GIS的數(shù)據(jù)模型分兩大類 即矢量數(shù)據(jù)模型和柵格數(shù)據(jù)模型 以柵格數(shù)據(jù)模型為存儲結(jié)構(gòu) 地圖代數(shù) MapAlgebra 為數(shù)學(xué)基礎(chǔ)的空間分析方法自1980年代后期以來成為GIS技術(shù)發(fā)展的重要方向 并日趨成熟 它的最大特點就是能夠?qū)臻g問題進(jìn)行建模 因此已成為衡量一個GIS功能強弱的關(guān)鍵指標(biāo)之一 一 柵格數(shù)據(jù)模型 1 概念柵格數(shù)據(jù)模型是一種簡單直觀的空間數(shù)據(jù)結(jié)構(gòu) 又稱網(wǎng)格結(jié)構(gòu)或像元結(jié)構(gòu)是將地球表面劃分為大小相等的網(wǎng)格陣列 每個網(wǎng)格作為一個像元或像素由行 列定義 并包含一個代碼表示該像素的屬性類型或量值 或僅僅包含指向其屬性記錄的指針 因此 柵格數(shù)據(jù)是以規(guī)則的陣列來表示空間地物或現(xiàn)象分布的數(shù)據(jù)組織 組織中的每個數(shù)據(jù)表示地理要素的非幾何屬性特征 2 柵格數(shù)據(jù)結(jié)構(gòu)獲取方法 柵格結(jié)構(gòu)是以規(guī)則的陣列來表示空間地物或現(xiàn)象分布的數(shù)據(jù)組織 組織中的每個數(shù)據(jù)表示地理要素的非幾何屬性特征 特點 屬性明顯 定位隱含 獲取方法 1 手工網(wǎng)格法 2 掃描數(shù)字化法 3 分類影像輸入法 4 數(shù)據(jù)結(jié)構(gòu)轉(zhuǎn)換法 二 矢量數(shù)據(jù)模型 X Y i j x1y1 x2y2 xiyi xnyn 1 概念矢量數(shù)據(jù)模型的矢量結(jié)構(gòu)是通過記錄坐標(biāo)的形式來表示點 線 面 多邊形 等地理實體 特點 定位明顯 屬性隱含 獲取方法 1 手工數(shù)字化法 2 手扶跟蹤數(shù)字化法 3 數(shù)據(jù)結(jié)構(gòu)轉(zhuǎn)換法 三矢量結(jié)構(gòu)與柵格結(jié)構(gòu)的比較 四三維數(shù)據(jù)結(jié)構(gòu)三維數(shù)據(jù)結(jié)構(gòu)也存在柵格和矢量兩種形式 柵格結(jié)構(gòu)使用空間索引系統(tǒng) 它包括將地理實體的三維空間分成細(xì)小的單元 稱之為體元或體元素 存儲這種數(shù)據(jù)的最簡單形式是采用三維行程編碼 它是二維行程編碼在三維空間的擴充 這種編碼方法可能需要大量的存儲空間 更為復(fù)雜的技術(shù)是八叉樹 它是二維的四叉樹的延伸 三維矢量數(shù)據(jù)結(jié)構(gòu)表示有多種方法 其中運用最普遍的是具有拓?fù)潢P(guān)系的三維邊界表示法和八叉樹表示法 6 2GIS空間分析的基本原理與方法一 柵格數(shù)據(jù)分析的模式1柵格數(shù)據(jù)的聚類 聚合分析1 聚類分析概念 空間聚類是根據(jù)預(yù)先設(shè)定的聚類條件 使符合條件的區(qū)域輸出在圖上 不符合條件的區(qū)域為空白 a 柵格數(shù)據(jù)系統(tǒng)樣圖 b 提取要素 2 的聚類結(jié)果 聚類分析示意圖 在四種類型要素中提取其中要素2的聚類 2 1 1 3 4 0 示例 空間聚類 1 某鎮(zhèn)土地利用現(xiàn)狀 左下圖是一幅土地利用柵格圖 1 耕地 2 園地 3 林地 4 居民點 5 獨立工礦 6 水域 7未利用地 設(shè)定條件可以是 E 屬性 水域 面積 1公頃 水域鄰接居民點 右下圖是輸出結(jié)果 這類聚類條件的設(shè)定常用于位址規(guī)劃 圖空間聚類分析輸出圖形 2 聚合分析概念聚合分析是根據(jù)預(yù)先設(shè)定的聚合條件 在同一圖層上進(jìn)行數(shù)據(jù)類別的合并或轉(zhuǎn)換 以實現(xiàn)空間地域的兼并 從而將復(fù)雜的空間數(shù)據(jù)合并成預(yù)定的類別空間聚合的結(jié)果往往是將復(fù)雜的類別轉(zhuǎn)換為較簡單的類別 大多數(shù)以小比例尺圖形輸出 當(dāng)從大比例尺圖形向小比例尺圖形轉(zhuǎn)換時 常使用這種方法 a b 柵格數(shù)據(jù)的聚合 a 3b 3 1耕地2園地3林地4居民點5獨立工礦6水域7未利用地 耕地 園地 林地 水域 農(nóng)用地 居民點 獨立工礦 建設(shè)用地未利用地 未利用土地 聚類 聚合分析應(yīng)用柵格數(shù)據(jù)的聚類聚合分析處理法在數(shù)字地形模型及遙感圖象處理中的應(yīng)用是十分普遍的 例如 由數(shù)字高程模型轉(zhuǎn)換為數(shù)字高程分級模型便是空間數(shù)據(jù)的聚合 而從遙感數(shù)字圖象信息中提取其一地物的方法則是柵格數(shù)據(jù)的聚類 信息復(fù)合模型 overlay 包括兩類 即簡單的視覺信息復(fù)合和較為復(fù)雜的疊加分類模型 正因為如此 柵格數(shù)據(jù)常被用來進(jìn)行區(qū)域適應(yīng)性評價 資源開發(fā)利用 規(guī)劃等多因素分析研究工作 在數(shù)字遙感圖象處理工作中 利用該方法可以實現(xiàn)不同波段遙感信息的自動合成處理 視覺信息復(fù)合是將不同專題的內(nèi)容疊加顯示在結(jié)果圖件上 參加復(fù)合的平面之間沒發(fā)生任何邏輯關(guān)系 仍保留原來的數(shù)據(jù)結(jié)構(gòu) 疊加分類模型則根據(jù)參加復(fù)合的數(shù)據(jù)平面各類別的空間關(guān)系重新劃分空間區(qū)域 使每個空間區(qū)域內(nèi)各空間點的屬性組合一致 疊加結(jié)果生成新的數(shù)據(jù)層 該數(shù)據(jù)層圖形數(shù)據(jù)記錄了重新劃分的區(qū)域 而屬性數(shù)據(jù)庫結(jié)構(gòu)中則包含了原來的幾個參加復(fù)合的數(shù)據(jù)層的屬性數(shù)據(jù)庫中所有的數(shù)據(jù)項 2柵格數(shù)據(jù)的信息復(fù)合分析 1 概念視覺信息復(fù)合是將統(tǒng)一地區(qū)的統(tǒng)一比例尺的不同含義的圖形圖像進(jìn)行疊合顯示在屏幕上或結(jié)果圖件上 以便判斷不同地理實體的空間關(guān)系 從而獲取更多的空間信息 視覺信息復(fù)合中 不改變各圖層數(shù)據(jù)結(jié)構(gòu) 也不形成新的數(shù)據(jù) 只給用戶帶來視覺效果 用于目視分析 1 視覺信息復(fù)合 A點 線和面狀圖之間的復(fù)合通過點線和面狀圖的相互復(fù)合 尋求特征信息在空間上的關(guān)聯(lián)性 在這里強調(diào)的是復(fù)合圖之間的關(guān)系 而不是強調(diào)生成新的目標(biāo) 如要了解居民點與污染區(qū)空間位置關(guān)系 就可以把居民點圖和污染分區(qū)圖進(jìn)行點與面的視覺復(fù)合 直覺上可以看到各個居民點的污染輕重 又如旅游者在確定旅游線路時 可把該地區(qū)的旅游景點圖 地形 交通和旅游者位置進(jìn)行信息復(fù)合 從而幫助旅游者確定旅游線路等 面狀圖 線狀圖和點狀圖之間的復(fù)合 面狀圖與專題區(qū)域邊界之間的復(fù)合 B遙感信息和專題圖的視覺復(fù)合遙感信息和非遙感信息結(jié)合是地理信息系統(tǒng)和遙感相結(jié)合的基礎(chǔ) 遙感和地理信息系統(tǒng)所處理問題具有互補性 遙感圖上信息豐富 但缺乏行政區(qū)劃界線等非遙感信息 這樣不利于區(qū)域分析 另外 在遙感分類中常常出現(xiàn)比較麻煩的 異物同譜 現(xiàn)象 如荒草和牧草 果園和灌木等 從遙感角度看 因為具有相同的光譜特性而無法區(qū)分 這時如把遙感分類圖和專題圖或地形圖進(jìn)行視覺復(fù)合 就可以直覺地解決某些 異物同譜 分類問題 從而大大提高遙感分類精度 遙感影像與專題地圖的復(fù)合 C專題圖和數(shù)字高程圖視覺復(fù)合專題圖通常用平面圖來表示 而數(shù)字高程模型 DEM 的立體彩色顯示是具有高度真實感的 如果把各種專題圖和數(shù)字高程圖復(fù)合生成立體專題圖 可以大大增強視覺效果 便于人們認(rèn)識和研究自然資源 例如 把旅游圖和數(shù)字高程圖結(jié)合生成立體旅游景觀圖 有利于人們觀察景點分布和旅游路線選擇 再如將野生動物分布圖與數(shù)字高程圖結(jié)合 生成立體野生動物分布圖 可以幫助動物學(xué)家對野生動物群體生存環(huán)境的研究 專題地圖與數(shù)字高程模型復(fù)合 遙感影像與DTM復(fù)合 2柵格數(shù)據(jù)的信息復(fù)合分析 根據(jù)參加復(fù)合的柵格數(shù)據(jù)層不同類別的空間關(guān)系重新劃分空間區(qū)域 每個空間區(qū)域內(nèi)各空間點的屬性組合一致 疊加結(jié)果生成新的數(shù)據(jù)層 該數(shù)據(jù)層圖形數(shù)據(jù)記錄了重新劃分的區(qū)域 而屬性數(shù)據(jù)庫結(jié)構(gòu)中則包含了原來的幾個參加復(fù)合的數(shù)據(jù)層的屬性數(shù)據(jù)庫中所有的數(shù)據(jù)項 疊加分類模型用于多要素綜合分類 以劃分最小地理景觀單元 進(jìn)一步可進(jìn)行綜合評價以確定各景觀單元的等級序列 2 疊加分析模型 疊加分析的定義 疊加是把分散在不同層上的空間 屬性信息按相同的空間位置疊加到一起 合為新的一層 疊合過程往往是對空間信息和對應(yīng)的屬性信息作集合的交 并 差 余運算 也可再進(jìn)一步對屬性作其他的數(shù)學(xué)運算 復(fù)合運算方法 空間邏輯運算 為討論方便將空間圖層A B定義為二值圖象1 空間邏輯并 或 運算 A B XX A或X B2 空間邏輯交 與 運算 A B XX A且X B3 空間邏輯差運算 A B XX A且X B4 空間包含 A B 邏輯判斷復(fù)合法 復(fù)合運算方法 邏輯判斷復(fù)合法設(shè)有A B C三個層面的柵格數(shù)據(jù) 一般可以用布爾邏輯算子以及運算結(jié)果的文氏圖 見圖6 3 表示其一般的運算思路和關(guān)系 例 有土壤厚度 大于50厘米 和土壤類型 紅壤和其他類型 兩個二值化圖層 不同的邏輯運算結(jié)果如下 AND關(guān)系 結(jié)果是將土層厚度大于50厘米 且土壤為紅壤的土壤單元顯示出來 OR關(guān)系 結(jié)果將土層厚度大于50厘米 或者土壤為紅壤的土壤單元顯示出來 XOR 結(jié)果將土層厚度小于50厘米 或者土壤不是紅壤的土壤單元顯示出來 NOT 如結(jié)果是將土層厚度大于50厘米 但土壤不是紅壤的土壤單元顯示出來 邏輯關(guān)系運算例 A B 1 2 3 A1 A2 A3 B1 B2 標(biāo)號地貌A陽坡B陰坡 標(biāo)號植被1林地2農(nóng)地3牧地 標(biāo)號綜合屬性A1陽坡林地A2陽坡農(nóng)地A3陽坡牧地B1陰坡林地B2陰坡農(nóng)地 基于柵格數(shù)據(jù)結(jié)構(gòu)的疊加分析 復(fù)合運算方法 數(shù)學(xué)運算復(fù)合法指不同層面的柵格數(shù)據(jù)逐網(wǎng)格按一定的數(shù)學(xué)法則進(jìn)行運算 從而得到新的柵格數(shù)據(jù)系統(tǒng)的方法 其主要類型有以下幾種 算術(shù)運算指兩層以上的對應(yīng)網(wǎng)格值經(jīng)加 減運算 而得到新的柵格數(shù)據(jù)系統(tǒng)的方法 這種復(fù)合分析法具有很大的應(yīng)用范圍 圖6 4給出了該方法在柵格數(shù)據(jù)編輯中的應(yīng)用例證 算術(shù)運算 在ArcGIS中 使用柵格計算器 MapCalculator 可以很方便地實現(xiàn)柵格圖層的復(fù)合 疊置運算 復(fù)合運算方法 函數(shù)運算指兩個以上層面的柵格數(shù)據(jù)系統(tǒng)以某種函數(shù)關(guān)系作為復(fù)合分析的依據(jù)進(jìn)行逐網(wǎng)格運算 從而得到新的柵格數(shù)據(jù)系統(tǒng)的過程 這種復(fù)合疊置分析方法被廣泛地應(yīng)用到地學(xué)綜合分析 環(huán)境質(zhì)量評價 遙感數(shù)字圖像處理等領(lǐng)域中 只要得到對于某項事物關(guān)系及發(fā)展變化的函數(shù)關(guān)系式 便可運用以上方法完成各種人工難以完成的極其復(fù)雜的分析運算 這也是目前信息自動復(fù)合疊置分析法受到廣泛應(yīng)用的原因 A B A B C f a b C A B 2 函數(shù)運算 利用土壤侵蝕通用方程式計算土壤侵蝕量時 就可利用多層面柵格數(shù)據(jù)的函數(shù)運算復(fù)合分析法進(jìn)行自動處理 一個地區(qū)土壤侵蝕量的大小是降雨 R 植被覆度 C 坡度 S 坡長 L 土壤抗蝕性 SR 等因素的函數(shù) 下面以工業(yè)廠址適宜性分析為例 來說明柵格疊置分析過程 1 選址分析 工業(yè)設(shè)施不允許位于自然保護(hù)區(qū)內(nèi) 起伏地形會增加建筑造價 陡坡更不合適 未利用用地或農(nóng)用地相對便宜 購買居民區(qū)或現(xiàn)存工業(yè)區(qū)不可取 因為這不僅帶來高的代價 同時 還帶來移民安置等問題 故盡可能選擇人口稀少地區(qū) 交通便利 2 空間數(shù)據(jù)準(zhǔn)備 根據(jù)以上分析 為了選擇合適的廠址 涉及到下列數(shù)字地圖 土地利用現(xiàn)狀圖 地形坡度圖 人口密度圖 交通運輸圖 自然保護(hù)區(qū)圖 下面以工業(yè)廠址適宜性分析為例 來說明柵格疊置分析過程 3 操作步驟如圖所示 對各影響因素進(jìn)行再分類 以表示每一個方面的適宜性 如可把土地利用重新分成三類適宜性 空地 高 農(nóng)業(yè)區(qū) 中 居民區(qū)和工業(yè)區(qū) 低 人口密度可重新分成四類 30人 hm2 低 用同樣的方法對其他影響因素進(jìn)行再分類 對每一個方面用加權(quán)因子來表明其相對重要性 將這些數(shù)字地圖疊置 并在每個網(wǎng)格單元上將這四個值相加 適宜性分析 在結(jié)果地圖上 得分高的網(wǎng)格單元就意味著被組合的四個方面高的適宜性 對于自然保護(hù)區(qū) 則加上一個嚴(yán)厲限制 即在這些區(qū)域的網(wǎng)格單元中把適宜性置零值 根據(jù)適宜性分析計算 確定廠址 柵格疊置分析示例 3柵格數(shù)據(jù)的追蹤分析所謂柵格數(shù)據(jù)的追蹤分析是指對于特定的柵格數(shù)據(jù)系統(tǒng) 由某一個或多個起點 按照一定的追蹤線索進(jìn)行目標(biāo)追蹤或軌跡追蹤 以便信息提取的空間分析方法 此外 追蹤分析方法在掃描圖件的矢量化 利用數(shù)字高程模型自動提取等高線 污染水源的追蹤分析等方面都發(fā)揮著十分重要的作用 下圖為GIS顯示的追蹤得到的河流圖 為GIS顯示的追蹤得到的河流圖 4柵格數(shù)據(jù)的窗口分析1 概念窗口分析是指對于柵格數(shù)據(jù)系統(tǒng)中一個 多個柵格點或全部的數(shù)據(jù) 開辟一個有固定分析半徑的分析窗口 并在該窗口內(nèi)進(jìn)行極值 均值等一系列統(tǒng)計計算 或與其他層面的信息進(jìn)行必要的復(fù)合分析 從而實現(xiàn)柵格數(shù)據(jù)有效水平方向擴展分析 按照分析窗口的形狀 可以將分析窗口劃分為以下類型 矩形窗口 是以目標(biāo)柵格為中心 分別向周圍八個方向擴展一層或多層?xùn)鸥?從而形成矩形分析區(qū)域 如3 3 5 5 7 7的矩形窗口 圓型窗口 是以目標(biāo)柵格為中心 向周圍作一等距離搜索區(qū) 構(gòu)成一圓型分析窗口 環(huán)型窗口 是以目標(biāo)柵格為中心 按指定的內(nèi)外半徑構(gòu)成環(huán)型分析窗口 扇型窗口 是以目標(biāo)柵格為起點 按指定的起始與終止角度構(gòu)成扇型分析窗口 2 窗口的類型 分析窗口的類型 窗口內(nèi)統(tǒng)計分析的類型柵格分析窗口內(nèi)的空間數(shù)據(jù)的統(tǒng)計分析類型一般有以下幾種類型 1 均值Mean 2 最大值Maximum 3 最小值Minimum 4 中值Median 5 總數(shù)Sum 6 范圍Range 7 Majority多數(shù) 8 少數(shù)Minority 9 變異度Variety 標(biāo)準(zhǔn)差 StandardDeviation 高通量 HighPass 低通量 LowPass 焦點流 FocalFlow 在arcgis軟件中 窗口分析的功能是Neighborhoodstatistic命令在實際工作中 為解決某一個具體的應(yīng)用命題 以上4種柵格數(shù)據(jù)的分析模式往往綜合使用 3 鄰域分析 窗口分析 原始柵格 總數(shù)Sum 鄰域統(tǒng)計柵格 f x 求平均 5 柵格數(shù)據(jù)再分類 再分類 Reclassify 再分類 Reclassification 根據(jù)不同的需要對原始數(shù)據(jù)再次進(jìn)行分類和提取的過程 重分類的關(guān)鍵是確定原數(shù)據(jù)到新數(shù)據(jù)之間的對應(yīng)關(guān)系 空間信息分類方法是GIS功能的重要組成部分 GIS存儲的數(shù)據(jù)具有原始數(shù)據(jù)的性質(zhì) 這樣用戶就可以根據(jù)不同的使用目的對數(shù)據(jù)進(jìn)行任意提取和分析 分類方法不同 得到的結(jié)果會有很大差異 5 柵格數(shù)據(jù)再分類 空間信息的再分類分為兩類 一類是基于地理信息的非空間屬性進(jìn)行再分類 它不改變地物已有的屬性值 而只是根據(jù)地物的屬性 將它們劃分到相應(yīng)的類別中 此種分類可以通過簡單的改變圖例來完成 也可通過主成分分析法 聚類分析法等完成 另一類再分類的方法是通過對地物屬性信息經(jīng)過分類組織產(chǎn)生新的地物特征 對于柵格數(shù)據(jù) 可通過賦值或簡單計算來獲取新的地物 達(dá)到重新分類的目的 如Arcgis中的Reclassify功能 ReclassifyingMaps 示例 柵格數(shù)據(jù)再分類結(jié)果 1 地理查詢2 緩沖帶分析3 疊置分析4 網(wǎng)絡(luò)分析5 地形分析6 空間插值 二 矢量數(shù)據(jù)分析方法 1 地理查詢 1 數(shù)據(jù)庫查詢 地圖視圖和屬性表根據(jù)屬性查詢有關(guān)地理實體 根據(jù)地理位置查詢地理實體 根據(jù)空間位置的相對關(guān)系查詢地理實體 包含 containment 相交 intersect 接近 proximity 2 幾何量測3 重新分類 屬性查詢 1 數(shù)據(jù)庫查詢 地理位置查詢 相對位置 在超市200米范圍內(nèi)的所有景點 相對位置 穿越河流的城市地鐵查詢 相對位置 包含查詢 長度 周長 量算面積量算形狀量算 線長度可由兩點間直線距離相加得到 以米或公里為單位 投影基礎(chǔ)上的平面直角坐標(biāo) 2 幾何量測 面積量算的梯形法 面狀地物以其輪廓邊界弧段構(gòu)成的多邊形表示的 對于沒有空洞的簡單多邊形 用上式計算 對于有孔或內(nèi)島的多邊形 可分別計算外多邊形與內(nèi)島面積 其差值為原多邊形面積 緩沖區(qū)是根據(jù)點 線 面地理實體 建立起周圍一定寬度范圍內(nèi)的擴展距離圖 緩沖區(qū)的作用是用來限定所需處理的專題數(shù)據(jù)的空間范圍 2緩沖帶分析 公共設(shè)施 商場 郵局 銀行 醫(yī)院 車站 學(xué)校等 的服務(wù)半徑大型水庫建設(shè)引起的搬遷鐵路 公路以及航運河道對其所穿過區(qū)域經(jīng)濟發(fā)展的重要性 分類 點 線 多邊形的緩沖區(qū)特殊形態(tài)的緩沖區(qū) 點對象有三角形 矩形和圓形buffer線對象有雙側(cè)對稱 雙側(cè)不對稱或單側(cè)緩沖區(qū)面對象有內(nèi)側(cè)和外側(cè)緩沖區(qū) 緩沖區(qū)變異 原理 點 線 面及多重Buffer的算法原理Point 以點為圓心 以R為半徑畫圓 Polyline 分別對每一頂點和每條邊生成Buffer 然后疊加 Polygon 先生成邊界的Buffer 再與多邊形本身疊加 Multi buffer 先以不同半徑生成不同寬度的buffer再疊加 Buffer實現(xiàn) 商場的市場區(qū)位 服務(wù)范圍 中心地理論 城市研究 改變某個轄區(qū)的行政界線時 要通知周圍一定距離 如150M 的住戶林業(yè)規(guī)劃 距河流一定縱深的范圍來確定森林的砍代區(qū)地震帶 按斷裂線的危險等級繪出每一斷裂線的不同寬度的緩沖帶作為警戒線土地評價 根據(jù)距離交通線的遠(yuǎn)近進(jìn)行成本估算 地價評估 實際中的應(yīng)用 3疊置分析 將兩幅矢量圖層通過幾何圖形相交合并成一幅新的矢量圖層 其結(jié)果綜合了原來兩層或多層要素所具有的屬性 分類 點包含分析線包含分析多邊形疊置分析 疊加的結(jié)果 幾何形狀改變屬性改變 1 點包含分析 Point in polygonoverlay 是確定一圖層上的點落在另一圖層的哪個多邊形內(nèi) 以便為圖層的每個點建立新的屬性 實質(zhì)是計算多邊形對點的包含關(guān)系 A B 1 2 1A 2B 判斷方法 從判斷點引出某一方向上的射線 通過判斷點與多邊形交點數(shù)來確定點與多邊形的包含關(guān)系 奇數(shù)次在區(qū)域內(nèi) 偶數(shù)次則位于區(qū)域外 一個中國政區(qū)圖 多邊形 和一個全國礦產(chǎn)分布圖 點 二者經(jīng)疊加分析后 并且將政區(qū)圖多邊形有關(guān)的屬性信息加到礦產(chǎn)的屬性數(shù)據(jù)表中 則可以查詢指定省有多少種礦產(chǎn) 產(chǎn)量有多少 還可查詢指定類型的礦產(chǎn)在哪些省里有分布等信息 點與多邊形疊加的兩個實例 一個野生動植物學(xué)家研究褐頭燕八哥的位置與森林植被的特定類型或分布間是否有功能上的必然聯(lián)系 在完成了森林植被 多邊形 分類的航片上標(biāo)注鳥類 點 的位置統(tǒng)計每個林區(qū)的燕八哥的數(shù)目 建立屬性表 一個偵探研究在城市的特定區(qū)域和偷錢包的多發(fā)事件是否存在某種空間關(guān)系 從警察局的犯罪記錄中將偷錢包事件標(biāo)注在街區(qū)圖上以每個月為單位根據(jù)街區(qū)繪制犯罪統(tǒng)計表 2 線包含分析 Line in polygonoverlay 是確定一個圖層上的弧段 Arc 落在另一圖層的哪個多邊形內(nèi) 以便為圖層的每條弧段建立新的屬性 線與多邊形的疊加 是比較線上坐標(biāo)與多邊形坐標(biāo)的關(guān)系 判斷線是否落在多邊形內(nèi) 計算過程通常是計算線與多邊形的交點 只要相交 就產(chǎn)生一個結(jié)點 將原線打斷成一條條弧段 并將原線和多邊形的屬性信息一起賦給新弧段 如果線狀圖層為河流 疊加的結(jié)果是多邊形將穿過它的所有河流打斷成弧段 可以查詢?nèi)我舛噙呅蝺?nèi)的河流長度 進(jìn)而計算它的河網(wǎng)密度等 如果線狀圖層為道路網(wǎng) 疊加的結(jié)果可以得到每個多邊形內(nèi)的道路網(wǎng)密度 內(nèi)部的交通流量 進(jìn)入 離開各個多邊形的交通量 相鄰多邊形之間的相互交通量 確定某一行政區(qū)內(nèi)各種等級道路的里程數(shù) 3 多邊形疊加 Polygon on polygonoverlay 將兩個或多個多邊形圖層進(jìn)行疊加產(chǎn)生一個新多邊形圖層的操作 其結(jié)果將原來多邊形要素分割成新要素 新要素綜合了原來兩層或多層的屬性 應(yīng)用范圍 地理變量的多準(zhǔn)則分析區(qū)域多重屬性的模擬分析地理特征的動態(tài)變化分析圖幅要素更新 相鄰圖幅拼接區(qū)域信息提取 屬性分配過程 將輸入圖層對象的屬性拷貝到新對象的屬性表中 或把輸入圖層對象的標(biāo)識碼作為外鍵 直接關(guān)聯(lián)到輸入圖層的屬性表 理論假設(shè)是多邊形對象內(nèi)屬性是均質(zhì)的 將它們分割后 屬性不變 最小公共地理單元 LeastCommonGeographicUnit LCGU 地圖疊加操作 ArcGIS為例 輸入地圖與疊加地圖具有相同的范圍 則輸出地圖也具有相同的范圍 輸入地圖與疊加地圖范圍不同 則依賴于地圖疊加操作方法 方法聯(lián)合相交層疊加 地圖疊加操作 聯(lián)合 Union OR 地圖疊加操作 相交 Intersect AND 地圖疊加操作 層疊加 Identity 輸入地圖 AND 疊加地圖 OR 輸入地圖 地圖疊加操作 相減 erase 地圖疊加 破碎多邊形處理 在地圖疊加過程中 沿著兩個輸入地圖的共同邊界出現(xiàn)的極小多邊形 原因數(shù)字化原地圖誤差遙感解譯野外調(diào)查消除方法設(shè)置模糊容差最小制圖單元 地圖操作 邊界融合 Dissolve 裁剪 Clip 合并 Merge 地圖操作 融合 disslove 消除具有相同屬性的多邊形邊界 數(shù)據(jù)分類 1 1 2 4 1 3 3 1 2 4 1 3 地圖操作 裁剪 clip 落入裁減區(qū)域范圍內(nèi)的輸入地圖要素 地圖操作 合并 merge 兩幅或兩幅以上的地圖拼接成新圖 合并 多邊形疊加應(yīng)用實例 一個地方規(guī)劃師希望確定他所在的農(nóng)業(yè)縣今后20年大規(guī)模的城市化發(fā)展的區(qū)域 決定哪些土地用于房地產(chǎn)開發(fā) 約束條件 現(xiàn)有耕地 肥力很大的土地 政府土地 歷史文化遺跡 瀕臨滅絕物種的棲息地不能開發(fā) 為上述五個圖層創(chuàng)建詳細(xì)的地圖 多邊形圖層 五個圖層疊加一起 得出沒有限制的土地范圍布爾邏輯運算 and 完成疊加操作 五個不相容變量 不能用作將來的農(nóng)業(yè)用地 不是現(xiàn)有耕地 不在歷史文化遺跡周圍 不危及瀕臨滅絕物種 不屬于政府所有的土地 主要網(wǎng)絡(luò)分析功能 路徑分析 PathAnalysis 實質(zhì)是最短路徑問題 對于交通 消防 救災(zāi)搶險 信息傳輸?shù)扔兄匾饬x 運輸網(wǎng)中找出運費最小的路徑通訊網(wǎng)中找出兩點間信息傳遞最可靠的路由定位 配置分析 服務(wù)范圍分析 又叫資源分配 選址問題 在城市和區(qū)域規(guī)劃中應(yīng)用廣泛 其目標(biāo)是合理地選定資源集散地 以及這些集散地的影響范圍 選擇最佳布局中心 或從一批候選位置中選定若干地點來建公共設(shè)施 為區(qū)域需求點提供服務(wù) 4網(wǎng)絡(luò)分析 1 路徑分析 靜態(tài)最佳路徑 在給定每條鏈上的屬性后 求最佳路徑 N條最佳路徑分析 確定起點或終點 求代價最小的N條路徑 因為在實踐中最佳路徑的選擇只是理想情況 由于種種因素而要選擇近似最優(yōu)路徑 最短路徑或最低耗費路徑 確定起點 終點和要經(jīng)過的中間點 中間連線 求最短路徑或最小耗費路徑 動態(tài)最佳路徑分析 實際網(wǎng)絡(luò)中權(quán)值是隨權(quán)值關(guān)系式變化的 可能還會臨時出現(xiàn)一些障礙點 需要動態(tài)的計算最佳路徑 無論是計算最短路徑還是最佳路徑 其算法都是一致的 不同之處在于網(wǎng)絡(luò)中每條弧的權(quán)值設(shè)置 如果要計算最短路徑 則權(quán)重設(shè)置為兩個節(jié)點的實際距離 而要計算最佳路徑 則可以將權(quán)值設(shè)置為從起點到終點的時間或費用 計算最短路徑的Dijkstra算法 Dijkstra算法是典型最短路算法 用于計算一個節(jié)點到其他所有節(jié)點的最短路徑 主要特點 以起始點為中心向外層層擴展 直到擴展到終點為止 偉大的荷蘭計算機科學(xué)家迪杰斯特拉 1930年出生于荷蘭阿姆斯特丹 2002年逝世于荷蘭紐南 早年鉆研物理及數(shù)學(xué) 而后轉(zhuǎn)為計算學(xué) 曾在1972年獲得過素有計算機科學(xué)界的諾貝爾獎之稱的圖靈獎 算法過程 創(chuàng)建兩個表 OPEN CLOSE d i 表示結(jié)點距離 p i 表示結(jié)點i的前一結(jié)點 OPEN表保存所有已生成而未考察的節(jié)點 CLOSED表中記錄已訪問過的節(jié)點 1 訪問路網(wǎng)中里起始點最近且沒有被檢查過的點 把這個點放入OPEN組中等待檢查 2 從OPEN表中找出距起始點最近的點 找出這個點的所有子節(jié)點 把這個點放到CLOSE表中 3 遍歷考察這個點的子節(jié)點 求出這些子節(jié)點距起始點的距離值 放子節(jié)點到OPEN表中 4 重復(fù)2 3 步 直到OPEN表為空 或找到目標(biāo)點 算法過程 1 N1為起始結(jié)點 d 1 0 Q n1 S n1 2 與n1連接的點n2 n3 n4 分別計算各點到n1的最短距離 d 2 d 1 n1到n2的距離 1 因為d 2 初始值為無窮大 因此d 2 1 p 2 n1 同理得到 d 3 4 p 3 n1 d 4 5 p 4 n1 3 在以上Q包含的3個點中 n2到n1的距離d 2 1最短 因此將n2加入S 并從Q中刪除 4 判斷Q中與n2相連的結(jié)點為n1 n3 n4 但n1已經(jīng)在S中 不予考慮 計算n3 n4到n1的最短距離 d 3 d 2 n3到n2的距離 1 2 3d 4 4 因此d 4 和p 4 值均不變 從Q中刪除n4 計算結(jié)束 d 0 1 3 4 p n1 n2 n2 5空間插值 概念 從存在的觀測數(shù)據(jù)中找到一個函數(shù)關(guān)系式 使該關(guān)系式最好地逼近這些已知的空間數(shù)據(jù) 并能根據(jù)函數(shù)關(guān)系式推求出區(qū)域范圍內(nèi)其它任意點或任意分區(qū)的值 這種根據(jù)已知點或分區(qū)的數(shù)據(jù) 推求任意點或任意分區(qū)的值的方法稱為空間數(shù)據(jù)內(nèi)插 空間插值分析是GIS中數(shù)據(jù)處理常用方法之一 廣泛應(yīng)用于等值線自動制圖 DEM模型建立 不同區(qū)域界限現(xiàn)象的相關(guān)分析 這一過程實際上是把樣本點置于三維空間中 點屬性為Z坐標(biāo) 擬合構(gòu)造一個連續(xù)的光滑曲面函數(shù) 任意一點的屬性值通過函數(shù)求解 因此也稱為曲面插值分析 空間插值分析 原因 空間數(shù)據(jù)往往是根據(jù)自己的要求獲取采樣的觀測值 諸如土地類型 地面高程等 這些點的分布往往是不規(guī)則的 在用戶感興趣或模型復(fù)雜區(qū)域可能采樣點多 在其它地區(qū)則采樣點少 由此而導(dǎo)致所形成的多邊形的內(nèi)部變化不可能表達(dá)得更精確 更具體 而只能達(dá)到一般的平均水平 但用戶在某些時候卻欲獲知未觀測點的某種感興趣特征的更精確值 這就導(dǎo)致了空間內(nèi)插技術(shù)的誕生 通常 在以下幾種情況下要做空間插值 現(xiàn)有數(shù)據(jù)的分辨率不夠 如遙感圖象從一種分辨率轉(zhuǎn)換到另一種分辨率 現(xiàn)有數(shù)據(jù)的結(jié)構(gòu)與所需結(jié)構(gòu)不同 如將柵格數(shù)據(jù)轉(zhuǎn)換到TIN數(shù)據(jù) 現(xiàn)有數(shù)據(jù)沒有完全覆蓋整個區(qū)域 如只有一些離散點數(shù)據(jù) 需要進(jìn)行空間插值處理的原始數(shù)據(jù)包括 航片 衛(wèi)片 野外測量采樣數(shù)據(jù) 等值線圖等 空間插值分析 連續(xù)空間與離散空間現(xiàn)實空間可以分為具有漸變特征的連續(xù)空間和具有跳躍特征的離散空間 舉例來講 土地類型分布屬離散空間 而地形表面分布則是連續(xù)空間 空間插值分析 空間插值的理論假設(shè)是空間位置上越靠近的點 越可能具有相似的特征值 而距離越遠(yuǎn)的點 其特征值相似的可能性越小 離散空間數(shù)據(jù)內(nèi)插 鄰近元法連續(xù)表面內(nèi)插技術(shù) 連續(xù)的空間漸變模型分為整體插值方法和部分 局部 插值方法兩類 空間插值分析 整體插值 用研究區(qū)域所有采樣點的數(shù)據(jù)進(jìn)行全區(qū)域特征擬合 如邊界內(nèi)插法 趨勢面分析等 這種內(nèi)插技術(shù)的特點是不能