GIS课件第十五讲 空间建模和 与空间决策支持（2学时）.pptVIP

第十章 空间建模与空间决策支持;实验8-10点评;本 讲 提 要;第一节 空间分析过程及其模型; 二、空间分析建模  （一）地图模型概念 建立在图层数据操作上的空间分析建模称为“地图建模”（Cartographic Modeling）。; 图 食草动物栖息地质量评价模型;; （二）地图模型实现 GIS软件一般提供宏命令或脚本描述语言，可将建立的地图模型表示成GIS操作命令，自动完成整个模型过程。 如根据DEM图像生成坡度图，可表达成GIS命令格式：CALC Slopemap=slope(DEMmap);图 通过流程图表现的GIS模型;Avenue语言与界面定制;Compile（编译）;msgbox.info(我正在学习Avenue!,我的第一个Avenue程序);第二节 空间决策支持模型; 区域规划、生态规划、位置选择、环境管理等均是空间决策问题。而其复杂性大大超过了GIS空间分析功能要求。;矢量数据的缓冲区分析 ;矢量数据的多边形叠加分析;矢量数据的多边形叠置分析;铁路地理信息系统;公安警用地理信息系统;医疗机构信息查询; 一、空间决策过程的复杂性 1、确定性决策：如土地适宜性评价； 2、不确定性决策：如害虫迁移规律、土地利用方式、龙卷风与地震发生危害； 3、风险决策：如沙尘暴、台风灾害预警。; 二、空间决策支持系统（SDSS）的功能 1、多源空间和非空间数据获取、输入与存储； 2、复杂空间数据结构和空间关系表示方法； 3、灵动的空间知识和数据处理功能； 4、灵活的功能修改和扩充机制； 5、友好的人机交互界面； 6、提供决策需要的多种输出； 7、提供非结构化空间知识的形式化表达方法； 8、提供基于领域专家知识的推理机制； 9、提供自动获取知识功能； 10、提供基于空间信息、知识的智能控制机制。; 三、空间决策支持系统决策问题的多级分类 （一）按领域分类 1、环境问题（如铅、镉、汞污染分布）； 2、土地利用规划问题（耕地）； 3、资源分配问题（公平+效率+效益）； 4、设施优化配置问题（合理布局）； 5、地质与水文问题等。;重金属污染研究地区;超标重金屬土壤分布范围; （二）按技术条件分类;第三节 数据仓库与空间数据挖掘; 一、数据仓库（Data Warehouse） 数据仓库是指面向主题、集成、稳定、随时间变化的数据集合，用以支持管理决策。; 二、数据挖掘（Data Mining） 1、空间数据获取设备发展，复杂多变空间数据日益膨胀，促成了空间数据挖掘和知识发现的出现。 2、数据是空间数据挖掘和知识发现的中心。空间粒度与空间尺度均基于数据。;; 关于空间粒度 空间粒度（Spatial Granularity）度量指在空间数据挖掘中空间数据的精细度以及空间信息和空间知识的抽象度。 空间粒度有宏观、中观或微观之分。;滑坡监测尺度下位移概念的不同粒度图;滑坡监测尺度下位移概念的不同粒度泛概念树图;云滴的数据辐射图; 关于空间尺度 空间尺度（Spatial scale）度量指空间数据在空间数据挖掘中由细至粗、多比例尺或多分辨率的几何变换过程。 减小尺度，空间数据粗略概括，空间信息和知识的综合程度提高，对空间目标的表达趋于概括、宏观，可减小存储和计算资源，增大挖掘效率，但可能导致空间细节数据丢失（县→国家）。; 增大尺度，则综合概括小，分析具体微细化，对空间目标的表达趋于精细、微观，但需较大的存储和计算资源，挖掘效率低。; 3、数据丰富，信息或知识贫乏现象普遍。数据利用涉及数据挖掘和知识发现方法。数据海量——信息不足——知识贫乏。 4、数据挖掘（Data Mining）：从数据中提取隐含、先前不知道和潜在有用的知识的过程。; 5、数据挖掘主要分四步骤： （1）数据选取：提取“有用”的数据。 （2）数据转换：类型、格式、量纲等。 （3）数据挖掘：分类、回归（Regression Analysis）、聚类分析（Cluster Analysis，按照某种距离算法对数据点分类）等。 （4）结果解释：可视化、求精。; 图 知识挖掘过程TABLE数据选取——专题地图——提取信息——知识：高沙土有机质含量低，发小苗不发老苗;基于数据场势场的自然聚类和类谱图;数据辐射因子k