空间分析下

叠加分析大部分GIS软件是以分层的方式组织地理景观，将地理景观按主题分层提取，同一地区的整个数据层集表达了该地区地理景观的内容。每个主题层，可以叫做一个数据层面。地理信息系统的叠加分析是将有关主题层组成的数据层面，进行叠加产生一个新数据层面的操作，其结果综合了原来两层或多层要素所具有的属性。叠加分析不仅包含空间关系的比较，还包含属性关系的比较。GIS叠加分析可以分为以下几类：视觉信息叠加、点与多边形叠加、线与多边形叠加、多边形叠加、栅格图层叠加叠加分析视觉信息叠加–视觉信息叠加是将不同侧面的信息内容叠加显示在结果图件或屏幕上，以便研究者判断其相互空间关系，获得更为丰富的空间信息。地理信息系统中视觉信息叠加包括以下几类：–点状图，线状图和面状图之间的叠加显示–面状图区域边界之间或一个面状图与其他专题区域边界之间的叠加–遥感影象与专题地图的叠加–专题地图与数字高程模型（DEM）叠加显示立体专题图–视觉信息叠加不产生新的数据层面，只是将多层信息复合显示，便于分析叠加分析点与多边形叠加–点与多边形叠加，实际上是计算多边形对点的包含关系。矢量结构的GIS能够通过计算每个点相对于多边形线段的位置，进行点是否在一个多边形中的空间关系判断–在完成点与多边形的几何关系计算后，还要进行属性信息处理–通过点与多边形叠加，可以计算出每个多边形类型里有多少个点，不但要区分点是否在多边形内，还要描述在多边形内部的点的属性信息叠加分析线与多边形叠加–线与多边形的叠加，是比较线上坐标与多边形坐标的关系，判断线是否落在多边形内–计算过程通常是计算线与多边形的交点，只要相交，就产生一个结点，将原线打断成一条条弧段，并将原线和多边形的属性信息一起赋给新弧段–叠加的结果产生了一个新的数据层面，每条线被它穿过的多边形打断成新弧段图层，同时产生一个相应的属性数据表记录原线和多边形的属性信息叠加分析线与多边形叠加–根据叠加的结果可以确定每条弧段落在哪个多边形内，可以查询指定多边形内指定线穿过的长度–如果线状图层为河流，叠加的结果是多边形将穿过它的所有河流打断成弧段，可以查询任意多边形内的河流长度，进而计算它的河流密度等–如果线状图层为道路网，叠加的结果可以得到每个多边形内的道路网密度，内部的交通流量，进入、离开各个多边形的交通量，相邻多边形之间的相互交通量叠加分析多边形叠加–多边形叠加是GIS最常用的功能之一。多边形叠加将两个或多个多边形图层进行叠加产生一个新多边形图层的操作，其结果将原来多边形要素分割成新要素，新要素综合了原来两层或多层的属性。叠加分析多边形叠加–叠加过程可分为几何求交过程和属性分配过程两步。几何求交过程首先求出所有多边形边界线的交点，再根据这些交点重新进行多边形拓扑运算，对新生成的拓扑多边形图层的每个对象赋一多边形唯一标识码，同时生成一个与新多边形对象一一对应的属性表–由于矢量结构的有限精度原因，几何对象不可能完全匹配，叠加结果可能会出现一些碎屑多边形（SilverPolygon），通常可以设定一模糊容限以消除它叠加分析多边形叠加类型–根据叠加结果最后欲保留空间特征的不同要求，一般的GIS软件都提供了5种类型的多边形叠加操作–Clip运算叠加分析多边形叠加类型–Erase运算–与Clip运算相反，Erase运算保留了Clip运算去掉的特征(点、线和面)，而去掉了Clip运算保留的部分。Erase运算的输出结果来自于被擦除的数据集的属性表，是其部分子集叠加分析多边形叠加类型–Union运算–Union运算是求两个数据集的并集的操作，只限于两个面数据集之间。在操作时，两个面数据集内的所有多边形都被输出到数据集中，在相交的点处多边形将被分裂叠加分析多边形叠加类型–Intersect运算–Intersect运算是求两个数据集的交集的操作，两个数据集中共同的部分将被输出到结果数据集中，其余部分将被排除叠加分析多边形叠加类型–Identity运算–Identity运算类似于Union运算，要对两个数据集进行相交计算。不同之处在于，Union运算保留了两个数据集的所有部分，而Identity运算只保留第一个数据集的所有部分，去掉第二个数据集(称为Identity数据集)中与第一个数据集没有重叠的部分空间插值空间插值的概念和理论–空间插值常用于将离散点的测量数据转换为连续的数据曲面，以便与其它空间现象的分布模式进行比较，它包括了空间内插和外推两种算法–空间内插算法是一种通过已知点的数据推求同一区域其它未知点数据的计算方法；空间外推算法则是通过已知区域的数据，推求其它区域数据的方法空间插值空间插值的概念和理论–在以下几种情况下必须作空间插值：–现有的离散曲面的分辨率，象元大小或方向与所要求的不符，需要重新插值–现有的连续曲面的数据模型与所需的数据模型不符，需要重新插值。栅格TIN(三角网插值)–现有的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。空间插值空间插值的概念和理论–空间插值的理论假设是空间位置上越靠近的点，越可能具有相似的特征值；而距离越远的点，其特征值相似的可能性越小–但是分类不考虑不同类别测量值之间的空间联系，只考虑分类意义上的平均值或中值，为同类地物赋属性值。空间插值空间插值的数据源–摄影测量得到的正射航片或卫星影象；–卫星或航天飞机的扫描影象；–野外测量采样数据，采样点随机分布或有规律的线性分布（沿剖面线或沿等高线）；–数字化的多边形图、等值线图空间插值空间插值的数据通常是复杂空间变化有限的采样点的测量数据，这些已知的测量数据称为“硬数据”如果采样点数据比较少的情况下，可以根据已知的导致某种空间变化的自然过程或现象的信息机理，辅助进行空间插值，这种已知的信息机理，称为“软信息”但通常情况下，由于不清楚这种自然过程机理，往往不得不对该问题的属性在空间的变化作一些假设，例如假设采样点之间的数据变化是平滑变化，并假设服从某种分布概率和统计稳定性关系。空间插值采样点的空间位置对空间插值的结果影响很大，理想的情况是在研究区内均匀布点然而当区域景观大量存在有规律的空间分布模式时，如有规律间隔的数或沟渠，用完全规则的采样网络则显然会得到片面的结果，正是这个原因，统计学家希望通过一些随机的采样来计算无偏的均值和方差但是完全随机的采样同样存在缺陷，首先随机的采样点的分布位置是不相关的，而规则采样点的分布则只需要一个起点位置，方向和固定大小的间隔，尤其是在复杂的山地和林地里比较容易。其次完全随机采样，会导致采样点的分布不均，一些点的数据密集，另一些点的数据缺少空间插值（1）规则采样（2）随机采样（4）成层随机采样（5）聚集采样（3）断面采样（6）等值线采样空间插值空间插值方法–空间插值方法可以分为整体插值和局部插值方法两类。整体插值方法用研究区所有采样点的数据进行全区特征拟合；局部插值方法是仅仅用邻近的数据点来估计未知点的值。–整体插值方法通常不直接用于空间插值，而是用来检测不同于总趋势的最大偏离部分，局部插值方法恰好能弥补整体插值方法的缺陷，可用于局部异常值，而且不受插值表面上其它点的内插值影响空间插值空间插值方法–空间插值方法可以分为整体插值和局部插值方法两类。整体插值方法用研究区所有采样点的数据进行全区特征拟合；局部插值方法是仅仅用邻近的数据点来估计未知点的值。–整体插值方法通常不直接用于空间插值，而是用来检测不同于总趋势的最大偏离部分，局部插值方法恰好能弥补整体插值方法的缺陷，可用于局部异常值，而且不受插值表面上其它点的内插值影响空间统计分类分析多变量统计分析主要用于数据分类和综合评价。数据分类方法是地理信息系统重要的组成部分一般说GIS存储的数据具有原始性质，用户可以根据不同的实用目的，进行提取和分析，特别是对于观测和取样数据，随着采用分类和内插方法的不同，得到的结果有很大的差异因此，在大多数情况下，首先是将大量未经分类的数据输入信息系统数据库，然后要求用户建立具体的分类算法，以获得所需要的信息。空间统计分类分析综合评价模型是区划和规划的基础。从人类认识的角度来看有精确的和模糊的两种类型，因为绝大多数地理现象难以用精确的定量关系划分和表示，因此模糊的模型更为实用，结果也往往更接近实际。综合评价一般经过四个过程：–评价因子的选择与简化；–多因子重要性指标（权重）的确定；–因子内各类别对评价目标的隶属度确定；–选用某种方法进行多因子综合。空间统计分类分析主成份分析–地理问题往往涉及大量相互关联的自然和社会要素，众多的要素常常给模型的构造带来很大困难，同时也增加了运算的复杂性。为使用户易于理解和解决现有存储容量不足的问题，有必要减少某些数据而保留最必要的信息–由于地理变量中许多变量通常都是相互关联的，就有可能按这些关联关系进行数学处理达到简化数据的目的空间统计分类分析主成份分析–主成分分析是通过数理统计分析，求得各要素间线性关系的实质上有意义的表达式，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。空间统计分类分析层次分析法–层次分析（AnalyticHierarchyProcess,AHP）法是系统分析的数学工具之一，它把人的思维过程层次化、数量化，并用数学方法为分析、决策、预报或控制提供定量的依据。事实上这是一种定性和定量分析相结合的方法。在模型涉及大量相互关联、相互制约的复杂因素的情况下，各因素对问题的分析有着不同的重要性，决定它们对目标重要性的序列，对建立模型十分重要。–AHP方法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空间统计分类分析系统聚类分析–系统聚类是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。–系统聚类的步骤一般是根据实体间的相似程度，逐步合并若干类别，其相似程度由距离或者相似系数定义。进行类别合并的准则是使得类间差异最大，而类内差异最小空间统计分类分析判别分析–判别分析与聚类分析同属分类问题，所不同的是，判别分析是预先根据理论与实践确定等级序列的因子标准，再将待分析的地理实体安排到序列的合理位置上的方法，对于诸如水土流失评价、土地适宜性评价等有一定理论根据的分类系统定级问题比较适用。–判别分析依其判别类型的多少与方法的不同，可分为两类判别、多类判别和逐步判别等第六章空间决策支持与专家系统学习目标·掌握空间决策支持系统与专家系统的基本概念·掌握决策支持系统的特点和构成·了解专家系统的基本组成·大致了解专家系统的知识表示和推理重点：决策支持系统的概念和特点，专家系统的基本组成决策的概念决策支持系统的概念和特点决策支持系统的构成空间决策支持的一般过程一、决策的概念决策是为达到某一目的而在若干可行方案中经过科学分析、比较、判断，从中选取最优方案并赋予实施的过程。决策过程一般分为五个步骤：⑴识别问题或对决策的要求；⑵分析和阐明方案；⑶做出选择；⑷传达和执行决策；⑸追踪和反馈决策的结果。二、决策支持系统的概念和特点决策支持系统DSS是以管理科学、运筹学、控制论和行为科学为基础，以计算机技术、仿真技术和信息技术为手段，利用各种数据、信息、知识、人工智能和模型技术，面对半结构化的决策问题，支持决策活动的人机交互信息系统。决策支持系统的特点⑴主要解决半结构化的决策问题。⑵面向决策者。⑶强调支持的概念。⑷模型和用户共同驱动。⑸强调交互式的处理方式。三、决策支持系统的构成1.交互语言系统2.问题处理系统3.知识库系统4.数据库系统5.模型库系统6.方法库系统四、空间决策支持的一般过程1.空间决策支持的概念2.空间决策支持的一般过程⑴确定目标⑵搜集数据⑶建立模型⑷寻求手段⑸结果评价第二节专家系统专家系统的基本组成专家系统的知识表示与推理人工智能与专家系统专家系统的基本组成用户专家知识库专家知识获取程序用户