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。
