如道路或河流,但其路线和相对长度是主要特征,也可以把它抽象为线。
其他的线数据,有不可见的行政区划界,水陆分界的岸线,或物质运输或思想传播的路线等。
面数据是二维的,指的是某种类型的地理实体或现象的区域范围。
国家、气候类型和植被特征等,均属于面数据之列。
真实的地物通常是三维的,体数据更能表现出地理实体的特征。
一般而言,体数据被想象为从某一基准展开的向上下延伸的数,如相对于海水面的陆地或水域。
在理论上,体数据可以是相当抽象的,如地理上的密度系指单位面积上某种现象的许多单元分布。
在实际工作中常常根据研究的需要,将同一数据置于不同类别中。
例如,北京市可以看作一个点(区别于天津),或者看作一个面(特殊行政区,区别于相邻地区),或者看作包括了人口的“体”。
7.2 空间数据分析空间数据分析涉及到空间数据的各个方面,与此有关的内容至少包括四个领域。
1)空间数据处理。
空间数据处理的概念常出现在地理信息系统中,通常指的是空间分析。
就涉及的内容而言,空间数据处理更多的偏重于空间位置及其关系的分析和管理。
2)空间数据分析。
空间数据分析是描述性和探索性的,通过对大量的复杂数据的处理来实现。
在各种空间分析中,空间数据分析是重要的组成部分。
空间数据分析更多的偏重于具有空间信息的属性数据的分析。
3)空间统计分析。
使用统计方法解释空间数据,分析数据在统计上是否是“典型”的,或“期望”的。
与统计学类似,空间统计分析与空间数据分析的内容往往是交叉的。
4)空间模型。
空间模型涉及到模型构建和空间预测。
在人文地理中,模型用来预测不同地方的人流和物流,以便进行区位的优化。
空间分析的数据模型空间分析是GIS的主要特征,有无空间分析功能是GIS与其他制图系统相区别的主要标志。
空间分析是从空间物体的空间位置、联系等方面去研究空间事物,以对空间事物做出定量的描述。
地理信息系统要对自然对象进行描述、表达和分析,首先要建立合理的数据模型以存储地理对象的位置、属性以及动态变化等信息,合理的数据模型是进行空间分析的基础。
这里介绍常见的数据模型。
现实世界错综复杂,从系统的角度来看,空间事物或实体的运动状态和运动方式不断发生变化,系统的诸多组成要素之间存在着相互制约、相互作用的依存关系,表现为人口、质、能量、信息、价值的流动和作用,反映不同的空间现象和问题。
为了控制和调节空间系统的物质流、能量流和人口流等,使之转移到期望的状态和方式,实现动态平衡和持续发展,人们开始考虑在建立数据模型表达现实世界的基础上,对其诸多组成要素的空间状态、相互依存关系、变化过程、相互作用规律、反馈规律、调制机理等进行数字模拟和动态分析,客观上为地理信息系统提供了良好的应用环境和重要发展动力。
空间分析是基于地理对象的位置和形态特征的空间数据分析技术。
空间分析方法必然要受到空间数据表示形式的制约和影响,因此,在研究空间分析时,就不能不考虑空间数据表示方法与数据模型。
空间数据表示的基本任务是将以图形模拟的空间物体表示成计算机能够接受的数字形式,因此空间数据的表示必然涉及空间数据模式和数据结构问题。
空间数据通常分为栅格模型和矢量模型两种基本的表示模型。
此外矢量栅格一体化、三维数据模型、时空数据模型等由于自身的特点,在某些方面代表数据模型发展的方向。
1.栅格数据模型在栅格模型中,地理空间被划分为规则单元(像元),空间位置由像元的行列号表示。
像元的大小反映数据的分辨率,空间物体由若干像元隐含描述。
例如一条道路由其值为道路编码值的一系列相邻的像元表示,要从数据库中删除这条道路,则必须将所有有关像元的值改变成该条道路的背景值。
空间数据分析模型7.1 空间数据按照空间数据的维数划分,空间数据有四种基本类型:点数据、线数据、面数据和体数据。
点是零维的。
从理论上讲,点数据可以是以单独地物目标的抽象表达,也可以是地理单元的抽象表达。
这类点数据种类很多,如水深点、高程点、道路交叉点、一座城市、一个区域。
线数据是一维的。
某些地物可能具有一定宽度,例如道路或河流,但其路线和相对长度是主要特征,也可以把它抽象为线。
其他的线数据,有不可见的行政区划界,水陆分界的岸线,或物质运输或思想传播的路线等。
面数据是二维的,指的是某种类型的地理实体或现象的区域范围。
国家、气候类型和植被特征等,均属于面数据之列。
真实的地物通常是三维的,体数据更能表现出地理实体的特征。
一般而言,体数据被想象为从某一基准展开的向上下延伸的数,如相对于海水面的陆地或水域。
在理论上,体数据可以是相当抽象的,如地理上的密度系指单位面积上某种现象的许多单元分布。
在实际工作中常常根据研究的需要,将同一数据置于不同类别中。
例如,北京市可以看作一个点(区别于天津),或者看作一个面(特殊行政区,区别于相邻地区),或者看作包括了人口的“体”。
7.2 空间数据分析空间数据分析涉及到空间数据的各个方面,与此有关的内容至少包括四个领域。
1)空间数据处理。
空间数据处理的概念常出现在地理信息系统中,通常指的是空间分析。
就涉及的内容而言,空间数据处理更多的偏重于空间位置及其关系的分析和管理。
2)空间数据分析。
空间数据分析是描述性和探索性的,通过对大量的复杂数据的处理来实现。
在各种空间分析中,空间数据分析是重要的组成部分。
空间数据分析更多的偏重于具有空间信息的属性数据的分析。
3)空间统计分析。
使用统计方法解释空间数据,分析数据在统计上是否是“典型”的,或“期望”的。
与统计学类似,空间统计分析与空间数据分析的内容往往是交叉的。
4)空间模型。
空间模型涉及到模型构建和空间预测。
在人文地理中,模型用来预测不同地方的人流和物流,以便进行区位的优化。
第五章 空间分析与建模空间分析(概述)概念:空间分析是指基于空间对象的属性、分布、形态及其空间关系特征的空间数据分析技术,它以地学原理为依托,通过空间分析算法和模型,从空间数据中获取有关地理对象的空间位置、空间分布、空间形态、空间形成和空间演变等。
目的:提取、传输空间信息,回答用户问题,是对地理数据的深加工。
*空间分析功能是GIS 的主要特征和评价GIS 软件的主要指标之一。
常用的空间分析方法:基于空间关系的查询、空间量算、缓冲区分析、叠置分析、网络分析、空间统计分类分析。
(对应于下列大标题)一、空间统计分析主要用于空间和非空间数据的分类、统计、分析和综合评价。
内容包括:统计图表分析、描述统计分析、空间自相关分析、回归分析、趋势分析、空间信息分类。
空间信息分类:(主成分分析、层次分析法、系统聚类分析)1、主成分分析:主成分分析是通过数理统计方法,将众多要素的信息压缩表达为若干具有代表性的合成变量(这就克服了变量选择时的冗余和相关),然后选择信息最丰富的少数因子进行各种聚类分析,构造应用模型。
2、层次分析法:AHP 方法常用来解决多目标决策问题。
把相互关联的要素按隶属关系分为若干层次,请有经验的专家对各层次各因素的相对重要性给出定量指标,利用数学方法综合专家意见给出各层次各要素的相对重要性权值,作为综合分析的基础。
3、聚类分析:亦称群分析或点群分析,它是研究多要素事物分类问题的数量方法。
其基本原理是,根据样本自身的属性,用数学方法按照某种相似性或差异性指标,定量地确定样本之间的亲疏关系,并按这种亲疏关系程度对样本进行聚类。
(是一门多元统计分类法,根据多种地学要素对地理实体进行划分类别的方法。
对不同的要素划分类别往往反映不同目标的等级序列,如土地分等定级、水土流失强度分级等。
)二、空间查询分析概念:按一定的要求对GIS 所描述的空间实体及其空间信息进行访问,从众多的空间实体中挑选出满足用户需求的空间实体及其相应属性。