桂理工地理信息系統(tǒng)原理講義第6章 空間分析及其數(shù)學(xué)建模

第六章空間分析及其數(shù)學(xué)建模6.1空間分析過程及其模型6.1.1空間分析過程空間分析的目的是解決某類與地理空間有關(guān)的問題，通常涉及多種空間分析操作的組合。好的空間分析過程設(shè)計(jì)將十分有利于問題的解決，一般步驟是：明確分析的目的和評價準(zhǔn)則；準(zhǔn)備分析數(shù)據(jù)；進(jìn)行空間分析操作；進(jìn)行結(jié)果分析；解釋、評價結(jié)果（如有必要，返回步驟1）；結(jié)果輸出（地圖、表格和文檔）。一、例1：道路拓寬改建過程中的拆遷指標(biāo)計(jì)算這里將舉例說明如何利用建立緩沖區(qū)、拓?fù)浏B加和特征提取,計(jì)算一條道路拓寬改建過程中的拆遷指標(biāo)。1）明確分析的目的和標(biāo)準(zhǔn)本例的目的是計(jì)算由于道路拓寬而需拆遷的建筑物的建筑面積和房產(chǎn)價值，道路拓寬改建的標(biāo)準(zhǔn)是：道路從原有的20m拓寬至60m；拓寬道路應(yīng)盡量保持直線；部分位于拆遷區(qū)內(nèi)的10層以上的建筑不拆除。2）準(zhǔn)備進(jìn)行分析的數(shù)據(jù)本例需要涉及兩類信息，一類是現(xiàn)狀道路圖；另一類為分析區(qū)域內(nèi)建筑物分布圖及相關(guān)信息。3）進(jìn)行空間操作首先選擇擬拓寬的道路，根據(jù)拓寬半徑，建立道路的緩沖區(qū)。然后將此緩沖區(qū)與建筑物層數(shù)據(jù)進(jìn)行拓?fù)浏B加，產(chǎn)生一幅新圖，此圖包括所有部分或全部位于拓寬區(qū)內(nèi)的建筑物信息。4）進(jìn)行統(tǒng)計(jì)分析首先對全部或部分位于拆遷區(qū)內(nèi)的建筑物進(jìn)行選擇，凡部分落入拆遷區(qū)且樓層高于10層以上的建筑物，將其從選擇組中去掉，并對道路的拓寬邊界進(jìn)行局部調(diào)整。然后對所有需拆遷的建筑物進(jìn)行拆遷指標(biāo)計(jì)算。5）將分析結(jié)果以地圖和表格的形式打印輸出。二、例2：輔助建設(shè)項(xiàng)目選址本例說明如何利用空間操作和特征提取功能，為一建設(shè)項(xiàng)目選擇最佳的建設(shè)位置。1）建立分析的目的和標(biāo)準(zhǔn)分析的目的是確定一些具體的地塊，作為一個輕度污染工廠的可能建設(shè)位置。工廠選址的標(biāo)準(zhǔn)包括：地塊建設(shè)用地面積不小于10000m2地塊的地價不超過1萬元/m2；地塊周圍不能有幼兒園、學(xué)校等公共設(shè)施，以免受到工廠生產(chǎn)的影響。2）從數(shù)據(jù)庫中提取用于選址的數(shù)據(jù)為達(dá)到選址的目的，需準(zhǔn)備兩種數(shù)據(jù)，一種為包括全市所有地塊信息的數(shù)據(jù)層；另一類為全市公共設(shè)施（包括幼兒園、學(xué)校等）的分布圖。3）進(jìn)行特征提取和空間拓?fù)浏B加從地塊圖中選擇所有滿足條件1、2的地塊，并與公共設(shè)施層數(shù)據(jù)進(jìn)行拓?fù)浏B加。4）進(jìn)行鄰域分析對疊加的結(jié)果進(jìn)行鄰域分析和特征提取，選擇出滿足要求的地塊。5）將選擇的地塊及相關(guān)信息以地圖和表格形式打印輸出。6.2空間分析建模6.2.1地圖模型（CartographicModel）的概念模型是人類對事物的一種抽象，人們在正式建造實(shí)物前，往往首先建立一個簡化的模型，以便抓住問題的要害，剔除與問題無關(guān)的非本質(zhì)的東西，從而使模型比實(shí)物更簡單明了，易于把握。同樣為了解決復(fù)雜的空間問題，人們也試圖建立一個簡化的模型，模擬空間分析過程?？臻g分析建模，由于是建立在對圖層數(shù)據(jù)的操作上的，又稱為“地圖建?！保–artographicModeling）。它是通過組合空間分析命令操作以回答有關(guān)空間現(xiàn)象問題的過程，更形式化一些的定義是通過作用于原始數(shù)據(jù)和派生數(shù)據(jù)的一組順序的、交互的空間分析操作命令，對一個空間決策過程進(jìn)行的模擬。地圖建模的結(jié)果得到一個“地圖模型”，它是對空間分析過程及其數(shù)據(jù)的一種圖形或符號表示，目的是幫助分析人員組織和規(guī)劃所要完成的分析過程，并逐步指定完成這一分析過程所需的數(shù)據(jù)。地圖模型也可用于研究說明文檔，作為分析研究的參考和素材。地圖建?？梢允且粋€空間分析流程的逆過程，即從分析的最終結(jié)果開始，反向一步步分析為得到最終結(jié)果，哪些數(shù)據(jù)是必須的，并確定每一步要輸入的數(shù)據(jù)以及這些數(shù)據(jù)是如何派生而來。以下的例子將說明其過程：假定需要獲得這樣一個結(jié)果，即要顯示出所有坡度大于20度的地區(qū)。首先的問題是要生成這樣一幅圖像，哪些數(shù)據(jù)是必須具備的：如要生成一幅坡度大于20度的圖像，需要一幅反映所有坡度的圖像，數(shù)據(jù)庫里有這樣的圖像嗎？如果沒有，就進(jìn)一步沿著反向思路提問：“如要生成一幅所有坡度的圖像，需要什么樣的數(shù)據(jù)？”。一幅高程數(shù)據(jù)圖像可用于生成坡度圖像。那么，這幅高程數(shù)據(jù)圖像有沒有呢？如果沒有的話，生成該圖像需要何種數(shù)據(jù)？這一過程一直持續(xù)，直至找出所有必備數(shù)據(jù)為止。然后反向用圖形或符號將有關(guān)數(shù)據(jù)及其操作流程表示出來就得到一個地圖模型。本例表示如圖10-1：圖10-1：提取坡度大于20度的計(jì)算流程圖中，矩形框內(nèi)為數(shù)據(jù)，箭頭表示操作命令，方向表示操作順序。6.2.2地圖模型實(shí)例地圖模型有多種表示方法，為了進(jìn)一步理解制圖建模過程，下面給出三個不同領(lǐng)域的地圖模型實(shí)例，分別采用了三種不同的表示方法。1）食草動物棲息地質(zhì)量評價模型本例是一個食草動物棲息地質(zhì)量評價簡化模型，模型只考慮了影響食草動物生存的基本因子：水源、食物、和隱藏條件，以及景觀單元的面積，連通性和破碎程度的度量指標(biāo)。模型形式如圖10-2所示：圖10-2：食草動物棲息地質(zhì)量評價模型圖中操作順序從左向右，從上向下，矩形框內(nèi)為原始數(shù)據(jù)和派生中間數(shù)據(jù)以及結(jié)果數(shù)據(jù)，矩形框連線上面的文字為操作命令。2）國家森林公園選址模型本例是一個為某地建立一國家森林公園確定大致范圍，是一個數(shù)據(jù)源已知，需要進(jìn)行空間信息提取的模型。數(shù)據(jù)源包括公路鐵路分布圖（線狀地物），森林分布圖（面狀地物），城鎮(zhèn)區(qū)劃圖（面狀地物）。地圖模型可以用下面的形式表示：表10-1：國家森林公園選址模型步驟操作命令找出所有森林地區(qū)1為林地，0為非林地再分類合并森林分類圖屬性相同的相鄰多邊形的邊界歸組找出距公路或鐵路0.5公里緩沖區(qū)分析找出距公路或鐵路1公里緩沖區(qū)分析找出非城市區(qū)用地1為非市區(qū)，0為市區(qū)再分類找出森林地區(qū)、非市區(qū)、且距公路或鐵路0.5至1公里范圍內(nèi)的地區(qū)拓?fù)浏B加分析合并相同屬性的多邊形歸組3）木材毀壞量回歸預(yù)測模型根據(jù)多年的統(tǒng)計(jì)數(shù)字和經(jīng)驗(yàn)方程，本例是一個林場砍伐木材時木材毀壞量回歸預(yù)測模型。模型的因變量有坡度，樹徑，樹高，蓄積量，樹木缺矢量。公式如下：地圖模型可以表示成下面的形式（圖10-3）：圖10-3：木材毀壞量回歸預(yù)測模型6.2.3地圖模型實(shí)現(xiàn)大多數(shù)GIS軟件提供了宏命令或腳本描述語言，可以將上述建立的各種地圖模型表示成GIS的操作命令序列，自動批處理完成整個模型過程。例如一個根據(jù)DEM圖像生成坡度圖，可以表達(dá)成GIS命令格式：CALCSlopemap=slope(DEMmap)由多個原始圖層生成一個新圖可以寫成下面的形式：Newmap=f(Map1,Map2,......)式中，f()表示一個GIS命令。一些GIS軟件還提供了書寫復(fù)雜函數(shù)的功能，甚至可以在一個命令行里，使用多個函數(shù)表達(dá)一個完整的地圖模型，形式如下：Newmap1,Newmap2,......=f1,f2,f3,.......(Map1,Map2,......,Newmap1,Newmap2,......)式中，Newmap1,Newmap2，...為派生的中間圖層。還有一些GIS軟件提供了高級的可視化的地圖建模輔助工具，用戶只需使用其提供的工具在窗口中繪出模型的流程圖，指定流程圖的意義、所用的參數(shù)，矩陣等即可完成地圖模型的設(shè)計(jì)，而無需書寫復(fù)雜的命令程序?？梢暬貓D建模工具為用戶提供了高層次的設(shè)計(jì)工具和手段，可使用戶將更多的精力集中于專業(yè)領(lǐng)域的研究（圖10-4）。圖10-4：通過流程圖表現(xiàn)的GIS模型6.3空間決策支持模型區(qū)域規(guī)劃、土地利用規(guī)劃、設(shè)施位置選擇、環(huán)境管理等都是有關(guān)空間行為的決策問題，這些問題的解決方案是由決策者或領(lǐng)域?qū)＜以趯I(yè)領(lǐng)域知識和經(jīng)驗(yàn)的啟發(fā)下，在分析大量的空間和非空間信息的基礎(chǔ)上得到的?？臻g決策問題大大超過了地理信息系統(tǒng)通常的空間分析功能的要求。6.3.1空間決策過程的復(fù)雜性決策是一個決策者為達(dá)到某種目標(biāo)或目標(biāo)集合，根據(jù)一定的約束條件下在多種侯選方案里進(jìn)行選擇的復(fù)雜過程。當(dāng)采用數(shù)學(xué)表述形式表達(dá)一般化決策問題時，包括以下幾個構(gòu)成部分：1）方案集合：決策問題的方案集合是指可以選擇的行動方案集合，記為A。2）狀態(tài)集合：任何一個決策問題都面臨一定的外界環(huán)境，稱之為狀態(tài)。系統(tǒng)各種可能的狀態(tài)，稱為狀態(tài)集合，記為Q。3）損益函數(shù)：這是決策分析中的一個重要概念。在決策問題中，如果采用策略，假定系統(tǒng)狀態(tài)出現(xiàn)，系統(tǒng)收益。因此定義映射為決策問題的損益函數(shù)。在A、Q可數(shù)的情況下，可獲得損益表如下所示（表10-2）。表10-2：決策損益表

Q1Q2...

QnA1W11W12...W1n...............AmWm1Wm2...Wmn4）目標(biāo)函數(shù)（決策準(zhǔn)則）：記為F。損益函數(shù)只給出了系統(tǒng)的實(shí)際收益情況，但沒給出收益的評價標(biāo)準(zhǔn)，即“抉擇”時的優(yōu)化準(zhǔn)則。決策準(zhǔn)則對于不同的決策者、問題、方法都是不同的，它最終決定了方案的形成。綜上所述，可以將一個決策問題記為：其中，F(xiàn)為目標(biāo)函數(shù)或決策準(zhǔn)則，A為侯選方案集，Q為狀態(tài)集，W為損益函數(shù)。決策學(xué)常規(guī)方法用于解決普通決策問題，這類問題滿足以下條件：存在決策者希望達(dá)到的明確目標(biāo)；存在可供決策者選擇且可以明確組分的侯選方案；存在不受決策者控制的系統(tǒng)狀態(tài)，系統(tǒng)狀態(tài)集與侯選方案集相互獨(dú)立；損益值可以精確數(shù)量化，A，Q均為可數(shù)集合。當(dāng)系統(tǒng)狀態(tài)集Q中狀態(tài)數(shù)n=1時，為確定性決策問題；當(dāng)n>1時，且系統(tǒng)各狀態(tài)出現(xiàn)的概率未知時，為不確定性決策問題；當(dāng)n>1，且系統(tǒng)各狀態(tài)出現(xiàn)的概率服從一個已知的概率分布時，為風(fēng)險決策問題?？臻g決策與一般決策問題同樣有確定性決策、不確定性決策和風(fēng)險決策。確定性決策實(shí)際上是一個最優(yōu)化問題，象土地適宜性評價的多準(zhǔn)則決策和線性規(guī)劃均屬此類決策問題，它們可以和地理信息系統(tǒng)的空間分析功能完全集成。而大量的空間決策問題往往涉及到結(jié)構(gòu)、非結(jié)構(gòu)化知識，人的評價和判斷等不同形式的知識，決策的不確定性和風(fēng)險性的成分很大。以設(shè)施配置為例，領(lǐng)域?qū)＜乙呀?jīng)有一組有關(guān)位置適宜性的判別規(guī)則，這些規(guī)則屬于描述性方式表達(dá)的知識，設(shè)施位置的選擇是建立在有關(guān)社會經(jīng)濟(jì)、地質(zhì)條件、環(huán)境質(zhì)量等因素分析的基礎(chǔ)上的在判別規(guī)則啟發(fā)下的推理過程；另外領(lǐng)域?qū)＜疫€有有關(guān)社會經(jīng)濟(jì)、地質(zhì)條件和環(huán)境質(zhì)量的評價模擬模型，這些知識都屬于程式式知識，設(shè)施位置的選擇是建立在定量模型計(jì)算分析的基礎(chǔ)上估算過程。隨信息技術(shù)的快速發(fā)展，為決策者提供了越來越多的空間和非空間的信息，包括地圖、航片、表格、遙感和數(shù)字測量信號等。決策者需要通過知識和經(jīng)驗(yàn)來有效的處理和理解這些海量的信息。而人類的知識可分為結(jié)構(gòu)化和非結(jié)構(gòu)化兩種知識。結(jié)構(gòu)化的知識有著高度結(jié)構(gòu)化的形式和結(jié)構(gòu)化的求解程序，包括數(shù)學(xué)模型，統(tǒng)計(jì)方法，計(jì)算機(jī)算法等都屬此類型的知識，它們在表現(xiàn)和分析方面遵循固定的框架，大多數(shù)情況下只能被專家理解，又稱為程式式知識（ProceduralKnowledge）。然而大量的知識都是非結(jié)構(gòu)化的，象人類的體驗(yàn)、直覺、價值觀，專家經(jīng)驗(yàn)，本質(zhì)上是定性的，不能用固定的程序進(jìn)行表達(dá)，又稱為描述性知識（DeclarativeKnowledge）。決策者使用信息和知識，在解決結(jié)構(gòu)化、非結(jié)構(gòu)化和半結(jié)構(gòu)化問題上的復(fù)雜程度大不相同。以設(shè)施配置為例，在某些特定約束條件下配置最少數(shù)量的設(shè)施是一個結(jié)構(gòu)化問題，可以通過最優(yōu)化方法進(jìn)行求解；尋找最優(yōu)設(shè)施配置的所有可能的位置則是一個半結(jié)構(gòu)化問題，涉及多種準(zhǔn)則評價和價值評判；為設(shè)施配置確定總體目標(biāo)和總體方針政策則屬非結(jié)構(gòu)化問題，涉及靈活的定性問題，不能用固定的程式式知識來解決?？傊?，空間決策是一個涉及多目標(biāo)和多約束條件的復(fù)雜過程，通常不能簡單地通過描述性知識或程式式知識進(jìn)行解決，往往要求綜合地使用信息，領(lǐng)域?qū)＜抑R和有效地交流手段?？臻g決策中信息和知識往往是互相作用的，如圖10-5所示：圖10-5：空間決策過程信息的一側(cè)處理數(shù)據(jù)的收集、表現(xiàn)、存儲、檢索、處理和顯示，用于計(jì)算和量測，以及知識推理和更新。知識的一側(cè)處理知識的獲取、表現(xiàn)、存儲以及推理和分析，用于處理事實(shí)、組織信息和原理。決策中知識和信息的相互作用是對傳統(tǒng)信息技術(shù)的擴(kuò)充，沒有知識推理不可能做出智能決策。地理信息系統(tǒng)為決策支持提供了強(qiáng)大的數(shù)據(jù)輸入、存儲、檢索、顯示的工具，但是在分析、模擬和推理方面的功能比較弱，本質(zhì)上是一個數(shù)據(jù)豐富但理論貧乏的系統(tǒng)，在解決復(fù)雜空間決策問題上缺乏智能推理功能。所以，為解決復(fù)雜的空間決策問題，需要在地理信息系統(tǒng)的基礎(chǔ)上開發(fā)智能決策支持系統(tǒng)，用于數(shù)據(jù)獲取、輸入、存儲、分析、輸出；用于知識表現(xiàn)和推理；用于自動學(xué)習(xí)，系統(tǒng)集成，人機(jī)交互。所用的新技術(shù)包括人工智能技術(shù)，知識獲取、表現(xiàn)、推理等知識工程技術(shù)，以及集成數(shù)據(jù)庫、模型、非結(jié)構(gòu)化知識及智能用戶界面的軟件工程技術(shù)。6.4空間決策分析的理論和方法6.4.1效用理論效用理論是決策分析的基礎(chǔ)。事物的不確定性可看作是許多簡單隨機(jī)事件的復(fù)合。每一個簡單隨機(jī)事件是由兩個互斥事件Z1和Z2組成的。事件Z1發(fā)生的概率為P，事件Z2發(fā)生的概率為1—P，則隨機(jī)事件記為L（Z1，P，Z2）。在簡單隨機(jī)事件內(nèi)引進(jìn)“優(yōu)先”或“偏好”的概念，并在隨機(jī)事件集合的基礎(chǔ)上建立公理體系，即假設(shè)在隨機(jī)事件集合中存在下列條件：1）相對偏好順序；2）偏好關(guān)系具可傳遞性；3）簡單隨機(jī)事件間的可比性；4）偏好關(guān)系可以量化；5）不確定性可以量化；6）等價隨機(jī)事件可相互代換。在這樣的條件下可用一個數(shù)值來描述簡單隨機(jī)事件的期望效益，稱之為效用。由簡單隨機(jī)事件的效用可確定一般不確定事件的效用。在對事件不確定性判斷進(jìn)行量化時，需要利用各種知識，如系統(tǒng)本身的特性，一些必要的統(tǒng)計(jì)知識以及決策者根據(jù)經(jīng)驗(yàn)對事件不確定性的主觀估算等。6.4.2決策樹決策分析中最常用的方法之一是決策樹方法，圖10-6為典型的決策樹。圖中長方形小框表示由人選擇的決策點(diǎn)。把需要作決策的問題過程畫成示意圖，由圖的最左邊出發(fā)，在作決策之前先作試驗(yàn)。例如有R個試驗(yàn)Lr，費(fèi)用為Cr，試驗(yàn)結(jié)果有O1，…，Ot，…，OT等共T個。在試驗(yàn)Lr條件下Ot發(fā)生的概率記為Prt（Ot）。設(shè)此時有d1，…di，…，dI等共I個備選決策方案。若選擇決策di，則這時可能出現(xiàn)S1，…，Sj，…，SJ共J種狀態(tài)。在試驗(yàn)Lr中出現(xiàn)結(jié)果Oi時選取決策di的條件下，狀態(tài)Sj出現(xiàn)的概率記為Prti(Sj)。此時可能有L種后果x1，…，xl；，…，xL，而Prti(Sj)表示在實(shí)驗(yàn)Lr中出現(xiàn)結(jié)果為Ot時，選取決策di而出現(xiàn)狀態(tài)Si的情況下，Sj發(fā)生后果xl的概率，其效用記為U（xl）。決策樹的方法是順著樹的各個分校進(jìn)行分析，并計(jì)算各種可能情況的概率大小，最后計(jì)算在這些條件下最終出現(xiàn)的后果的效用，將各種效用加以比較，從中選取最佳效用所對應(yīng)的試驗(yàn)與決策作為應(yīng)取的決策。圖10-6：決策樹示例6.4.3貝葉斯決策由于決策總是在事件發(fā)生之前做出，而事件是否發(fā)生又不是確定的，因此常采用統(tǒng)計(jì)學(xué)中貝葉斯公式對事件發(fā)生的概率作先驗(yàn)估計(jì)，這就是貝葉斯方法。由于事件的發(fā)生具有不確定性，這就使決策帶有一定的經(jīng)驗(yàn)性。人們對于風(fēng)驗(yàn)的態(tài)度不同，對效用估計(jì)也不同。對事件發(fā)展持保守看法而不愿冒驗(yàn)的人，對效用估計(jì)往往偏低；傾向于冒驗(yàn)的人，對效用的估計(jì)往往偏高。也有人取中庸態(tài)度，對效用的估計(jì)介于兩者之間。6.5空間決策支持系統(tǒng)決策支持系統(tǒng)（DecisionSupportSystem,DSS）是輔助決策者通過數(shù)據(jù)、模型、知識以人機(jī)交互方式進(jìn)行半結(jié)構(gòu)化或非結(jié)構(gòu)化決策的計(jì)算機(jī)應(yīng)用系統(tǒng)。它是在管理信息系統(tǒng)（ManagementInformationSystem,MIS）的基礎(chǔ)上發(fā)展起來的，在MIS的基礎(chǔ)上增加了非結(jié)構(gòu)化問題處理，模型計(jì)算和各種方法，為解決結(jié)構(gòu)化、非結(jié)構(gòu)化和半結(jié)構(gòu)化的問題提供了更廣泛的方法。它為決策者提供分析問題、建立模型、模擬決策過程和方案的環(huán)境，調(diào)用各種信息資源和分析工具，幫助決策者提高決策水平和質(zhì)量。決策支持系統(tǒng)是輔助管理者對半結(jié)構(gòu)化問題的決策過程，支持而不是代替管理者的判斷，提高決策的有效性而不是效率的計(jì)算機(jī)應(yīng)用系統(tǒng)。DSS的基本結(jié)構(gòu)主要由四個部分組成，即數(shù)據(jù)部分、模型部分、推理機(jī)部分、人機(jī)交互部分，如圖10-7所示。圖10-7：DSS的組成部分與MIS對應(yīng)的，GIS可以看作是用于空間決策的空間信息系統(tǒng)。GIS與MIS的不同之處在于其數(shù)據(jù)模型和數(shù)據(jù)結(jié)構(gòu)的復(fù)雜性。目前GIS的分析功能還很弱且不靈活，它的邏輯結(jié)構(gòu)和智能層次不能滿足解決復(fù)雜空間決策問題的需要，特別是那些非結(jié)構(gòu)化的問題。為更好地輔助空間決策，GIS需要增加對描述性知識和程式式知識的處理功能，目前GIS還不適合用于對各種知識形式的處理，不能作為空間決策支持系統(tǒng)（SDSS）的神經(jīng)中樞，但可以作為它的一個組成部分，即GIS可以嵌入到一個SDSS中，用于空間信息處理?？臻g決策支持系統(tǒng)與一般的決策支持系統(tǒng)性質(zhì)相同，只是更注重空間數(shù)據(jù)和空間問題的獲取和解決。通?？臻g決策支持系統(tǒng)包括以下的功能：同數(shù)據(jù)源的空間和非空間數(shù)據(jù)的獲取、輸入、存儲；復(fù)雜空間數(shù)據(jù)結(jié)構(gòu)和空間關(guān)系表示方法，適于數(shù)據(jù)查詢、檢索、分析、顯示；靈活的集成程式式空間知識（數(shù)學(xué)模型、空間統(tǒng)計(jì)）和數(shù)據(jù)的處理功能；靈活的功能修改和擴(kuò)充機(jī)制；友好的人機(jī)交互界面；提供決策需要的多種輸出；提供非結(jié)構(gòu)化空間知識的形式化表達(dá)方法；提供基于領(lǐng)域?qū)＜抑R的推理機(jī)制；提供自動獲取知識或自學(xué)習(xí)功能；提供基于空間信息、描述性知識、程式式知識的智能控制機(jī)制。上述這些功能要求超出了目前GIS的范圍，需要集成人工智能、知識工程、軟件工程、空間信息處理和空間決策理論等領(lǐng)域的最新技術(shù)。6.6通用智能空間決策支持系統(tǒng)結(jié)構(gòu)體系空間決策支持系統(tǒng)的建立可以解決特定領(lǐng)域的決策問題。但是它的建立過程是一個花費(fèi)很長時間的工程，而且它也只能用在特殊的領(lǐng)域，所以建立空間決策支持系統(tǒng)最經(jīng)濟(jì)和靈活的方式是使用軟件工程和知識工程的方法開發(fā)空間決策支持系統(tǒng)開發(fā)環(huán)境（外殼或產(chǎn)生器），這樣領(lǐng)域?qū)＜揖涂梢允褂盟焖俑咝У亟⒍喾N領(lǐng)域空間決策支持系統(tǒng)。也就是說開發(fā)一個通用的開發(fā)工具，決策者可以用來定制、修改、調(diào)整、擴(kuò)展空間決策支持系統(tǒng)以解決特定的空間決策問題。圖10-8是一個通用空間決策支持系統(tǒng)的結(jié)構(gòu)體系圖。圖10-8：通用空間決策支持系統(tǒng)的結(jié)構(gòu)體系圖系統(tǒng)的核心是一個專家系統(tǒng)殼（Shell），它可以單獨(dú)作為專家系統(tǒng)開發(fā)工具，直接控制著SDSS的控制流和信息流，提供表達(dá)和存儲非結(jié)構(gòu)化領(lǐng)域知識，它還包含了推理控制、系統(tǒng)和用戶界面和對外交流的元知識，以及非結(jié)構(gòu)化空間知識的推理機(jī)。它是SDSS的大腦。為使用空間和非空間數(shù)據(jù)，專家系統(tǒng)殼有一個與外部數(shù)據(jù)庫的接口，包括GIS，關(guān)系數(shù)據(jù)庫和遙感信息系統(tǒng)。模型管理系統(tǒng)管理和處理程式式知識包括算法、統(tǒng)計(jì)程序和數(shù)學(xué)模型，它也有一個與專家系統(tǒng)殼的接口，可以通過專家系統(tǒng)殼的元知識進(jìn)行調(diào)用。除了與數(shù)據(jù)庫管理系統(tǒng)、模型管理系統(tǒng)的接口外，友好的用戶界面和知識獲取模塊也是專家系統(tǒng)殼的基本組成部分。本節(jié)重點(diǎn)討論空間決策支持系統(tǒng)的模型管理系統(tǒng)，關(guān)于數(shù)據(jù)庫管理系統(tǒng)在前面的章節(jié)已作了介紹，至于知識庫和知識處理將在下節(jié)專家系統(tǒng)里討論。6.6.1空間決策支持系統(tǒng)的模型管理系統(tǒng)為解決自然和人文過程中出現(xiàn)的各種復(fù)雜的空間問題，多年來學(xué)者們提出了大量的結(jié)構(gòu)化模型，包括統(tǒng)計(jì)方法、數(shù)學(xué)模型、啟發(fā)式程序、算法等，這些模型與描述性的知識不同，具有高度結(jié)構(gòu)化的格式和固定的執(zhí)行程序。這些模型對解決那些結(jié)構(gòu)化的決策問題很有幫助作用，但不幸的是，它們的形式邏輯和解決方法對決策者來說通常很難或需要花很長時間才能理解，尤其是那些非技術(shù)背景的決策者更是容易混淆或不恰當(dāng)有效地運(yùn)用它們，從而限制了這種類型的知識的有效利用。另外，這些結(jié)構(gòu)化的模型要在GIS環(huán)境下使用，還有一個與GIS數(shù)據(jù)模型兼容性的問題，模型與GIS數(shù)據(jù)庫相互操作是一個基本要求。所以空間決策支持系統(tǒng)需要適當(dāng)?shù)靥暨x和組織有關(guān)的模型，與管理空間和非空間數(shù)據(jù)的數(shù)據(jù)庫管理系統(tǒng)相對應(yīng)的，要有一個模型管理系統(tǒng)。模型管理系統(tǒng)應(yīng)具有下列功能：幫助用戶選擇與分析有關(guān)的模型；對多種類型的模型進(jìn)行分類和維護(hù)以支持各種層次的決策過程；能將模型子模塊組合復(fù)雜的模型；提供恰當(dāng)?shù)臄?shù)據(jù)結(jié)構(gòu)滿足查詢、分析、顯示；滿足與數(shù)據(jù)庫的嵌入或數(shù)據(jù)交換；滿足模型與描述性知識的交流；提供用戶咨詢和結(jié)果解釋的友好界面；空間決策支持系統(tǒng)對模型高效的分類和組織問題是決策支持系統(tǒng)的核心功能。將模型分類并按不同層次的深度進(jìn)行組織可以有效的管理和使用模型。例如可以先按決策問題進(jìn)行第一級分類，再按評價條件和狀態(tài)進(jìn)行第二級分類，還可以繼續(xù)進(jìn)行更深層次的分類。下面給出一個分類示例：1）決策問題分類第一級分類：環(huán)境問題土地利用規(guī)劃問題資源分配問題設(shè)施配置問題網(wǎng)絡(luò)問題水文問題地質(zhì)問題海岸線問題假設(shè)關(guān)心的是網(wǎng)絡(luò)問題，關(guān)于網(wǎng)絡(luò)問題的各種模型組織成第二級分類，如下所示：最短路徑最少搜索路徑（Spanningtree）問題貨郎擔(dān)問題多點(diǎn)通訊問題（Multicastcommunication）運(yùn)輸問題商品流問題對于每個選擇的問題，還可以繼續(xù)細(xì)分成更專的類型，如商品流問題，可以繼續(xù)分成單商品和多商品流問題。要選擇某個專用的模型，用戶通過一系列“是或否”的問題向?qū)В钡秸业叫枰慕鉀Q問題的模型。2）按技術(shù)條件分類表10-3：決策問題的分類示例A．確定性確定性模型不確定性模型隨機(jī)模型不精確模型B．空間離散模型連續(xù)模型C．過程靜態(tài)模型動態(tài)模型D．

時間離散模型連續(xù)模型E．線性線性模型非線性模型F．目標(biāo)單目標(biāo)模型多目標(biāo)模型G．

變量實(shí)型整型

根據(jù)上述分類，可以構(gòu)造一個決策樹，將模型分類知識用一種知識表達(dá)方式進(jìn)行表示，例如本例可以用產(chǎn)生式規(guī)則表示，每條路徑對應(yīng)一個規(guī)則。本例對確定性分類下共有26規(guī)則，其中一條規(guī)則描述如下：表10-4：決策規(guī)則———————————————————————IFsituitioncertainANDspacediscreteANDprocessstaticANDtimediscreteANDsystemlinearANDobjectivesmultipleANDvariablesrealTHENselectmultiple-objectives,discrete-space,discrete-timelinearprogrammingmodel———————————————————————IFsituitionuncertainANDcauserandomANDspacediscreteANDprocessdynamicANDtimediscreteANDsystemlinearANDobjectivessingleANDvariablesrealTHENselectmultiple-stage,single-objective,discrete-space,discrete-timelinearstochasticprogrammingmodel———————————————————————空間決策支持系統(tǒng)除了模型選擇的問題外，模型與數(shù)據(jù)庫的交互也是一個重要的問題。不同的模型具有不同的數(shù)據(jù)結(jié)構(gòu)和不同的模型與數(shù)據(jù)庫的交互方式。模型要在GIS環(huán)境下運(yùn)行，還有一個與GIS數(shù)據(jù)結(jié)構(gòu)的兼容性問題。模型與GIS有不同層次的交互方式。最低層的交互是將GIS作為數(shù)據(jù)庫管理系統(tǒng)，以文件的方式進(jìn)行交互，如果模型和GIS對文件類型是兼容的，交互只是一個簡單地文件選取問題；如果文件不兼容，就會涉及文件轉(zhuǎn)換的問題。較高層次的交互方式是將GIS作為顯示和分析模型結(jié)果的圖形顯示工具。最高層次的交互是二者集成在一個完整的系統(tǒng)里，比較松散一點(diǎn)的方式是用GIS的操作命令（如宏語言）重新實(shí)現(xiàn)模型；更緊密的集成是二者具有支持查詢、分析、顯示的數(shù)據(jù)結(jié)構(gòu)。由于模型的多樣性，數(shù)據(jù)結(jié)構(gòu)也是多樣的，因此很難作到GIS數(shù)據(jù)結(jié)構(gòu)與所有模型的結(jié)構(gòu)兼容。所以模型與GIS的交互在空間決策支持系統(tǒng)里允許有多種方式。6.7專家系統(tǒng)6.7.1專家系統(tǒng)的基本組成專家系統(tǒng)是人工智能在信息系統(tǒng)中的應(yīng)用，它是一個智能計(jì)算機(jī)程序系統(tǒng)，其內(nèi)部具有大量專家水平的某個領(lǐng)域知識與經(jīng)驗(yàn)，能夠利用人類專家的知識和解決問題的方法來解決該領(lǐng)域的問題。專家系統(tǒng)的主要功能取決于大量的知識。設(shè)計(jì)專家系統(tǒng)的關(guān)鍵是知識表達(dá)和知識運(yùn)用。專家系統(tǒng)與一般計(jì)算機(jī)程序最本質(zhì)的區(qū)別在于：專家系統(tǒng)所解決的問題一般沒有算法解，并且往往是要在不完全、不精確或不確定的信息基礎(chǔ)上做出結(jié)論。一般的專家系統(tǒng)包括數(shù)據(jù)庫，知識庫，推理機(jī)，解釋器及知識獲取五個部分組成，它的結(jié)構(gòu)如圖10-9所示。圖10-9：專家系統(tǒng)結(jié)構(gòu)圖1）知識庫知識庫用于存取和管理所獲取的專家知識和經(jīng)驗(yàn)，供推理機(jī)利用，具有知識存儲、檢索、編輯、增刪、修改和擴(kuò)充功能。2）數(shù)據(jù)庫用來存放系統(tǒng)推理過程中用到的控制信息，中間假設(shè)和中間結(jié)果。3）推理機(jī)用于利用知識進(jìn)行推理，求解專門問題，具有啟發(fā)推理、算法推理；正向、反向或雙向推理；串行或并行推理等功能。4）解釋器解釋器用于作為專家系統(tǒng)與用戶的“人——機(jī)”接口，其功能是向用戶解釋系統(tǒng)的行為，包括：咨詢理解：對用戶咨詢的提問進(jìn)行“理解”，將用戶輸入的提問及有關(guān)事實(shí)、數(shù)據(jù)和條件、轉(zhuǎn)換為推理機(jī)可接收的信息。結(jié)論解釋：向用戶輸出推理的結(jié)論或答案，并且根據(jù)用戶需要對推理過程進(jìn)行解釋，給出結(jié)論的可信度估計(jì)。5）知識獲取器知識獲取是專家系統(tǒng)與專家的“界面”。知識庫中的知識一般都是通過“人工移植”方法獲得，“界面”就是知識工程師（專家系統(tǒng)的設(shè)計(jì)者），采用“專題面談”，“口語記錄分析”等方式獲取知識，經(jīng)過整理后，再輸入知識庫。為了提高知識工程師獲得專家知識的效率，可以借助“知識獲取輔助工具”來輔助專家整理知識或輔助擴(kuò)充和修改數(shù)據(jù)庫。近年來，開始機(jī)器學(xué)習(xí)、機(jī)器識別、半自動化等方法獲取知識。6.8專家系統(tǒng)的知識處理6.8.1人工智能與專家系統(tǒng)人工智能的目的是用計(jì)算機(jī)模擬人類，其中包括模擬人類的動作——機(jī)器人，模擬人類的視聽能力——計(jì)算機(jī)視覺、聽覺的模式識別，模擬人類語言——計(jì)算機(jī)自然語言，模擬人腦——電腦。在模擬人腦研究時，本來是想從幼兒開始，隨著大腦的發(fā)育過程模擬人腦的，但是發(fā)現(xiàn)這樣模擬難度太大了，轉(zhuǎn)而研究領(lǐng)域?qū)＜业乃季S過程，因?yàn)轭I(lǐng)域?qū)＜夷軌蜿U述清楚知識與邏輯。隨著專家系統(tǒng)工具軟件的出現(xiàn)，許多領(lǐng)域展開了專家系統(tǒng)的研究，其中最成功的是國際象棋的專家系統(tǒng)。人工智能主要的目的是模擬人腦的功能，但是目前人們對人腦的思維過程并不十分清楚，因此人工智能的概念也不可能非常清楚。許多人工智能的研究只局限于形式邏輯的推導(dǎo)，凡是超出了形式邏輯范疇的，都被是認(rèn)為無法解決的問題。現(xiàn)在理解的人工智能主要是指用計(jì)算機(jī)完成邏輯推理的過程。6.8.2知識表示知識表示就是知識的形式化，就是研究用機(jī)器表示知識的可行的、有效的、通用的原則和方法。目前常用的知識表示方法有：產(chǎn)生式規(guī)則、語義網(wǎng)絡(luò)法、框架表示法、與或圖法，過程表示法、特征表示法、黑板結(jié)構(gòu)、Petri網(wǎng)絡(luò)法、神經(jīng)網(wǎng)絡(luò)等。其中效果最好的是產(chǎn)生式規(guī)則，其它表示方法單獨(dú)使用的不多，大多是以產(chǎn)生式規(guī)則為主體增加和擴(kuò)展語義、框架和程式式知識。產(chǎn)生式規(guī)則使用“若……，則……?！闭Z句（If…,Then）。“若”可以是一個條件，也可以是多個條件；“則”也可以是一個結(jié)論，也可以是多個結(jié)論。也稱為正向式推理，有以下幾種情況：1）一對一：If(1),then(a)。2）一對多：If(1)，then(a),(b),…(n)。3）多對一：If(1),(2),…,(m);then(a)。4）多對多：If(1),(2),…,(m);then(a),(b),…,(n)。If…,then語句是從已知條件，推論結(jié)果的語句，反之，從結(jié)果推出條件稱為后向式推理。同樣有四種情況，一對一，一對多，多對一，多對多：1）一對一：Conclusion(a);Need(1)。2）一對多：Conclusion(a);Need(1),(2),…,(m)。3）多對一：Conclusion(a),(b),…,(n);Need(1)。4）多對多：Conclusion(a),(b),…,(n);Need(1),(2),…,(m)。由此可見，產(chǎn)生式規(guī)則的正向式推理與逆向式推理都是在確定性問題中的處理方法。對于不確定性的問題，產(chǎn)生式規(guī)則不能解決問題，需要結(jié)合其它的表示方法。6.8.3知識推理推理是指依據(jù)一定規(guī)則從已有的事實(shí)推出結(jié)論的過程。專家系統(tǒng)中的自動推理是知識推理，它是專家系統(tǒng)中問題求解的主要手段。知識推理與知識表示有密切關(guān)系，根據(jù)知識表示的特點(diǎn)，知識推理方法可分為圖搜索方法和邏輯論證方法兩類。6.8.4圖搜索方法在專家系統(tǒng)的知識表示中，許多基本的、常用的表達(dá)方式都具有“圖”的形式，或者可以變換為相應(yīng)的圖的形式，而且通常可以用與或圖來進(jìn)行表達(dá)。例如，狀態(tài)空間圖、與或圖、語義網(wǎng)格圖，以及由產(chǎn)生式規(guī)則或框架表示方法所轉(zhuǎn)換的與或圖或網(wǎng)絡(luò)圖?；趫D的知識表達(dá)，問題求解的知識推理過程，就是從圖中相當(dāng)于初始狀態(tài)的出發(fā)節(jié)點(diǎn)到相當(dāng)于目標(biāo)狀態(tài)的終止節(jié)點(diǎn)的路線搜索過程，即搜索從初始狀態(tài)有效的轉(zhuǎn)移到目標(biāo)所經(jīng)歷的最優(yōu)的或最經(jīng)濟(jì)的線路，相應(yīng)的知識推理方法即圖搜索方法。例如，對于具有樹狀的狀態(tài)空間圖，稱為“問題樹”，基本的圖搜索方法有：寬度優(yōu)先搜索、深度優(yōu)先搜索法等。6.8.5邏輯論證方法當(dāng)知識表示采用謂詞（Predicate）邏輯或其他形式邏輯方法時，知識推理也可以采取邏輯論證方法。在這種情況下，求解一個問題相應(yīng)于證明一個定理或幾個定理，問題求解的知識推理過程，相應(yīng)于用數(shù)理邏輯方法進(jìn)行定理證明的過程。知識推理方法即邏輯論證方法。例如，若用一組謂詞邏輯表達(dá)式A描述有關(guān)的事實(shí)、情況或條件，而用另一組謂詞邏輯表達(dá)式B描述問題的答案或結(jié)論，那么，只要通過邏輯演算方法論證定理A-B成立，也就相應(yīng)論證了從有關(guān)事實(shí)、情況和條件出發(fā)，可以推出正確的答案或結(jié)論B。根據(jù)問題求解的推理過程是否運(yùn)用啟發(fā)性知識，知識推理方法可分為啟發(fā)推理和非啟發(fā)推理兩類。啟發(fā)推理在問題求解的過程中，運(yùn)用與問題有關(guān)的啟發(fā)性知識，即解決問題的策略、技巧，對解的特性及其規(guī)律的估計(jì)等實(shí)踐經(jīng)驗(yàn)或知識，以加快推理過程，提高搜索效率，這種推理過程稱為“啟發(fā)式推理”。例如，在圖搜索的推理方法中，利用啟發(fā)性知識改進(jìn)的深度優(yōu)先搜索法，如局部擇優(yōu)搜索法，最好優(yōu)先搜索法等，只需要對部分狀態(tài)空間進(jìn)行搜索，可提高搜索效率。非啟發(fā)推理在問題求解的推理過程中，不運(yùn)用啟發(fā)性知識，只按照一般的邏輯法則和控制性知識，進(jìn)行通用性的推理。這種方法缺乏對求解問題的針對性，需要進(jìn)行全狀態(tài)空間的搜索，而沒有選擇最優(yōu)的搜索途徑，大多搜索效率低。例如寬度優(yōu)先搜索法，雖然是完備的算法，但其搜索效率低。根據(jù)問題求解的推理過程中結(jié)論是否精確，知識推理方法可分為精確推理和不精確推理兩類。1.精確推理精確推理是指在專家系統(tǒng)中，把特定領(lǐng)域的知識表示成必然的因果關(guān)系、邏輯關(guān)系，推理的結(jié)論是肯定的。這種推理是精確推理。2.不精確推理在人類知識中，有相當(dāng)一類屬于人們的主觀判斷，是不精確和含糊的。由這些知識歸納出來的推理規(guī)則也往往是不確定的，基于這種不確定的推理規(guī)則進(jìn)行推理，形成結(jié)論，稱為不精確推理。常用的不精確推理方法有概率論方法、可信度方法、模糊子集法和證據(jù)論方法。根據(jù)問題求解過程中特殊和一般的關(guān)系，知識推理方法可分為演繹推理和歸納推理；根據(jù)求解推理過程中的推理的方向，知識推理方法可分為正向推理、反向推理和正反向混合推理三類。6.8.6空間分類專家系統(tǒng)實(shí)例——土地類型分類空間分類是GIS和遙感信息系統(tǒng)最常用的功能，將空間單元?dú)w組分類是智能GIS的基本功能。傳統(tǒng)的分類基于二值邏輯，認(rèn)為區(qū)域分類界限是明顯的，基本空間單元（矢量或柵格結(jié)構(gòu)）屬于且只屬于一個空間類別。然而，事實(shí)上空間類別之間的界限通常是模糊的，是漸變的而不是突變的，所以在空間分類中引入模糊邏輯會提高分類的精度。另外空間分類也是一個基于人們對空間現(xiàn)象的認(rèn)知和知識的心理判斷過程，開發(fā)一個帶有GIS的專家系統(tǒng)是很有必要的。當(dāng)然可以使用那些結(jié)構(gòu)化的分類算法（程式式知識），但是這種方法往往是很機(jī)械，且不能有效地與用戶進(jìn)行關(guān)于分類的知識相互交流。專家系統(tǒng)的分類方法則更為靈活、智能，它不是一個算法，而是一個關(guān)于空間分類的抽象和空間數(shù)據(jù)如何分類的規(guī)則，可以在不修改任何程序的情況下在知識庫里修改、刪除、增加專家和非專家的判斷，分類知識和規(guī)則?；谝?guī)則的專家分類系統(tǒng)往往具有傳播知識和教育的成分。下面是一個基于遙感影象的土地類型專家分類系統(tǒng)實(shí)例。數(shù)據(jù)采用4波段LANDSATMSS影象數(shù)據(jù)，分類系統(tǒng)所采用的分類依據(jù)如圖10-10所示：圖10-10：土地利用分類由于分類問題是一個數(shù)據(jù)驅(qū)動的過程，采用了正向推理方式。產(chǎn)生式規(guī)則是從領(lǐng)域?qū)＜耀@取的，如下表所示，存入知識庫。表10-5：知識庫存儲的分類規(guī)則ruler1If（x1<8.0000,12.0000）and(x4<5.0000,10.0000)thenpretype1iswaterCertaintyis1ruler2If(x3>=8.0000,12.0000)and(x4>=5.0000,10.0000)thenpretype1islandruler3If(pretype1iswater)and(x1>20.0000,24.0000）and(x2>13.0000,16.0000)and(x3>5.0000,10.0000)thentypeisturbidCertaintyis1ruler4If(pretype1iswater)and(x1<=20.0000,24.0000)or(x2<13.0000,16.0000)or(x3<=5.0000,10.0000)thentypeisclearCertaintyis1ruler5If(pretype1island)and(x1<17.0000,25.0000）and(x2<13.0000,30.0000)and(x3>27.0000,50.0000)and(x4>30.0000,65.0000)thentypeisvegetationCertaintyis1ruler6If(pretype1island)and(x1>=17.0000,25.0000)or(x2>=13.0000,30.0000)or(x3<=27.0000,50.0000)or(x4<=30.0000,65.0000)thenpretype2isnon-vegetationCertaintyis1ruler7If(pretype2isnon-vegetation)and(x1>27.0000,39.0000）and(x2<26.0000,52.0000)and(x3>26.0000,49.0000)and(x4>21.0000,41.0000)thentypeisbarrenCertaintyis1ruler8If(pretype2isnon-vegetation)and(x1<20.0000,30.0000)and(x2<20.0000,30.0000)and(x3>20.0000,35.0000)and(x4>15.0000,25.0000)thentypeisurban_or_otherCertaintyis1根據(jù)專家的經(jīng)驗(yàn)，不能武斷的使用一個波段數(shù)值作為分類的界限，為反映光譜反射的漸變性，使用了模糊邏輯方法表示推理規(guī)則。以規(guī)則r1為例，在劃分水域時不是只取波段3（x3）的一個數(shù)值5和波段4（x4）中的一個數(shù)值8作為分類依據(jù)，而是用了模糊集的方法允許漸變特征。模糊集表示如圖10-11。圖10-11：模糊集 由于專家對分類規(guī)則非常確定，所以確定性因子為1。若確定性水平的不同，確定性因子可在[0，1]范圍內(nèi)取值。分類的結(jié)果通過地理信息系統(tǒng)進(jìn)行顯示，當(dāng)分類結(jié)果精確時，系統(tǒng)會自動顯示分類結(jié)果。當(dāng)分類結(jié)果存在誤差時，混合象元同時被標(biāo)識和顯示，同時土地類型漸變造成的模糊邊界也可顯示，模糊邊界的寬度在土地類型混雜的地方用不同的閥值控制。6.9數(shù)據(jù)倉庫與空間數(shù)據(jù)挖掘隨著衛(wèi)星和遙感技術(shù)以及其它自動數(shù)據(jù)采集工具的越來越廣泛的應(yīng)用，日益豐富的空間和非空間數(shù)據(jù)收集和存儲于大空間數(shù)據(jù)庫中，海量的地理數(shù)據(jù)在一定程度上已經(jīng)超過了人們能夠處理的能力，從這些海量的數(shù)據(jù)中提取和發(fā)現(xiàn)地學(xué)知識，給當(dāng)前GIS技術(shù)提出了巨大的挑戰(zhàn)。新的需求推動著GIS從操作型信息系統(tǒng)向分析型信息系統(tǒng)過渡，數(shù)據(jù)庫系統(tǒng)最新的數(shù)據(jù)倉庫和數(shù)據(jù)庫知識發(fā)現(xiàn)技術(shù)為GIS組織、管理海量空間和非空間數(shù)據(jù)提供了新的思路。GIS在空間數(shù)據(jù)存儲、表達(dá)和管理方面的能力已得到廣泛的認(rèn)可，增強(qiáng)GIS分析功能，提高GIS解決地學(xué)實(shí)際問題的能力已得到共識。GIS吸收數(shù)據(jù)倉庫的思想，將空間分析和空間數(shù)據(jù)挖掘方法緊密集成，充分利用GIS數(shù)據(jù)存儲、管理空間數(shù)據(jù)的功能，使海量的地理空間數(shù)據(jù)變成無限的知識，使GIS成為智能的信息系統(tǒng)。6.9.1數(shù)據(jù)倉庫（DataWarehouse）近年來，人們逐漸認(rèn)識到計(jì)算機(jī)系統(tǒng)存在兩類不同的處理：操作型處理和分析型處理。操作型處理也叫事務(wù)型處理，是指對數(shù)據(jù)庫聯(lián)機(jī)進(jìn)行的日常操作，通常是對一個或一組記錄的查詢和修改，主要為企業(yè)特定應(yīng)用服務(wù)，對此人們關(guān)心的是響應(yīng)時間、數(shù)據(jù)的安全性和完整性。分析型處理是用于管理人員的決策分析，例如決策支持系統(tǒng)、專家系統(tǒng)和多維分析等，經(jīng)常要訪問大量的歷史數(shù)據(jù)。兩者的巨大差別使得操作型處理和分析型處理的分離成為必然，于是數(shù)據(jù)庫由操作型環(huán)境發(fā)展成為操作型環(huán)境和分析型環(huán)境的新體系化環(huán)境。在此新體系環(huán)境中數(shù)據(jù)倉庫處于核心地位，它是建立決策支持系統(tǒng)的基礎(chǔ)。數(shù)據(jù)倉庫是指面向主題的、集成的、穩(wěn)定的、隨著時間變化的數(shù)據(jù)集合，用以支持管理決策。這一定義指出了數(shù)據(jù)倉庫的目標(biāo)是為了制定管理的決策提供支持信息。正象企業(yè)為了發(fā)展要進(jìn)行業(yè)務(wù)重組一樣，為了支持管理決策需要也要按決策業(yè)務(wù)科目的要求重組在線事務(wù)處理（OLTP）系統(tǒng)中的數(shù)據(jù)，并要按不同決策，分析內(nèi)容分別組織使之方便使用。也就是說，數(shù)據(jù)倉庫是一種把收集的數(shù)據(jù)轉(zhuǎn)變成有意義的信息技術(shù)。數(shù)據(jù)可以來源于許多不同的數(shù)據(jù)源，包括不同的數(shù)據(jù)庫系統(tǒng)，甚至來源于不同的操作系統(tǒng)。圖10-12：數(shù)據(jù)倉庫體系結(jié)構(gòu)在把數(shù)據(jù)裝載到數(shù)據(jù)結(jié)構(gòu)重組后的數(shù)據(jù)倉庫之前，先要進(jìn)行數(shù)據(jù)集成處理。這一處理包括幾個必不可少的操作步驟，以做到使數(shù)據(jù)完整、統(tǒng)一，這就確保了在使用數(shù)據(jù)倉庫時其中的數(shù)據(jù)是有質(zhì)量保證的。簡而言之，集成就是保證數(shù)據(jù)準(zhǔn)確、到位、沒有超出應(yīng)有的數(shù)值范圍、沒有重復(fù)等。數(shù)據(jù)倉庫中的數(shù)據(jù)不像在線事務(wù)處理系統(tǒng)中的數(shù)據(jù)那樣頻繁的修改，所以它是比較穩(wěn)定的（極少或根本不修改）。在一次數(shù)據(jù)分析的執(zhí)行過程中使用的數(shù)據(jù)不得變更，才能保證兩次在使用同一組信息進(jìn)行分析時不會得出不同的答案。數(shù)據(jù)倉庫一般是按周、月或隔月從在線事務(wù)處理系統(tǒng)周期性地更新數(shù)據(jù)。典型的數(shù)據(jù)倉庫體系結(jié)構(gòu)如圖10-12，數(shù)據(jù)從多個操作型數(shù)據(jù)庫和外部文件中抽取，抽取出來的數(shù)據(jù)要進(jìn)行清理、轉(zhuǎn)換和集成，然后裝入數(shù)據(jù)倉庫中。裝入倉庫的數(shù)據(jù)形式取決于數(shù)據(jù)倉庫里數(shù)據(jù)庫的設(shè)計(jì)，一般的數(shù)據(jù)倉庫設(shè)計(jì)方法是多維數(shù)據(jù)模型，具體表現(xiàn)為星形模式或雪花模式。倉庫的數(shù)據(jù)要定期更新以反映源數(shù)據(jù)的變化。最后使用前端的報表、查詢、分析和數(shù)據(jù)挖掘等工具來操作和使用數(shù)據(jù)倉庫。在數(shù)據(jù)倉庫管理方面，有一個存儲元數(shù)據(jù)（關(guān)于倉庫數(shù)據(jù)的數(shù)據(jù)）的中央數(shù)據(jù)庫或數(shù)據(jù)字典，而監(jiān)控和管理工具也是必不可少的。6.9.2數(shù)據(jù)挖掘（DataMining）隨著大量的大規(guī)模的數(shù)據(jù)庫迅速不斷地增長，人們對數(shù)據(jù)庫的應(yīng)用已不滿足于僅對數(shù)據(jù)庫進(jìn)行查詢和檢索。僅用查詢檢索不能幫助用戶從數(shù)據(jù)中提取帶有結(jié)論性的有用信息。這樣數(shù)據(jù)庫中蘊(yùn)藏的豐富知識，就得不到充分的發(fā)掘和利用，形成“數(shù)據(jù)豐富而知識貧乏”的現(xiàn)象。另外，從人工智能應(yīng)用來看，專家系統(tǒng)的研究雖然取得了一定的進(jìn)展。但是，知識獲取仍然是專家系統(tǒng)研究中的瓶頸。知識工程師從領(lǐng)域?qū)＜姨帿@取知識是非常復(fù)雜的個人到個人之間的交互過程，具有很強(qiáng)的個性，沒有統(tǒng)一的辦法。因此，有必要考慮從數(shù)據(jù)庫中發(fā)現(xiàn)新的知識，被稱為數(shù)據(jù)庫知識發(fā)現(xiàn)（KnowledgeDiscoveryinDatabases，簡稱KDD)，也叫數(shù)據(jù)挖掘（DataMining）。數(shù)據(jù)庫知識發(fā)現(xiàn)或數(shù)據(jù)挖掘的定義為從數(shù)據(jù)中提取隱含的、先前不知道的和潛在有用的知識的過程。數(shù)據(jù)挖掘技術(shù)集成了機(jī)器學(xué)習(xí)、數(shù)據(jù)庫系統(tǒng)、數(shù)據(jù)可視化、統(tǒng)計(jì)和信息理論等多領(lǐng)域的最新技術(shù)，有著廣泛的應(yīng)用前景。數(shù)據(jù)挖掘主要分為以下四個步驟：1）數(shù)據(jù)選取數(shù)據(jù)倉庫中的數(shù)據(jù)并不都與挖掘的信息有關(guān)，第一步就是為了只提取“有用的”數(shù)據(jù)。2）數(shù)據(jù)轉(zhuǎn)換在確定要進(jìn)行挖掘的數(shù)據(jù)之后，要對這些數(shù)據(jù)進(jìn)行必要的變換，使得數(shù)據(jù)可以被進(jìn)一步的操作使用，通常的變換有：將定名量轉(zhuǎn)換為定序量，以便于人工神經(jīng)網(wǎng)絡(luò)運(yùn)算；對已有的屬性進(jìn)行數(shù)學(xué)或邏輯運(yùn)算，以創(chuàng)建新的屬性。3）數(shù)據(jù)挖掘在數(shù)據(jù)轉(zhuǎn)換之后，就要進(jìn)行數(shù)據(jù)挖掘，數(shù)據(jù)挖掘的具體技術(shù)很多，如分類、回歸分析等。4）結(jié)果解釋挖掘的信息要參照用戶的決策支持目的進(jìn)行分析，并且要表現(xiàn)給決策者。這樣，結(jié)果的輸出不僅包含可視化的過程，而且要經(jīng)過過濾，以去掉決策者不關(guān)心的內(nèi)容。當(dāng)執(zhí)行完一個挖掘過程后，有時可能需要重新修改挖掘過程，還可能增加其它數(shù)據(jù)，數(shù)據(jù)挖掘過程可以通過適當(dāng)?shù)姆答伔磸?fù)進(jìn)行，如圖10-13所示。圖10-13：知識挖掘過程數(shù)據(jù)挖掘涉及的學(xué)科領(lǐng)域和方法很多，有多種分類法。根據(jù)知識發(fā)現(xiàn)任務(wù)，可分為分類或預(yù)測模型發(fā)現(xiàn)、數(shù)據(jù)總結(jié)、聚類、關(guān)聯(lián)規(guī)則發(fā)現(xiàn)、序列模式發(fā)現(xiàn)、依賴關(guān)系或依賴模型發(fā)現(xiàn)、異常和趨勢發(fā)現(xiàn)等等；根據(jù)知識發(fā)現(xiàn)對象，可分為關(guān)系數(shù)據(jù)庫、面向?qū)ο髷?shù)據(jù)庫、空間數(shù)據(jù)庫、時間數(shù)據(jù)庫、文本數(shù)據(jù)源、多媒體數(shù)據(jù)庫、異質(zhì)數(shù)據(jù)庫、Web數(shù)據(jù)庫；根據(jù)知識發(fā)現(xiàn)方法，可粗分為機(jī)器學(xué)習(xí)方法、統(tǒng)計(jì)方法、神經(jīng)網(wǎng)絡(luò)方法和數(shù)據(jù)庫方法。機(jī)器學(xué)習(xí)中，可細(xì)分為歸納學(xué)習(xí)方法(決策樹、規(guī)則歸納等)、基于范例學(xué)習(xí)、遺傳算法等。統(tǒng)計(jì)方法中，可細(xì)分為回歸分析(多元回歸、自回歸等)、判別分析(貝葉斯判別、費(fèi)歇爾判別、非參數(shù)判別等)、聚類分析(系統(tǒng)聚類、動態(tài)聚類等)、探索性分析(主元分析法、相關(guān)分析法等)等。神經(jīng)網(wǎng)絡(luò)方法中，可細(xì)分為前向神經(jīng)網(wǎng)絡(luò)(BP算法等)、自組織神經(jīng)網(wǎng)絡(luò)(自組織特征映射、競爭學(xué)習(xí)等)等。數(shù)據(jù)庫方法主要是多維數(shù)據(jù)分析或在線事務(wù)處理方法，另外還有面向?qū)傩缘臍w納方法。6.9.3空間數(shù)據(jù)挖掘空間數(shù)據(jù)是與占有一定空間的對象有關(guān)的數(shù)據(jù)，空間數(shù)據(jù)庫是通過空間數(shù)據(jù)類型和空間關(guān)系存儲和管理空間數(shù)據(jù)?？臻g數(shù)據(jù)通常具有拓?fù)浜途嚯x信息，通過空間索引進(jìn)行組織和查詢?？臻g數(shù)據(jù)特有的性質(zhì)給空間數(shù)據(jù)庫的知識發(fā)現(xiàn)提出了挑戰(zhàn)和機(jī)遇?？臻g數(shù)據(jù)庫的知識發(fā)現(xiàn)或空間數(shù)據(jù)挖掘，可以定義為從空間數(shù)據(jù)庫中提取隱含的知識、和沒有直接存儲的空間關(guān)系、空間模式的過程?？臻g數(shù)據(jù)挖掘技術(shù)，特別是空間數(shù)據(jù)理解、空間和非空間數(shù)據(jù)關(guān)系發(fā)現(xiàn)、空間知識庫構(gòu)造、空間數(shù)據(jù)庫的查詢優(yōu)化和數(shù)據(jù)組織，在GIS、遙感、影象數(shù)據(jù)庫、機(jī)器人運(yùn)動等涉及空間數(shù)據(jù)的應(yīng)用系統(tǒng)中很有前景。下面簡要介紹目前空間數(shù)據(jù)挖掘使用的一些方法：1）統(tǒng)計(jì)分析方法目前空間數(shù)據(jù)分析最常用的方法是統(tǒng)計(jì)分析方法。統(tǒng)計(jì)分析非常適合處理數(shù)值型數(shù)據(jù)，統(tǒng)計(jì)分析方法多年來積累了大量的算法，可以用于對空間現(xiàn)象建模和分析。但空間統(tǒng)計(jì)分析也有很大的缺陷：首先統(tǒng)計(jì)分析方法關(guān)于空間分布數(shù)據(jù)的統(tǒng)計(jì)獨(dú)立性的假設(shè)，往往不現(xiàn)實(shí)，因?yàn)榭臻g鄰域之間存在著相互關(guān)系；其次，統(tǒng)計(jì)分析不適合處理非數(shù)值型數(shù)據(jù)，如空間對象的名稱和定名數(shù)據(jù)類型等。另外統(tǒng)計(jì)分析往往對領(lǐng)域?qū)＜液徒y(tǒng)計(jì)方面的知識要求較高，只適合領(lǐng)域?qū)＜液陀薪y(tǒng)計(jì)經(jīng)驗(yàn)的人使用，而且當(dāng)數(shù)據(jù)不完整或不充分時，統(tǒng)計(jì)分析的結(jié)果缺乏實(shí)際意義。再就是統(tǒng)計(jì)分析的計(jì)算代價也是很高的。為克服統(tǒng)計(jì)分析方法的缺點(diǎn)，需要新的數(shù)據(jù)挖掘方法。2）基于概括的方法基于概括的方法是一種面向?qū)傩缘臍w納學(xué)習(xí)方法，用于空間數(shù)據(jù)挖掘，可將空間和非空間屬性的關(guān)系概括成高層次的概念知識。它需要背景知識，即概念層次體系（ConceptHierarchy），常以概念樹的形式給出。如圖10-14所示的是一個農(nóng)業(yè)土地利用的概念樹。同樣地，空間數(shù)據(jù)也存在類似地概念層次，如鄉(xiāng)鎮(zhèn)——縣市——省——國家。面向?qū)傩缘臍w納學(xué)習(xí)方法，通過概念樹攀升而得到概括的數(shù)據(jù)，概括的數(shù)據(jù)可直接轉(zhuǎn)換成規(guī)則或邏輯表達(dá)式，可用于發(fā)現(xiàn)普遍特征規(guī)則和區(qū)劃規(guī)則?？臻g數(shù)據(jù)庫的歸納學(xué)習(xí)可以根據(jù)非空間數(shù)據(jù)的概念層次，也可根據(jù)描述空間數(shù)據(jù)的概念層次進(jìn)行?；诜强臻g數(shù)據(jù)的概念層次歸納，例如數(shù)值型數(shù)據(jù)可以歸到一個數(shù)值范圍或一個較高層次概念描述型變量，（-9℃在-10℃-0℃范圍，或圖10-14：概括歸納示例基于概括的方法一般有以非空間數(shù)據(jù)為主的概括和以空間數(shù)據(jù)為主的概括兩種算法。這兩種算法的第一步都是選取用戶特定的查詢數(shù)據(jù)。接下來，非空間數(shù)據(jù)為主的概括算法過程是：（A）概念樹攀升，即將元組的屬性變?yōu)楦邔哟蔚膶傩?；（B）屬性刪除，刪除那些不可能概括的特殊屬性值；（C）合并標(biāo)識后的元組。歸納過程直到所有的屬性概括到合適的層次為止。最后將概括后屬性值相同的相鄰區(qū)域合并，結(jié)果得到一幅概念層次較高的、而區(qū)域較少的圖。以空間數(shù)據(jù)為主的概括算法，第一步也是收集用戶查詢的數(shù)據(jù)，然后根據(jù)給定的空間數(shù)據(jù)概念層次對空間對象進(jìn)行合并，概括過程直到達(dá)到需要的概念層次為止。然后對于每個概括后的空間對象進(jìn)行非空間數(shù)據(jù)概括，直到得到所有區(qū)域的正確描述。3）聚類方法聚類分析是統(tǒng)計(jì)分析的一個分支，這種方法的主要優(yōu)點(diǎn)是不需要背景知識，可以直接從數(shù)據(jù)中發(fā)現(xiàn)感興趣的結(jié)構(gòu)或聚類模式，類似于機(jī)器學(xué)習(xí)中的非監(jiān)督學(xué)習(xí)。聚類分析與面向?qū)傩詺w納推理結(jié)合，為描述相似對象的空間行為提供了可能，或用于判定不同類別的特征。同樣可分為以空間數(shù)據(jù)為主和以非空間數(shù)據(jù)為主兩種方法。以空間數(shù)據(jù)為主的方法，首先通過基于采樣的高效的聚類算法將與任務(wù)有關(guān)的空間對象（如點(diǎn)）分類，接著對非空間數(shù)據(jù)使用面向?qū)傩詺w納推理方法，提取描述各類一般屬性。以非空間數(shù)據(jù)為主的方法，首先將與任務(wù)有關(guān)的空間對象概括到較高的概念層次，進(jìn)行聚類分析，然后將空間對象進(jìn)行合并處理。4）空間關(guān)聯(lián)規(guī)則（SpatialAssociationRule）方法關(guān)聯(lián)規(guī)則的提出源于交易數(shù)據(jù)集中發(fā)現(xiàn)商品之間隱含的相互依賴關(guān)系。如果在超市的數(shù)據(jù)庫中發(fā)現(xiàn)的一條規(guī)則，形式為“W?B（C%）”，規(guī)則的含義是“如果交易中出現(xiàn)了W模式，就有C%的可能性（可信度）出現(xiàn)B交易模式”。例如規(guī)則“牛奶?黃油（90%）”，表明有90%的買牛奶的顧客會同時買黃油，這就是關(guān)聯(lián)規(guī)則。它同樣可用于發(fā)現(xiàn)空間關(guān)系?？臻g關(guān)聯(lián)規(guī)則的形式為：謂詞中至少有一個是空間謂詞；C%為關(guān)聯(lián)規(guī)則的可信度。構(gòu)造空間關(guān)聯(lián)規(guī)則的空間謂詞有很多形式，例如拓?fù)潢P(guān)系（相交、包含、重疊等）、方位關(guān)系（左側(cè)、西側(cè)等）、距離關(guān)系（臨近、遠(yuǎn)離等）。關(guān)聯(lián)規(guī)則通常可以分為兩種：布爾型關(guān)聯(lián)規(guī)則和多值關(guān)聯(lián)規(guī)則。多值關(guān)聯(lián)規(guī)則比較復(fù)雜，一種自然的想法是將它轉(zhuǎn)換為布爾型關(guān)聯(lián)規(guī)則。當(dāng)全部屬性的取值數(shù)量都是有限的時候，只需將每個屬性值映射為一個布爾型屬性即可。當(dāng)屬性的取值范圍很寬時，則需將其分為若干區(qū)段，然后將每個區(qū)段映射為一個布爾型屬性。于是，如何劃分區(qū)段是實(shí)現(xiàn)多值關(guān)聯(lián)規(guī)則到布爾型關(guān)聯(lián)規(guī)則轉(zhuǎn)變的關(guān)鍵。這里面有兩個互相牽制的問題：當(dāng)區(qū)段的范圍太窄時，則可能使每個區(qū)段對應(yīng)的屬性的支持度很低，而出現(xiàn)“最小支持度問題”；當(dāng)區(qū)段的范圍太寬時，則可能使每個區(qū)段對應(yīng)的屬性的可信度很低，而出現(xiàn)“最小可信度問題”。在一個集合S里，空間聯(lián)結(jié)謂詞的支持度，為滿足P的對象數(shù)與S集合總數(shù)的比；集合S里關(guān)聯(lián)規(guī)則P?Q的可信度為/。關(guān)聯(lián)規(guī)則的發(fā)現(xiàn)可以分解成以下兩個子問題：找出數(shù)據(jù)庫S中所有滿足用戶指定最小支持度的對象集P（一個非空子集），具有最小支持度的對象集稱為頻繁對象集，反之就稱為非頻繁對象集。利用頻繁對象集生成所需要的關(guān)聯(lián)規(guī)則。對于每一個頻繁對象集P，找出P的所有非空子集Q，如果比率/≥最小可信度，就生成關(guān)聯(lián)規(guī)則P?Q。下面簡要介紹一下空間關(guān)聯(lián)規(guī)則的算法過程：輸入：空間數(shù)據(jù)庫、挖掘查詢、關(guān)聯(lián)約束條件集1.數(shù)據(jù)庫包括三部分：包含空間對象的空間數(shù)據(jù)庫、描述非空間信息的關(guān)系數(shù)據(jù)庫、概念層次集；2.查詢也包括三部分：要描述的對象類S、與任務(wù)有關(guān)的空間對象子類C1，...Cn、有關(guān)的關(guān)系和謂語集；3.三個約束條件：每個概念層次上的最小支持度、最小可信度、滿足“臨近”空間謂語的最大距離。輸出：有關(guān)對象的多種概念層次上的較強(qiáng)的空間關(guān)聯(lián)規(guī)則方法：空間關(guān)聯(lián)發(fā)現(xiàn)的計(jì)算程序如下：1）生成要描述的對象類的圖層12）對于相關(guān)對象的所有子類對象Ci同時進(jìn)行如下處理：1.生成關(guān)聯(lián)對象子類的圖層2；2.生成作用于對象Ci的謂詞（如圖層1與圖層2相交，給定距離條件）；3.將對象Ci的謂詞加入到謂詞數(shù)據(jù)庫中。3）搜索謂詞數(shù)據(jù)庫中可信度高的空間關(guān)聯(lián)規(guī)則?？臻g謂詞存在一個擴(kuò)展的關(guān)系數(shù)據(jù)庫——謂詞數(shù)據(jù)庫中，屬性值為單值或多值集合。謂詞數(shù)據(jù)庫的一個記錄描述對象類S中的一個對象Si與滿足謂詞關(guān)系的對象Cj的關(guān)系。6.10GIS空間分析與空間動態(tài)建模目前，GIS已被廣泛接受為管理、存儲、查詢分析有關(guān)地理空間分布的信息的成熟的工具和技術(shù)，近年來對GIS提出的越來越多的挑戰(zhàn)是將這個本質(zhì)上靜態(tài)的系統(tǒng)變?yōu)橹С帜M空間——時間過程的經(jīng)濟(jì)可行的工具，為科學(xué)研究和資源管理服務(wù)。目前大多數(shù)GIS軟件不能支持多學(xué)科領(lǐng)域的動態(tài)過程計(jì)算模型，包括水文、生態(tài)等地學(xué)和生物科學(xué)，大多數(shù)GIS系統(tǒng)只是為模型提供輸入?yún)?shù)和顯示輸出結(jié)果。集成GIS空間分析與空間動態(tài)建模困難的原因在于：1）領(lǐng)域科學(xué)家、數(shù)據(jù)收集者和GIS技術(shù)人員存在著重要的概念差異，導(dǎo)致他們對現(xiàn)實(shí)世界抽象方式、如何用計(jì)算機(jī)組織和結(jié)構(gòu)化數(shù)據(jù)的方式存在很大差異。2）GIS記錄、存儲的數(shù)據(jù)可能不是模型最適合的數(shù)據(jù)格式，有時需要進(jìn)行轉(zhuǎn)換。3）除非對計(jì)算機(jī)編程非常熟悉，否則編寫一個空間過程的動態(tài)模型是一個困難的很花費(fèi)時間的過程。4）許多GIS軟件的可視化方法并不支持對模型結(jié)果的交互式空間——時間表現(xiàn)。5）滿足許多科學(xué)家要求的、快速有效的模擬動態(tài)模型的開放系統(tǒng)模擬方法（如元胞自動機(jī)），在GIS實(shí)現(xiàn)的很少。所謂空間動態(tài)模型是指現(xiàn)實(shí)世界中地球表面特定位置上的某些屬性或狀態(tài)因其驅(qū)動力隨時間變化而發(fā)生改變的一種數(shù)學(xué)模擬。從計(jì)算的角度考慮，空間動態(tài)模型就是要計(jì)算各空間單元隨其時間序列信息或驅(qū)動力的變化而產(chǎn)生新狀態(tài)或?qū)傩灾?。各時刻的狀態(tài)或?qū)傩钥梢杂糜?jì)算機(jī)以動畫的形式進(jìn)行顯示，其實(shí)質(zhì)仍然是圖形代數(shù)和地圖模型的自然延伸。但由于GIS空間分析功能的語義限制，不能直接支持空間動態(tài)建模的操作元語，所以目前很多模型都是在GIS支持下，經(jīng)過擴(kuò)展或修改，采取與GIS相互結(jié)合的方式實(shí)現(xiàn)的。6.10.1GIS與空間動態(tài)模型的結(jié)合方式GIS與空間動態(tài)模型的結(jié)合主要有三種方式：松散結(jié)合，交互界面和鑲嵌結(jié)合。松散結(jié)合主要用于模型與GIS各自開發(fā)的情形，在這種結(jié)合中，先用GIS查詢，預(yù)處理空間數(shù)據(jù)，然后按模型所需的格式將其輸入模型，模型計(jì)算的結(jié)果再轉(zhuǎn)為GIS文件格式，進(jìn)行顯示和分析。松散結(jié)合的優(yōu)點(diǎn)在于無須改變模型的代碼，不足之處在于大量的數(shù)據(jù)管理和轉(zhuǎn)換工作，要求模型和GIS兩方面的專門知識。第二種結(jié)合方式是開發(fā)交互界面。這種結(jié)合就是開發(fā)支持模型的GIS數(shù)據(jù)庫，同時開發(fā)一個界面，既可以為模型提供輸入數(shù)據(jù)，又能利用模型結(jié)果進(jìn)行處理和演示，所有的數(shù)據(jù)轉(zhuǎn)換是通過交互界面自動進(jìn)行的。此類結(jié)合的實(shí)例最多，交互界面的優(yōu)點(diǎn)在于提供了模型與GIS平臺的接口，節(jié)省了大量數(shù)據(jù)輸入輸出工作。不足在于編程和數(shù)據(jù)管理上的投資比較大，用戶修改和重寫模型的難度大。第三種方式是鑲嵌結(jié)合。這類結(jié)合要么是一個簡單的GIS嵌入到一個復(fù)雜的模型系統(tǒng)以提供結(jié)果顯示和交互控制功能，要么是用GIS的函數(shù)命令重寫模型。這樣模型和GIS同在一個系統(tǒng)中，二者共用同一個數(shù)據(jù)庫，不存在數(shù)據(jù)交換問題。當(dāng)模型對GIS的功能要求不多時常采用前一種鑲嵌方法。而用GIS函數(shù)命令重寫模型的優(yōu)點(diǎn)在于用戶可以建立自己的模型，不足在于GIS的命令和函數(shù)有時不能滿足建立模型的所有需要。6.10.2元胞自動機(jī)簡介元胞自動機(jī)（CellularAutomata，CA）是定義在一個具有離散、有限狀態(tài)的元胞組成的元胞空間上的，按照一定局部規(guī)則，在離散的時間維上演化的動力學(xué)系統(tǒng)。元胞自動機(jī)的基本單元是元胞（Cell），每個元胞具有一個狀態(tài)，這個狀態(tài)只能取有限狀態(tài)集中的一個，例如“生”或“死”，或者256種顏色中的一種等等；這些元胞規(guī)則地排列在被稱為“元胞空間”的空間格網(wǎng)上；它們各自的狀態(tài)隨著時間變化，根據(jù)一個局部的規(guī)則來進(jìn)行更新，即一個元胞在某時刻的狀態(tài)取決于且只取決于該元胞周圍鄰域元胞的狀態(tài)；元胞空間內(nèi)的元胞依照此局部規(guī)則進(jìn)行同步的狀態(tài)更新，整個元胞空間則表現(xiàn)為在離散的時間維上變化。元胞自動機(jī)的最基本的組成包括元胞（Cell），元胞空間（Lattice），鄰域（Neighbor），規(guī)則（Rule）。元胞自動機(jī)可以視為由一個元胞空間和定義在該空間的變換函數(shù)所組成。標(biāo)準(zhǔn)的元胞自動機(jī)是一個四元組：A=（d,S,N,f）A代表一個元胞自動機(jī)系統(tǒng)；d是一個正整數(shù)，表示元胞自動機(jī)的維數(shù)；S是元胞的有限的離散的狀態(tài)集合；N表示一個所有鄰域內(nèi)元胞的組合，即包含個不同元胞狀態(tài)的空間矢量，記為：N=(s1,s2,s3,...,sn)n是鄰域內(nèi)元胞的個數(shù)；si?Z（整數(shù)集合），i?(1,2,...n)；f是變化規(guī)則，為將Sn映射到S上的一個局部轉(zhuǎn)換函數(shù)。所有的元胞位于d維空間上，其位置可用一個d元的整數(shù)矢量Zd來確定。一般地，元胞自動機(jī)的基本模型具有五個主要特征：1）它們由元胞的離散格局構(gòu)成；2）它們在離散時間步序內(nèi)演化；3）每一元胞的狀態(tài)均在同一有限集中取值；4）每一元胞的狀態(tài)依同一確定的法則演化；5）元胞狀態(tài)的取值法則僅依賴于其自身及其周圍鄰域元胞的狀態(tài)值。元胞自動機(jī)雖然是產(chǎn)生于并行計(jì)算機(jī)結(jié)構(gòu)的一種理論模型，但它還可用來描述具有很大自由度的離散系統(tǒng)，可視為偏微分方程離散化的理想形式。元胞自動機(jī)模型可用來模擬研究很多的現(xiàn)象，包括信息傳遞、計(jì)算、構(gòu)造、生長、復(fù)制、競爭與進(jìn)化等，同時，它為動力學(xué)系統(tǒng)理論中有關(guān)秩序、紊動、混沌、非對稱、分形等系統(tǒng)整體行為與現(xiàn)象的研究提供了一個有效的模型工具。元胞自動機(jī)模型具有很強(qiáng)的靈活性和開放性，它不是一個簡單的數(shù)理方程，而更象是一種方法論。各領(lǐng)域?qū)＜铱蓪δＰ偷母鱾€組成部分進(jìn)行靈活的擴(kuò)展，建立適合模擬各種專題現(xiàn)象的擴(kuò)展模型，這是元胞自動機(jī)廣泛應(yīng)用于社會、經(jīng)濟(jì)、環(huán)境、地學(xué)、生物等領(lǐng)域的原因。尤其需要說明的是當(dāng)元胞自動機(jī)在二維空間上時，元胞空間結(jié)構(gòu)與柵格GIS數(shù)據(jù)結(jié)構(gòu)高度相容，因此使用柵格GIS結(jié)合元胞自動機(jī)模型，可以用于離散時間和離散空間的框架下對復(fù)雜時空動態(tài)過程進(jìn)行模擬。下面以一個林火模型的實(shí)例對GIS與元胞自動機(jī)模型的結(jié)合，模擬林火時空動態(tài)蔓延過程。6.10.3元胞自動機(jī)模擬林火蔓延模型森林火災(zāi)是一種常見的自然災(zāi)害，當(dāng)森林火災(zāi)發(fā)生時，快速準(zhǔn)確地模擬和預(yù)測火勢的蔓延和發(fā)展，對于及時部署滅火力量，搬遷居民，減少人民生命財產(chǎn)損失，具有重大的實(shí)際意義。林火模型中最成功的是Rothermel的林火蔓延模型，模型主要考慮的因素有：1）森林的材質(zhì)：包括燃料物質(zhì)載荷、燃料深度、燃料粒子密度、熱容量、滅火所需濕度等。2）燃料濕度、空氣溫度。3）風(fēng)速、風(fēng)向。4）地形坡度。模型可以計(jì)算林火的蔓延速率，火災(zāi)的強(qiáng)度、范圍和面積等。基于該模型的框架，一些研究人員結(jié)合元胞自動機(jī)原理和GIS，建立了新的林火模型。該模型是一個二維元胞自動機(jī)模型，基本假設(shè)條件有：森林均勻分布，材質(zhì)均一；地形為平原，不考慮地形影響；風(fēng)向隨機(jī)，即不考慮風(fēng)向影響。模型的特征如下：元胞空間：元胞空間是將實(shí)際研究區(qū)按照一定分辨率劃分的離散網(wǎng)格，格網(wǎng)單元為正方形單元，與GIS柵格數(shù)據(jù)結(jié)構(gòu)一致。元胞狀態(tài)：每個元胞具有四種狀態(tài)，0代表無森林覆蓋，1代表未燃森林，2，代表正在燃燒森林，3代表已燒過的森林。鄰域定義：每個元胞以8個相鄰元胞作為其鄰域元胞。轉(zhuǎn)換規(guī)則：林火蔓延規(guī)則，即在燃元胞的擴(kuò)展規(guī)則。我們假定在燃元胞可以一次點(diǎn)燃周圍鄰居中的所有未燃森林，具體規(guī)則如下：如果ni,j(t)=0或ni,j(t)=3，則ni,j(t+1)=ni,j(t)；如果ni,j(t)=2，則ni,j(t+1)=3；如果ni,j(t)=1且n‘(t)=2（n‘為鄰居元胞集合中的元素），則ni,j(t+1)=2；否則，ni,j(t+1)=1。這是一個對現(xiàn)實(shí)高度簡化的林火蔓延模型，蔓延表現(xiàn)為由火點(diǎn)向四周成圓形擴(kuò)散，基本上反映了一個理想化林火蔓延過程。實(shí)際上這個模型是一個最基本的二維通用擴(kuò)散模型，可以在此基礎(chǔ)上，加以改進(jìn)、擴(kuò)展，用來模擬疾病傳播、污水?dāng)U散等現(xiàn)象。為了更加真實(shí)的模擬林火行為過程，對上面的理想模型進(jìn)行了擴(kuò)展，擴(kuò)展后具體模型如下。元胞空間：與理想模型一致，只是在應(yīng)用中與數(shù)字高程模型、遙感影象等數(shù)據(jù)的分辨率相匹配。元胞狀態(tài)：元胞的狀態(tài)除表示森林燃燒狀態(tài)外，還擴(kuò)展了森林材質(zhì)、濕度、地形坡度、風(fēng)速風(fēng)向等變量。另外為了更精確描述燃燒的過程，燃燒狀態(tài)又細(xì)分成三個子狀態(tài)，其中21表示剛剛被點(diǎn)燃的森林，22表示火勢旺盛的森林，23表示由明火轉(zhuǎn)向暗火的森林（逐漸熄滅）。由于不同材質(zhì)的森林在各個燃燒階段的持續(xù)時間不同，氣溫和濕度也會對燃燒階段的持續(xù)時間產(chǎn)生影影響，所以在森林著火之前，需要確定各個森林元胞一旦著火后，處于燃燒三個子階段的時間（可以通過GIS再分類命令實(shí)現(xiàn)）RT1，RT2，RT3。其它三個狀態(tài)不變，還是0代表無森林覆蓋，1代表未燃森林，3代表已燒過的森林。鄰域定義：每個元胞以8個相鄰元胞作為其鄰域元胞。轉(zhuǎn)換規(guī)則：林火蔓延規(guī)則進(jìn)行了擴(kuò)展。假定只有狀態(tài)為22的元胞，燃燒正旺的森林才能點(diǎn)燃其鄰域元胞；狀態(tài)為21的元胞剛被點(diǎn)燃，火勢較小不會點(diǎn)燃周圍元胞；狀態(tài)為23的元胞則由于火勢減弱，也無法點(diǎn)燃周圍元胞。具體的轉(zhuǎn)換規(guī)則如下：如果ni,j(t)=0或ni,j(t)=3，則ni,j(t+1)=ni,j(t)；如果ni,j(t)=21，則有若RTi,j>RT1i,j，則ni,j(t+1)=22；否則ni,j(t+1)=21，RTi,j=RTi,j+1；如果ni,j(t)=22，則有若RTi,j>RT1i,j+RT2i,j，則ni,j(t+1)=23；否則ni,j(t+1)=22，RTi,j=RTi,j+1；如果ni,j(t)=23，則有若RTi,j>=RT1i,j+RT2i,j+RT3i,j，則ni,j(t+1)=3；否則ni,j(t+1)=23，RTi,j=RTi,j+1；如果ni,j(t)=1且n‘(t)=22（n‘為鄰居元胞集合中的元素），若當(dāng)前元胞被點(diǎn)燃的可能性超過設(shè)定的概率水平后，則ni,j(t+1)=21，RTi,j=0；否則，ni,j(t+1)=1。其中，計(jì)算森林元胞被鄰域元胞點(diǎn)燃的可能性的計(jì)算方法是：首先得到元胞狀態(tài)為22的各個元胞點(diǎn)燃周圍森林的可能性向量Pk，如圖10-15所示：圖10-15：狀態(tài)為22的元胞點(diǎn)燃周圍森林的可能性向量圖然后計(jì)算當(dāng)前森林元胞被點(diǎn)燃的可能性是它的所有相鄰元胞點(diǎn)燃它的概率和。若超過了設(shè)定的概率水平，則可用隨機(jī)數(shù)的產(chǎn)生方法來確定當(dāng)前元胞是否被點(diǎn)燃。至此，一個較為精確的林火蔓延的動態(tài)模型構(gòu)建完成。這樣將模型集成到GIS系統(tǒng)中，在空間數(shù)據(jù)庫、遙感影象、數(shù)字高程模型等數(shù)據(jù)的支持下，提取合理的模型參數(shù)，對森林不同地點(diǎn)、不同天氣條件下，一旦著火后的林火蔓延過程進(jìn)行動態(tài)模擬和預(yù)測，對森林防火、火災(zāi)救險工作有很大的應(yīng)用價值。6.10.4元胞自動機(jī)與GIS集成應(yīng)用中的局限性1）簡單性與真實(shí)性的矛盾問題元胞自動機(jī)是對現(xiàn)實(shí)世界的高度抽象和概括，它能簡潔直觀地模擬空間復(fù)雜系統(tǒng)的動態(tài)演化，但同時人們不僅會懷疑現(xiàn)實(shí)系統(tǒng)是不是這樣演化的，真實(shí)性是元胞自動機(jī)模型面臨的最大質(zhì)疑。問題在于：元胞自動機(jī)只考慮元胞之間的局部作用，而沒考慮元胞空間的宏觀作用，因而忽略了現(xiàn)實(shí)系統(tǒng)的宏觀作用因素；元胞自動機(jī)的因素層過于單一，元胞狀態(tài)的變化取決于自身和鄰域元胞的狀態(tài)組合，從而忽略了其它因素的影響；標(biāo)準(zhǔn)元胞自動機(jī)的轉(zhuǎn)換規(guī)則是確定性的，而現(xiàn)實(shí)系統(tǒng)的行為并非是確定性的，往往表現(xiàn)為某種傾向和可能性。所以在實(shí)際應(yīng)用中，需要在簡單性和真實(shí)性之間尋找一個平衡點(diǎn)，避免模型過于簡單，造成結(jié)果的不真實(shí)，又要防止模型過于復(fù)雜，而失去了模型本身的意義和優(yōu)勢。2）空間劃分問題元胞自動機(jī)是建立在離散、規(guī)則的空間劃分基礎(chǔ)上的，但如何確定合適的空間分辨率卻是元胞自動機(jī)應(yīng)用的一個難題。尤其是在多種地理實(shí)體共存的系統(tǒng)中，不同的實(shí)體有著不同的空間尺度，如何確定一個同一的空間分辨率，對于元胞自動機(jī)建模更為困難。另外，在不同的空間分辨率下，地理系統(tǒng)單元所表現(xiàn)出的規(guī)律也有所不同，因此，如何確定適當(dāng)?shù)姆直媛?，并進(jìn)一步制定合理的模型規(guī)則是元胞自動機(jī)建模的一個難題。3）時間對應(yīng)問題在元胞自動機(jī)模型中，時間是一個抽象的概念，從模型中的T時刻到T+1時刻對應(yīng)的時間單位不明確，而不同元胞在不同狀態(tài)下持續(xù)的時間也很難確定。4）轉(zhuǎn)換規(guī)則定義問題合理的規(guī)則是模型效果的關(guān)鍵，在元胞自動機(jī)模型中，規(guī)則是針對抽象空間劃分單元的，反映了單元間局部的相互作用。此局部規(guī)則與傳統(tǒng)的宏觀規(guī)律，既有聯(lián)系，又存在差別，而且找到一個確定性的規(guī)則的難度相當(dāng)大。5）與GIS集成的問題GIS系統(tǒng)的支持是地理系統(tǒng)建模研究的必要條件，雖然元胞自動機(jī)模型與柵格GIS在空間數(shù)據(jù)結(jié)構(gòu)上存在較大的相似性，但元胞自動機(jī)是一個時空動態(tài)模型，而目前GIS本質(zhì)上是一個靜態(tài)系統(tǒng)，支持動態(tài)模擬的功能較弱，二者的集成有一定的困難。如何將二者緊密的集成，是阻礙元胞自動機(jī)在地理系統(tǒng)研究中應(yīng)用的一個難題?？臻g相互作用與位置——分配模型6.10.5對于生產(chǎn)單位和服務(wù)企業(yè)來說，由于需求和供給兩方面總是存在著空間上分布的差異性，因此，機(jī)構(gòu)設(shè)施地理位置（GeographicLocation）的選擇和確定對于它們的經(jīng)濟(jì)效益和自身的發(fā)展具有至關(guān)重要的影響作用。機(jī)構(gòu)設(shè)施位置評價和優(yōu)化，是通過對于一個設(shè)施或者一個設(shè)施網(wǎng)絡(luò)的供給和需求兩者之間的相互作用關(guān)系進(jìn)行分析來實(shí)現(xiàn)其空間位置分布模式的優(yōu)化。機(jī)構(gòu)設(shè)施區(qū)位評價是對于現(xiàn)有服務(wù)設(shè)施的空間位置分布模式的評價，機(jī)構(gòu)設(shè)施區(qū)位優(yōu)化是對于其最佳位置的搜尋?？死硭顾诘闹行牡乩碚搫t為供給區(qū)位優(yōu)化模式的理論研究和經(jīng)驗(yàn)方法的應(yīng)用提供了基礎(chǔ)框架，這個理論中的市場區(qū)域規(guī)模是由供貨和服務(wù)的范圍決定的，需求和供給兩者之間的關(guān)系是以距離最小化和利潤最大化為基礎(chǔ)建立的。但是，實(shí)際應(yīng)用中的中心地理論，無論是理論方法還是它的經(jīng)驗(yàn)方法都需要根據(jù)具體問題進(jìn)行具體分析。例如，與理論中假設(shè)的聚落世界相反，區(qū)域的人口集中和分散將會對該區(qū)域的范圍大小產(chǎn)生影響；同樣，消費(fèi)者的消費(fèi)行為的選擇也會對一個服務(wù)中心的功能范圍產(chǎn)生影響。因此，中心地理論雖然提供了一個描述和解釋貨物服務(wù)供給系統(tǒng)和需求行為兩方面空間相互作用的主要框架體系，但它作為一個參考框架，還需要針對特殊情況進(jìn)行擴(kuò)充和調(diào)整。圖10-16表示了中心地理論應(yīng)用的概念框架。圖10-16：中心地理論應(yīng)用的概念框架中心地理論的古典模型是對包含單一目標(biāo)的、且內(nèi)部需求全部針對這個目標(biāo)中心的具有均質(zhì)性的市場功能區(qū)域進(jìn)行空間分析和模擬，而中心地理論的現(xiàn)代模型則要針對現(xiàn)實(shí)世界中那些具有不確定性的、涉及多目標(biāo)消費(fèi)行為和復(fù)雜供給行為的市場功能區(qū)域進(jìn)行空間分析和模擬。在對于更具現(xiàn)實(shí)性的市場功能行為研究基礎(chǔ)之上，人們研究出了許多能夠針對現(xiàn)實(shí)世界的市場功能區(qū)域進(jìn)行空間分析和模擬的模型，如Reily的零售重力模型（RetailGravitation）、Batty的裂點(diǎn)方程（BreakpointEquation）、Tobler的價格場和作用風(fēng)（PriceFieldandInteractionWind）以及眾多的修正式。但將重力模型及裂點(diǎn)方程用于分析多點(diǎn)中心地系統(tǒng)則非常艱難，由于缺乏可視性和連續(xù)性，因此，分析結(jié)果的成圖也很困難