下载文档原格式
统计学中的时空统计分析研究随着经济全球化和信息技术的快速发展，数据的产生和采集越来越容易。
统计学作为一门关注数据科学的学科，逐渐成为了解决各类经济、社会及自然科学问题的重要工具和方法。
其中一项重要的研究领域是时空统计分析。
时空统计分析是指对时间和空间数据进行分析与建模的一种方法，主要应用于地球科学、环境科学、交通运输、气象预测等方面。
其基本思想是将时间和空间看作为一个整体，建立起相应的数学或计量模型，从而得出每个时空点的价值或状态以及它们之间的相关性。
时空数据由于具有时间和空间两个维度，因此比非时空数据更加复杂。
时空数据又可以分为三类：点模式、区域模式和网格模式。
点模式主要研究离散的、有明确空间位置的数据点；区域模式则研究连续空间角色的随机变量；网格模式则采用一定的空间网络格点，对于每个格点上的值进行研究。
这三种模式都需要统计方法在分析它们时考虑时间相关性，空间相关性以及时间和空间的交互影响。
时空统计分析常见的方法有聚类分析、空间插值、泊松回归、空间回归、空间关联分析、空间因素分析等等。
这些方法旨在建立空间和时间相关的模型，分析数据的相关性，并通过预测和解释来解决相应的问题。
例如，可以通过空气质量监测站的数据，进行相关模型的建立，从而得出未来不同地区空气质量的变化预测结果，或者预测区域内 PM2.5 浓度随时间和空间关系变化的规律。
这些分析结果可以为机构和政府决策者提供科学依据和指导。
时空统计分析还可以解决很多其他领域的问题。
例如，在运输领域，可以通过时空统计分析技术，建立空气质量预测模型，准确提前预测出道路交通的交通状况，以便调整路况、路网、公交和交通配套设施等，优化城市交通管理方案。
在气象领域，可以通过时空统计分析技术，建立气象预测模型，实时预测风暴活动及其行进轨迹，从而提升灾害防范能力。
在城市规划领域，可以通过时空统计分析技术，结合地形、自然环境、城市文化等空间因素，构建城市功能设计模型，探索城市公共资源多层次、多角度的空间结构优化方式。
时空数据挖掘的难点解决方法时空数据挖掘是指在包含时空信息的数据集中发现有意义的规律、潜在关系和趋势的过程，是当前数据挖掘领域的热点之一。
然而，时空数据挖掘遇到的难点也是很多，如何解决这些难点，推动时空数据挖掘的发展，成为研究的重点。
下面就时空数据挖掘的难点及其解决方法做一简要阐述：一、时空数据大规模、高维、异构时空数据具有空间和时间特征，采集场景也千差万别，导致时空数据大规模、高维、异构，为时空数据挖掘带来很大的挑战。
解决方法：1、采用降维方法，如主成分分析、局部线性嵌入等，将高维数据转换为低维数据，提升数据处理效率；2、组合多种特征，构建多源数据模型，充分利用不同来源数据的互补性，提升模型能力；3、设计特定的数据结构，如kd树、R树等，优化数据查询效率。
二、复杂时空关系挖掘难度大时空数据具有复杂的关联关系，如空间位置关系、时间序列关系、空间时间交互作用等，导致时空数据挖掘难度大。
解决方法：1、采用特定的时空数据挖掘算法，如时空聚类、时空关联规则挖掘、时空预测等；2、利用深度学习和神经网络等方法，提高数据挖掘的精度和效率；3、利用可视化方法，将时空关系可视化，显现数据间的关联关系。
三、时空数据难以准确标注时空数据标注难度大，数据质量不够高，这对时空数据挖掘的精度和效率产生很大的影响。
解决方法：1、采用各种方法提高数据标注的准确率，如标注规范化、众包标注、自动标注等；2、优化模型的训练策略，提升模型对噪声和误差的容忍度；3、采用验证机制，对标注数据进行验证和纠错，提高数据质量。
四、时空数据隐私保护的需要时空数据挖掘涉及重要信息，数据隐私的泄露风险大，需要进行隐私保护。
解决方法：1、采用数据脱敏技术，如数据添加噪声、数据加密等，保护数据隐私；2、建立保护机制，设计访问控制、数据权限控制等安全措施；3、申请合法资格，确保数据使用合法，不违背法律规定。
总之，时空数据挖掘的发展对于科研、社会以及经济发展都具有重要的作用，我们需不断努力，攻克时空数据挖掘中的难点，推动时空数据挖掘的发展。
地空一体化战场时空数据组织模型及应用近年来，越来越多的应用系统开始向空间时空数据及用户体验模型迁移。
在空间时空数据管理方面，有一种称为“地空一体化战场时空数据组织模型”，主要针对战争环境下的空中地面数据的管理需求。
本文以该模型为背景，探讨了地空一体化战场时空数据组织模型及其相关应用。
一、地空一体化战场时空数据组织模型地空一体化战场时空数据组织模型是指将地面数据与空中数据完美结合，以及在时空信息获取、管理、分析等方面，充分发挥地面和空中的协同作用以便高效率地处理时空数据的一种模型。
地空一体化战场时空数据组织模型的主要特点是：1、立足地面和空中的时空关系，结合地面和空中的协同作用，构建一个时空网络；2、结构化地管理时空数据，完成使用者与时空信息间，传输和分析等应用；3、在时空信息传输方面提供了多重网络时空模型，大大增强了数据安全性；4、面向战场环境，更好地适用于高空信息收集、调控与指挥等任务。
二、应用实例地空一体化战场时空数据组织模型的应用已经得到了迅速的发展，下面将简要介绍一些应用实例：1、航空支援：地空一体化战场时空数据组织模型可以应用于航空武器支援系统，比如战斗机、轰炸机和侦察机的持续测量，数据组织及维护，以及空中部署指挥及拦截等；2、卫星识别：可以应用于卫星定位、识别和跟踪等，提高卫星信息收集、调控及指挥的效率；3、自动指挥与自动管理：可以用于指挥机动兵种，进行自动分配任务，实现自动指挥与自动管理；4、航空航空信息服务：可以用于实现航空信息及资源共享，实现大规模航空航行；5、智能护卫：智能护卫是指在地空一体化战场时空数据组织模型的基础上，为有害物体提供全方位的保护，实现对有害物体的有效护卫。
三、地空一体化战场时空数据组织模型的优势1、提高信息安全性：地空一体化战场时空数据组织模型提供了多重网络时空模型，大大提高了信息的安全性，使用者可以更加安全的使用时空数据；2、提高战斗效率：地空一体化战场时空数据组织模型不仅实现了地面和空中的协同作用，同时还提高了战斗效率，促进了军队的准确指挥；3、提高地空协同能力：地空一体化战场时空数据组织模型面向战场环境，大大提高了地面和空中的协同能力，可以更好地适用于高空信息收集、调控与指挥等任务。
如何进行时空数据建模与分析时空数据建模与分析是指对在时间和空间上变化的数据进行建模和分析的过程。
随着科技的发展和数据采集技术的进步，时空数据变得越来越重要，它可以应用于各个领域，如城市规划、环境保护、交通管理等。
本文将介绍时空数据建模与分析的基本概念和方法，并讨论如何有效地进行时空数据建模与分析。
一、时空数据建模的基本概念时空数据建模是指对在时间和空间上变化的数据进行抽象和描述的过程。
时空数据经常以表格、图像或视频形式呈现，它包含了多个维度的数据，例如时间、地理位置、属性等。
时空数据建模的目标是找到数据的内在规律和关联，并能够解释和预测未来的变化趋势。
在时空数据建模中，需要考虑以下几个关键问题：1. 数据获取：时空数据的获取是建模的基础，需要使用各种数据采集技术，如卫星遥感、传感器网络等。
获取的数据应具有高准确度和高时空分辨率，以更好地反映现实世界的变化。
2. 数据预处理：时空数据通常存在缺失值、异常值和噪声，需要进行预处理，以提高数据质量。
预处理的方法包括插值、异常检测和平滑等。
3. 数据集成：时空数据通常来自多个数据源，需要将不同来源的数据集成为一个一致的数据集。
数据集成的关键是解决数据的差异性和冲突性，以提供一个完整的时空数据集。
4. 数据建模：数据建模是将时空数据转化为可分析的形式，以进行进一步的分析和预测。
常用的建模方法包括统计模型、机器学习和深度学习等。
二、时空数据分析的基本方法时空数据分析是指对时空数据进行统计、挖掘和可视化的过程。
通过分析时空数据，可以发现其潜在的规律和关联，从而提供支持决策和优化的依据。
下面介绍几种常用的时空数据分析方法：1. 空间分析：空间分析是对地理位置上变化的数据进行分析和研究的过程。
常用的空间分析方法包括地理加权回归、Kriging插值和空间聚类等。
通过空间分析，可以揭示空间分布的规律和模式。
2. 时间序列分析：时间序列分析是对时间上变化的数据进行建模和分析的过程。
空间数据智能中的轨迹大数据分析：多源融合与前沿进展目录1. 内容描述 (2)1.1 研究背景和意义 (2)1.2 国内外研究现状 (3)1.3 本文的研究内容与方法 (5)2. 空间数据智能概述 (6)2.1 空间数据定义与特性 (6)2.2 智能数据处理技术 (7)2.3 空间数据处理的发展趋势 (8)3. 轨迹大数据的概念与特点 (10)3.1 轨迹数据定义 (11)3.2 轨迹大数据的特点 (12)3.3 轨迹数据的主要应用领域 (13)4. 多源轨迹数据融合技术 (14)4.1 数据融合的基本原理 (16)4.2 数据融合技术的发展历程 (17)4.3 多源融合算法与技术 (19)4.4 融合技术在轨迹大数据中的应用 (20)5. 前沿进展 (22)5.1 深度学习在轨迹分析中的应用 (23)5.2 云计算与大数据分析技术 (25)5.3 跨学科融合研究 (26)5.4 隐私保护与安全问题 (27)6. 应用案例分析 (29)6.1 交通流量预测 (30)6.2 城市环境监测 (31)6.3 安全监控与应急管理 (33)7. 未来发展方向 (34)7.1 技术创新与应用领域拓展 (35)7.2 数据隐私与安全挑战 (37)7.3 跨学科研究的融合 (38)7.4 标准化与政策法规制定 (39)8. 结论与展望 (41)1. 内容描述本论文旨在探讨和分析在空间数据智能领域中关于轨迹大数据的处理方法和分析技术，特别是涉及多源数据融合的前沿进展。
首先，我们将介绍轨迹数据的特点、处理和分析的重要性和背景。
之后，将详细讨论多源数据融合的技术和方法，包括但不限于传感器数据、卫星图像、社交媒体信息等，这些数据来自于不同的来源和平台，它们在空间数据智能中扮演着关键角色。
我们将深入研究各类分析技术，如模式识别、机器学习、深度学习模型以及它们如何帮助在轨迹大数据中揭示模式和趋势。
此外，还将探讨隐私保护和数据挖掘过程中的伦理问题，因为这些技术的应用不仅涉及到数据质量、精确度和效率，还涉及到对个人隐私的保护。
时空模型是用于描述和解释事物在时间和空间中变化和演化的模型。
这种模型在多个领域都有广泛的应用，包括地理信息系统、城市规划、生态学、气象学等。
在时空模型中，时间和空间被视为连续的变量，事物的发展和变化被视为在这两个维度上的函数。
通过建立数学模型或计算机模拟，我们可以预测事物在未来时间和空间中的状态和趋势。
时空模型有多种类型，包括空间一时间连续模型、空间一时间离散模型、时空隐含模型等。
这些模型各有特点和适用范围，可以根据具体的研究问题和数据类型进行选择。
在建立时空模型时，需要收集大量的时空数据，并对其进行预处理和分析。
这些数据可以来自各种来源，包括卫星遥感数据、社会经济调查、历史文献等。
通过对数据的分析，我们可以提取出事物变化的特征和规律，进而建立更加精确的时空模型。
时空模型的应用非常广泛。
例如，在城市规划中，通过建立人口分布的时空模型，可以预测未来城市的人口增长趋势，为城市规划和政策制定提供科学依据。
在生态学中，通过建立物种分布的时空模型，可以了解物种的生态位和生存环境，有助于保护濒危物种和维护生态平衡。
在气象学中，通过建立气候变化的时空模型，可以预测未来的气候变化趋势，为气候变化研究和应对提供支持。
总之，时空模型是一种重要的工具，可以帮助我们更好地理解事物在时间和空间中的变化和演化。
通过建立和应用时空模型，我们可以更好地预测未来，制定科学的政策和规划。
物联网时空数据库建模与查询处理研究随着物联网的快速发展，越来越多的物理设备和传感器与互联网连接，产生了大量的实时数据。
而这些数据的空间和时间维度对于许多应用领域，如交通管理、环境监测、智慧农业等具有重要意义。
物联网时空数据库的建模和查询处理成为了一项重要的研究课题。
物联网时空数据库建模是指将时空信息融入到数据库模型中，以便有效地存储和管理时空数据。
时空数据的特点在于它们不仅包含了空间位置信息，还包含了时间信息。
因此，在建模时需要考虑空间和时间维度的特性，以及它们之间的关联。
常见的物联网时空数据模型包括地理信息系统（GIS）模型、时空关系模型、时空数据立方体模型等。
地理信息系统模型是一种常用的物联网时空数据库建模方法。
它将地理空间数据与属性数据进行关联，通过空间索引和查询来支持时空数据的管理和分析。
时空关系模型则更加注重对时空关联关系的建模，以便更好地理解和处理物联网时空数据。
时空数据立方体模型则以数据立方体为基础，将时空数据视为多维数据来进行建模和查询。
在物联网时空数据库的查询处理方面，主要包括时空数据的查询语言、查询优化和查询执行等问题。
物联网时空数据的查询语言需要能够支持空间和时间维度的查询操作，并且能够灵活地处理复杂的时空查询。
查询优化则是通过选择合适的查询执行计划来提高查询效率。
而查询执行则是根据查询计划来执行查询操作，包括数据读取、过滤和计算等过程。
物联网时空数据库建模和查询处理的研究在许多领域具有广泛的应用。
在交通管理中，时空数据库可以用于实时交通监测和预测，以便优化交通流量和减少拥堵。
在环境监测中，时空数据库可以用于收集和分析环境数据，以便及时采取措施应对环境问题。
在智慧农业中，时空数据库可以用于监测农田土壤水分和养分的变化，以便合理调控灌溉和施肥。
然而，物联网时空数据库建模和查询处理仍面临一些挑战。
首先，在时空数据建模方面，如何更好地捕捉时空数据的特征和关联关系是一个难题。
其次，在时空数据查询处理方面，如何提高查询效率和准确性是一个重要问题。
第26卷 第1期2010年1月地理与地理信息科学GeographyandGeo-InformationScienceVol.26 No.1January2010
收稿日期:2009-10-23; 修订日期:2009-12-22
基金项目:国家自然科学基金项目(40901194、40801162);国家重点基础研究发展计划项目(2009CB723903) 作者简介:薛存金(1979-),男,博士,助研,从事时空数据模型与海洋GIS研究,已发表论文10余篇。E-mail:cjxue@ceode.ac.cn
时空数据模型的研究现状与展望薛存金1,谢 炯2(1.中国科学院对地观测与数字地球科学中心数字地球科学重点实验室,北京100191;
2.中国科学院地理科学与资源研究所资源环境信息国家重点实验室,北京100101)
摘要:分析了时空表达与建模理论的5个发展阶段:基于静态数据模型扩展、面向对象表达、基于对象变化(事件序列)、时空集成和以过程为核心的时空数据模型;阐述了时空数据模型在时空动态语义、地理时空认知表达和地球信息科学解决的基本问题方面的研究现状,并指出由于现有时空数据模型主要以地理实体存在状态的“对象视图”或“事件视图”(而不是演变特性的“过程视图”)作为表达载体,割裂了其内在联系,无法实现复杂地理实体的时空语义描述和动态过程分析。最后,提出以地理实体演变为核心的时空语义描述方法和融入地理对象、变化机制、对象变化的时空动态表达将是时空表达与建模理论的发展趋势。关键词:时空数据模型;动态语义;表达框架;变化机制中图分类号:P208 文献标识码:A 文章编号:1672-0504(2010)01-0001-06
地理实体的动态表达与建模是地球信息科学的核心内容,也是时空分析、地理深层知识获取和挖掘的基础[1,2],对进一步的时空信息模拟、预测及决策分析具有重要意义及应用价值[2-5]。因而,时空数据模型和时态GIS已成为国内外研究热点。近20多年从不同的认知角度发展了大量时空表达与建模理论,经历了基于传统的静态数据模型扩展[6,7]、面向对象表达[8-11]、基于对象变化(事件序列)[12-15]、时空集成[5,16,17]和以过程为核心[3,18-21]5个发展阶段。由于地理实体的复杂性和多样性,现有的时空表达与建模理论多基于特定的应用领域、针对特定的科学问题设计,致使时空动态语义出现重叠或空白,表达框架体系不完整。因而,有必要对时空数据模型的时空动态语义和表达框架体系进行梳理,力求为开展时空表达与建模理论提供新的研究思路。地理实体是时空数据模型的表达载体,解决地球信息科学的基本问题是开展时空表达与建模理论研究的最终目的。本文从时空动态语义、地理实体类型和地球信息科学的基本问题3个角度,阐述现有时空数据模型的研究成果、存在的问题及其根源,并给出时空表达与建模理论发展趋势及其进一步的研究内容。1 研究现状1.1 时空动态语义完整的时空动态语义应包括地理实体、实体变化和引起变化的原因(变化机制)。如此,才能实现地理实体和实体变化的表达和地理时空信息的深层知识挖掘。因而,定义时空动态语义描述框架为:
S=f(E,EC,CM)(1)其中:S为时空语义,f为描述框架体系,E为地理实体,EC为地理实体变化,CM为地理实体的变化机制。1.2 地理实体的基本类型地理实体类型的划分是进行时空表达与建模的前提,从不同的角度研究,其基本类型存在差异[17,22],本文从地理时空认知理论和人的行为习惯
出发,根据地理实体的属性、功能、关系在时空域上的变化特性,将地理实体归纳为7种基本类型(图1),语义如表1。其中,XOY代表二维地理空间,T
代表时间轴,椭圆的形状和尺寸代表地理实体的空间信息,灰度代表属性信息。表1 地理实体基本类型的语义描述Table1 Semanticsdescriptionofthegeographicalentities
类型描述语义I空间位置相对不变,属性信息也相对不变Ⅱ空间位置相对不变,属性信息在某一时刻发生变化Ⅲ空间位置相对不变,属性信息在某时段内连续发生变化Ⅳ属性信息相对不变,空间位置信息在某一时刻发生变化Ⅴ空间位置信息在某时刻发生变化,属性信息也发生相应变化Ⅵ属性信息相对不变,空间位置信息在某时段内连续发生变化Ⅶ空间位置信息在某时段内连续发生变化,属性信息也连续发生变化
1.3 地球信息科学解决的基本问题能否解决地球信息科学的基本问题及解决的程度如何,是检验时空数据模型科学性的标准。吴立新等把地球信息科学需要解决的基本问题概括为“4W2HR”[22],而Paul等则将其概括为“全球状态”
© 1994-2011 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net和“状态变化”两类问题[4]。本文从地理实体的空间、时间、属性的功能关系上进行细化,把地球信息科学需要解决的基本问题归纳为9类:Ⅰ:在给定时刻,地理实体的属性信息和空间信息分布状态问题;Ⅱ:在给定时刻,地理实体间空间拓扑关系问题;Ⅲ:在给定的时间范围内,地理实体的属性信息和空间信息哪些发生了变化、哪些没有发生变化的问题;Ⅳ:在给定的时间范围内,地理实体的属性信息和空间信息发生变化的速度问题;Ⅴ:在未来的给定时刻或给定的时间范围内,地理实体的属性信息和空间信息变化的趋势问题;Ⅵ:在给定位置,地理实体的属性信息在某时刻的状态问题;Ⅶ:在给定位置,地理实体的属性信息在时间范围内的变化问题;Ⅷ:地理实体在整个生命周期内存在的状态、变化过程问题;Ⅸ:地理实体在整个生命周期内的变化趋势、变化动力问题。其中,基本问题Ⅰ、Ⅱ和Ⅵ是地理实体在给定时刻的状态问题,分别对应“4W2HR”的“What”、“S2Relationship”、“What”,并与Paul的“全球状态”基本问题吻合;基本问题Ⅲ、Ⅳ、Ⅶ和Ⅷ是地理实体在给定的时间范围内空间信息和属性信息的功能关系的动态变化问题,对应于“4W2HR”的“Whatchangedhow”和Paul的“状态变化”问题;而基本问题Ⅴ和Ⅸ是地理实体在未来给定时间范围内功能关系如何变化及变化趋势问题。
图1 地理实体的基本类型Fig.1 Typesofthegeographicalentities
2 研究成果与存在的问题地学实体及其时空关系的复杂性注定了大多数时空数据模型是针对特定应用领域和科学问题提出的[23,24],其核心思想、表达的地理实体类型和解决的科学问题都存在差异,表2给出了不同发展阶段时空数据模型在核心思想、表达的地理实体类型和解决的基本问题方面的对比分析。从表2可知,随着对地理时空认知程度的深化,时空数据模型的发展在时空语义上更趋完备,表达的地理实体类型和解决的地球信息科学问题也趋于全面。在不同阶段发展起来的时空表达与建模理论能表达特定的地理实体类型、解决某些类型的地球信息科学问题,但同时也存在不足。本文阐述不同发展阶段时空数据模型的研究成果及其不足之处。2.1 静态数据模型的扩展早期的时空数据模型具代表性的有时空立方体模型和时空快照模型,该类模型首次在语义上实现了“静态→动态”的扩展,丰富了地理实体的动态语义。通过把时态信息离散地标示在矢量或栅格数据的状态上,利用不同时刻状态的变化检测操作,实现矢量或栅格数据变化信息的表达。该类数据模型在动态语义上的突破,为后续时空建模的时态信息表达奠定了理论基础。从表达的地理实体类型上分析,由于时态信息离散地标示在矢量或栅格数据的状态上,该数据模型只能表达某时刻状态发生变化的地理实体,无法实现时间范围内连续变化的地理实体的描述与表达。例如,该类数据模型能表达海岸线的变迁、土地的利用变更,却无法实现台风、火势蔓延等现象动态变化的描述与表达。由于在时空语义下缺少变化信息和变化机制,
该类数据模型能够回答某时刻地理实体的状态问题(问题Ⅰ),而对于地理实体某时段内的变化问题(问
题Ⅵ),则需要通过模型外部或内部的操作算子实现,问题的复杂性与操作算子的复杂度呈线性比例关系;而对于引起变化的原因、变化的程度及趋势等问题却无能为力。
页2第地理与地理信息科学 第26卷© 1994-2011 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net表2 时空数据模型对比分析Table2 Comparativeanalysisofthespatio2temporaldatamodels
时空数据模型核心思想地理实体类型基本问题类型传统数据模型的扩展
面向对象表达基于对象变化(事件序列)
时空集成以过程为核心
1)记录时刻状态(矢量或栅格);类型Ⅰ问题Ⅰ2)离散时间间隔地标示在状态上,隐式地表达状态变化;类型Ⅱ问题Ⅵ3)语义描述框架:S=f(E
)。类型Ⅳ
1)记录时刻状态对象;类型Ⅰ问题Ⅰ2)离散时间间隔地标示在对象上,隐式地表达对象变化;类型Ⅱ问题Ⅱ3)同时记录对象的具有时态信息的空间、属性和关系;类型Ⅳ问题Ⅵ4)语义描述框架:S=f(E
)。类型Ⅴ
1)同时记录初始状态(矢量、栅格、对象)和对象变化(事件);类型Ⅱ问题Ⅰ、Ⅱ2)离散时间标示在对象(事件)序列上,显式地表达对象变化;类型Ⅳ问题Ⅲ3)采用对象ID或双向链表实现状态变化的完整视图;类型Ⅴ问题Ⅳ4)语义描述框架:S=f(E,EC
)。问题Ⅵ、Ⅶ
1)等同的记录地理对象的空间信息、时态信息和属性信息;问题Ⅰ～Ⅳ2)利用外部函数或指针实现空间、时态和属性信息综合集成,并进行动态变化表达;全部实体类型问题Ⅵ3)语义描述框架:S=f(E,EC),模型的内部函数或指针隐式的地理实体的表达变化机制。问题Ⅶ1)把时空过程对象作为表达的基本单元,同时记录地理实体、实体变化和变化机制;类型Ⅱ、Ⅲ问题Ⅰ～Ⅳ2)采用分级的思想,实现不同时态尺度的地理实体表达(状态→过程);类型Ⅳ问题Ⅵ～Ⅸ3)把变化机制引入时空动态语义和建模框架体系下;类型Ⅴ4)语义描述框架:S=f(E,EC,CM
)。类型Ⅵ、Ⅶ
该类数据模型表达地理实体类型和解决地球信息科学问题的能力有限,不足之处主要包括:1)数据冗余问题:不同时刻状态信息的重复存储;2)地理实体的变化尺度与表达的时态尺度一致性问题:如何解决两者的同步性,尽可能减少信息丢失;3)时刻状态间的信息丢失问题:地理实体的变化尺度与表达的时态尺度不一致和表达连续变化的地理实体时,都会存在信息的丢失问题。2.2 面向对象的时空数据模型面向对象的时空数据模型的核心内容是在静态对象数据模型的基础上扩展时态信息的表达。从时空语义上分析,时态信息离散地标示在变化地理对象上,等同地记录对象的空间信息、属性信息和空间关系,而信息的变化需通过不同时刻状态对象的变化操作获取。与基于传统数据模型扩展不同的是,该类数据模型能隐式地表达空间关系的动态变化。该类数据模型以地理对象作为表达载体,能表达空间信息、属性信息和空间关系同时发生变化的地理实体类型(问题Ⅰ、Ⅱ、Ⅳ、Ⅴ);从解决的地球信息科学问题上分析,不仅能解决空间和属性信息的状态变化问题(问题Ⅰ、Ⅵ),也能回答空间关系的变化问题(问题Ⅱ)。例如,龚健雅利用面向对象技术把时态信息分别标示在属性信息、空间信息、空间关系和对象版本上,实现地理实体的属性信息、空间信息及关系和地理对象的动态变化[9]。与基于静态数据模型的扩展类似,该类数据模型无法直接表达对象的变化信息,需要通过模型内部和外部的操作算子实现,且同样无法回答对象变化原因、变化程度、变化趋势等问题。其不足之处与基于静态数据模型的扩展类似,主要存在数据冗余和信息丢失,在此不再赘述。2.3 基于对象变化(事件序列)的时空数据模型Peuquet等基于事件的时空数据模型是模拟事件序列的时空数据模型的代表[12],通过把地理实体
