《空间决策支持系统》由会员分享，可在线阅读，更多相关《空间决策支持系统（193页珍藏版）》请在金锄头文库上搜索。
1、第八章第八章 空间决策支持系统空间决策支持系统武汉大学遥感信息工程学院遥感科学与技术本科生教案武汉大学遥感信息工程学院遥感科学与技术本科生教案(2012)秦秦 昆昆18.1 空间分析空间分析与与空间决策支持空间决策支持 2空间分析是地理信息系统的核心。根据空间分析的智能化程度，空间分析过程中引入知识的多少，空间分析划分为：一般空间分析、空间决策支持智能空间决策支持3n一般空间分析一般空间分析 一 些 常 用 的 GIS软 件 ， 如 ArcGIS， MapInfo，GeoStar等，都具有空间分析的一般方法，如叠置分析、缓冲区分析、网络分析、空间插值等。 应用一般空间分析功能模块进行空间分析时
2、，通常需要同时运用多种空间分析操作。 设计高效率的空间分析过程将十设计高效率的空间分析过程将十分有利于问题的解决。分有利于问题的解决。 4一般空间分析的步骤：步骤1：建立分析目的和标准 分析目的:用户打算利用地理数据库回答什么问题;标准:如何利用GIS的空间分析功能回答这些问题。例如，u某项研究的目的:确定适合建造一个新公园的位置，公园的位置必须是从主要公路上容易到达的，但又不能太靠近主要公路等。u满足这些目的的标准:可以表述成用一系列的空间查询语句来进行分析的格式。对每个标准可以利用缓冲区分析、叠置分析等空间分析操作进行分析，然后对分析结果进行评价。 5步骤步骤2 2：准备空间操作的数据：准
3、备空间操作的数据 准备空间分析所要用到的数据，包括空间数据和属性数据。数据准备的要求因研究对象不同而异，在进行分析之前，对数据准备进行全面的考察将有助于用户有效地完成分析工作。 6步骤步骤3：进行空间分析操作：进行空间分析操作 空间分析操作这一步骤是地理信息系统所特有的。正是利用这一步骤产生了用于分析的空间关系。空间分析操作包括：缓冲区分析、拓扑叠加分析、特征抽取以及特征合并等。每个空间分析操作都将产生分析所需要的新的信息。为了得到符合要求的数据，可能需要进行多种空间分析操作。 7步骤步骤4：准备表格分析的数据：准备表格分析的数据 大多数分析都要求利用空间操作得到一个最终图层(Coverage
4、)或一组图层(Coverages)。一旦产生了最终的图层(Coverages)，就必须准备用于分析的数据，包括空间数据和描述性数据。 8步骤步骤5：进行表格分析：进行表格分析 利用逻辑表达式和算术表达式，对步骤3中进行空间分析操作所获得的新的属性关系进行分析。 步骤步骤6：结果的评价和解释：结果的评价和解释 完成以上分析后，将获得一个结果，必须对该分析结果进行评价，以确定其有效性。 步骤步骤7：如有需要，改进分析如有需要，改进分析 考虑到分析结果可能还具有某些局限性和缺点，可以决定对分析方法和过程进行改进。 9步骤步骤8：产生分析结果的最终地图和表格报告。：产生分析结果的最终地图和表格报告。
5、以最有效而又可靠的方法输出分析结果。 可以利用GIS软件提供的地图输出模块产生地图，利用属性数据处理模块产生表格和报告。 在实际的空间分析应用中，可以按照以上介绍的一般空间分析的步骤完成分析操作，但是不一定要求严格按照以上8个步骤进行，可以对部分步骤进行综合处理。101）问题提出在某地建立一个国家森林旅游点，参考一定的旅游条件，在1:2.5万地图上确定出旅游点的范围，并绘制成图，最后提交决策者参考。2）数据源建立一个国家森林旅游点所需要的空间数据包括：D1: 公路及铁路分布图(1:2.5万)，一种线状图；D2: 森林服务权属图(1:2.5万)，一种面状图；D3: 城镇行政区划图(1:2.5万)
6、，一种面状图。 示例1：国家森林公园的选址113）所需要实现的GIS功能为了完成该任务，需要用到以下GIS功能：属性重分类；面状边界消除与合并；缓冲区生成；拓扑叠加；面积量测；中心点计算及叠加；绘图输出；生成报表。这些功能需要综合应用多种GIS空间分析模型来完成。124）具体操作步骤 (1)根据森林权属数据将面状地物分成林地与非林地两大类。 (2)消除同一属性值为林地或非林地的相邻多边形的边界并加以合并。 (3)在所有公路或铁路周围生成0.5km、1.0km宽的缓冲区，并分别赋属性值。134）具体操作步骤 (4)拓扑叠加步骤(2)和(3)的图层，生成新的图层，并连接相关属性信息，得到具有下列属
7、性的多边形： 非林地； 0.5km内的林地区域； 0.5km外且1.0km范围以内的林地区域； 1.0km范围以外的林地区域。(5)拓扑叠加城镇边界图，得到市区、非市区属性，并添加到步骤(4)所得到的属性表中。14(6)得到重新分类的面状地物图，其属性组合可能存在以下类型：A: 非林地；B: 林地、市区；C: 林地、非市区且距公路或铁路0.5km之内；D: 林地、非市区且距公路或铁路0.5km到1.0km之内E: 林地、非市区且距公路或铁路1.0km之外。(7)消除并合并步骤(6)所得到的同类多边形边界。 (8)量算步骤(7)所得到的多边形的面积。15(9)依据面积约束条件，对以下C类多边形再
8、分类： C1：面积小于等于5km2； C2：面积大于5km2。(10)计算多边形中心，并累计多边形的编号。(11)叠加绘出步骤(10)所赋予的分类多边形、交通图、行政区划图。 (12)统计输出分类多边形的面积、属性资料。165）将分析结果以地图和表格的形式打印输出。17示例示例2：道路拓宽改建过程中的拆迁指标计算：道路拓宽改建过程中的拆迁指标计算 1）明确分析的目的和标准）明确分析的目的和标准本示例的目的：计算由于道路拓宽而需要拆迁的建筑物建筑面积和房价价值；道路拓宽改建的标准：道路从原有的20m拓宽至60m；拓宽道路应尽量保持直线；部分位于拆迁区内的10层以上的建筑物不得拆除。18示例示例2
9、：道路拓宽改建过程中的拆迁指标计算：道路拓宽改建过程中的拆迁指标计算 2）准备进行分析的数据）准备进行分析的数据本例需要两类信息：现状道路图；分析区域内的建筑物分布图及相关信息。193）进行空间操作）进行空间操作首先选择拟拓宽的道路，根据拓宽半径，建立道路的缓冲区。然后将此缓冲区与建筑物层数据进行拓扑叠加，产生一幅新图，此图包括所有部分或全部位于拓宽区内的建筑信息。204）进行统计分析）进行统计分析首先对全部或部分位于拆迁区内的建筑物进行选择，凡部分落入拆迁区且层数高于10层以上的建筑物，将其从选择组中去掉，并对道路的拓宽边界进行局部调整。然后对所有需要拆迁的建筑物进行拆迁指标计算。215）将
10、分析结果以地图和表格的形式打印输出。）将分析结果以地图和表格的形式打印输出。22示例示例3：辅助建设项目选址：辅助建设项目选址1）建立分析的目的和标准）建立分析的目的和标准分析的目的：确定一些具体的地块，作为一个轻度污染工厂的可能建设位置。工厂选址的标准： 地块建设用地面积不小于10000m2； 地块的地价不超过1万元/m2； 地块周围不能有幼儿园、学校等公共设施，以免受到工厂生产的影响。23示例示例3：辅助建设项目选址：辅助建设项目选址2）从数据库中提取用于选址的数据）从数据库中提取用于选址的数据为达到选址的目的，需要准备两种数据：包括全市所有地块信息的数据层；全市公共设施(包括幼儿园、学校
11、等)的分布图。243）进行特征提取和空间拓扑叠加）进行特征提取和空间拓扑叠加从地块图中选择所有满足条件1、2的地块，并与公共设施层数据进行拓扑叠加。4）进行邻域分析）进行邻域分析对叠加的结果进行邻域分析和特征提取，选取满足要求的地块。5）将选择的地块及相关信息以地图和表格形）将选择的地块及相关信息以地图和表格形式打印输出。式打印输出。 25n空间决策支持空间决策支持 空间决策支持是应用各种空间分析手段对空间数据进行处理，以提取出隐含于空间数据中的某些事实和关系，并以图形和文字的形式直观地加以表达，为现实世界中的各种应用以及决策人员的决策提供科学、合理的支持。 由于空间分析直接融合了数据的空间定
12、位能力，并能够充分利用数据的现势性特点，因此，其提供的决策支持将更加符合客观现实，更具合理性。26n空间决策支持空间决策支持 目前，尽管各种商业软件不断推出，各种应用于空间数据处理的商业化手段也日臻完善，但是由于用户的目的是千变万化的，不能用一种定式加以限制。提出一种完全封装的、高度智能的通用空间决策支持软件是不现实的。目前，更多的空间决策手段则是利用现有软件提供的某些空间分析工具，按照用户意图，开发合理的决策模型，以实现决策支持。 27国土规划、场址选择、灾害评价等都属于空间分析决策所研究的领域，分析人员根据特定的决策目的与要求，运用分析手段，分析相关的空间与非空间信息，得出分析结果。空间决
13、策问题大大超过了地理信息系统的一般空间分析功能的要求。 28空间决策支持一般需要以下过程：（1）确定目标）确定目标 根据用户的要求，确定用户的最终实现目标，并对目标性质进行分类，确定目标的初步认识。 （2）建立模型）建立模型 建立分析的运作模型及定量模型。前者是指用户的实际运作过程的各种业务运作模型；后者是指参照用户的实际工作模型，结合空间数据的空间特点，形成各种定量分析模型。29（3）寻求空间分析手段）寻求空间分析手段 结合以上分析结果，逐步分解细节，寻求空间分析手段，对各种可能的分析手段进行分析，确定可行性的分析过程，尤其应注意空间数据的有效连接，最后形成分析结果，提交用户使用。 30（4
14、）结果评价）结果评价 空间分析结果的合理性，直接影响到决策支持的效果。合理可靠的结果会对决策起到推动和促进作用，并起到事半功倍的效果。如果结果不合理，甚至出现错误的分析结果，将会导致决策的失误乃至失败，从而导致不可预见的后果。必须对空间分析的结果进行评价，确定结果的合理性和可靠性。31空间决策支持经常用于诸如最佳路径、选址、定位分析、资源分配等经常与空间数据发生联系的领域，通过对这些应用领域的延伸，还可用于其它社会或经济的部门。 空间决策支持与一般空间分析的区别：空间决策支持应用了多种分析运作模型和分析定量模型，空间决策支持比一般的空间分析具有更多的智能处理功能。32n智能空间决策支持智能空间
15、决策支持 智能空间决策支持是在空间决策支持的基础上，增加了更多的人工智能技术，提高了空间决策支持的智能化处理水平，能够解决更加复杂的空间决策问题。 利用空间决策支持系统可以解决特定的决策问题。但是，构建一个空间决策支持系统比较费时。经过多年的发展，实践证明，使用软件工程软件工程和知识工知识工程程开发空间决策支持系统的开发环境(外壳或产生器)是建立空间决策支持系统的经济和灵活的方式。这样，分析人员可以快速高效地建立多种领域的空间决策支持系统。33一个比较好的解决思路：开发一个通用的开发工具，决策者可以用来操作空间决策支持系统，解决特定的空间决策问题。一个通用的智能空间决策支持系统的结构体系图34
16、 （1）专专家家系系统统壳壳(Shell)：该系统的核心，可以单独作为专家系统开发工具，直接控制着SDSS(空间决策支持系统)的控制流和对外交流的元知识，以及非结构化空间知识的推理机。 它是SDSS的大脑。 为了便于使用空间数据和非空间数据，专家系统壳有一个与外部数据库的接口，包括GIS，关系数据库和遥感信息系统。35（2）模型库管理系统）模型库管理系统管理和处理程式化知识，包括算法、统计程序和数学模型，它也有一个与专家系统壳的接口，可以通过专家系统壳的元知识进行调用。 36（3）其他）其他除了与数据库管理系统、模型管理系统的接口外，友友好的用户界面好的用户界面和知识获取模块知识获取模块也是专
17、家系统壳的组成部分。 37智能空间决策支持系统目前还处于初期研究阶段，要真正实现智能空间决策支持系统目前还有一定的难度。不断地借鉴人工智能、机器学习等技术，不断地提高空间分析的智能化程度是一种切实可行的研究思路。 388.2 空间决策支持系统空间决策支持系统 39从目前大多数GIS的发展情况来看，它们尚停留在空间数据获取、存储、查询、分析、显示、制图、制表的水平上，缺少对复杂空间问题决策的有效支持能力，很难满足各级决策者的需要。自本世纪80年代中后期以来，空间决策支持系统(Spatial Decision Support System，SDSS)作为一个新兴科学技术领域，在已有的地理信息系统技
18、术和决策支持系统(DSS)技术基础上就应运而生了，并在国内外引起了越来越广泛的关注与重视。40n空间决策过程的复杂性空间决策过程的复杂性 1.决策理论决策理论决策决策是一个决策者为达到特定的目的，在一定的约束条件下，选择最优方案的过程。决策问题的构成决策问题的构成 一般的决策问题具有一定的决策准则，主要由以下几个部分组成：1)方案集合：方案集合：可供选择的决策方案集合，记为A。 2)状态集合：状态集合：决策问题所处的外界环境，称之为状态。系统所有可能的状态，称为状态集合，记为Q。 413）损益函数：）损益函数：在决策问题中，如果采用策略a(aA)，系统状态出现q(qQ)，系统收益W=(a，q)
19、。定义映射： 为决策问题的损益函数。在A和Q可数的情况下，获得损益表：Q Q1 1Q Q2 2Q Qn nA A1 1WW1111WW1212WW1 1n nA Am mWWm m1 1WWm m2 2WWmnmn42 4）目标函数）目标函数(决策准则决策准则)：记为F。损益函数是系统的实际收益情况，没有给出收益的评价标准，即“抉择”时的优化准则。抉择准则对于不同的决策者、问题、方法都是不同的，它最终决定了方案的形成。 可以将决策问题记为：Udm = F, A, Q, W F为目标函数或抉择准则A为候选方案集Q为状态集W为损益函数 43决策问题的分类决策问题的分类根据决策问题中Q的状态数，划分
20、为以下类型：当系统状态集Q中状态数n=1时，为确定性决确定性决策问题策问题；当n1时，且系统各状态出现的概率未知时，为不确定性决策问题不确定性决策问题；当n1且系统各状态出现的概率服从一个已知的概率分布时，为风险性决策问题风险性决策问题。 44 2、空间决策问题、空间决策问题n空间决策问题的类型空间决策问题的类型空间决策问题分为三种类型三种类型：确定性空间决策、不确定性空间决策、风险空间决策。45 2、空间决策问题、空间决策问题n空间决策问题的类型空间决策问题的类型确定性空间决策确定性空间决策实际上是一个最优化问题。土地适宜性评价的多准则决策和线性规划均属此类决策问题，能与GIS的空间分析功能
21、完全集成。但是，大量的空间决策问题往往涉及到结构化知识、非结构化知识、人的评价和判断等不同形式的知识，决策的不确定性和风险性很大。46以商业网点的空间决策分析问题为例，领域专家已经提出了设施配置的判别规则，这些规则是以描述性方式表达的知识，在充分分析了土地的自然条件、社会经济条件、人口密度、人均可支配等相关因素的基础上，根据判别规则推理，得出商业网点方案；专家还构建了相关模拟模型，这些知识都属于程式化知识。商业网点的选择是建立在定量模型计算分析的建立在定量模型计算分析的基础上的估算过程基础上的估算过程。47n 空间决策中的结构化信息和非结构化信息空间决策中的结构化信息和非结构化信息信息技术的快
22、速发展为决策者提供了越来越多的空间和非空间信息，包括地图、航片、遥感测量信息、表格、文本数据等。这些海量信息可以分为结构化结构化和非结构化信息非结构化信息。结构化的信息：结构化的信息：结构化信息具有高度结构化的形式和结构化的求解程序，如数学模型、计算机算法等都属此类型的信息，遵循固定的框架，大多数情况下只能被专家理解，又称为程式化知识(Procedural Knowledge)。48非结构化信息：非结构化信息：大量的空间信息是非结构化的，像人类的经验、感官体验、世界观等，本质上属于定性信息，不能用固定的程序进行表达，又称为描述性知识(Declarative Knowledge)。 49决策者使
23、用信息和知识，在解决结构化、非结构化和半结构化问题上的复杂程度大不相同。以某城市设置商业网点为例，在某些特定约束条件下，配置最少数量的商业网点是一个结构化问题，可以通过最优化方法进行求解；寻找最优商业网点数量的所有可能位置则是一个半结构化问题，涉及多种准则评价和价值评判；为布设商业网点确定总体目标和总体方针政策则属非结构化问题，涉及灵活的定性问题，不能用固定的程式化知识来解决。 50空间决策是一个涉及多目标和多约束条件的复杂过程，通常不能简单地通过描述性知识和程式化知识进行解决，往往要求综合使用信息、领域专家知识和有效的交流手段。51地理信息系统为决策支持系统提供了强大的数据处理、分析结果显示
24、的工具，在解决复杂空间决策问题上缺乏智能推理功能。复杂的空间决策问题，需要在地理信息系统的基础上开发智能决策支持系统，用于数据处理、知识表现和推理、自动学习、系统集成、人机交互等。在进行空间决策支持的过程中，需要用到人工智能技术，涉及到知识获取、知识表现、知识推理的知识工程技术，以及集成数据库、模型、非结构化知识及智能用户界面的软件工程技术等。52n空间决策支持系统的分类空间决策支持系统的分类 空间决策支持系统(SDSS)的分类可以从它的功能特点、技术水平和体系结构等不同的角度进行。根据系统的功能特点功能特点，SDSS分为：通用开发平台、专用软件工具、具体应用系统；根据技术水平技术水平，SDS
25、S分为：地理信息系统、空间决策支持系统、空间群决策支持系统；根据系统的体系结构体系结构，SDSS分为：单机系统、网络系统。 53SDSS分类体系的建立，有助于对SDSS具体研制任务的目标、范围、过程和技术路线明确定义和有效实施，有益于整个SDSS科学技术体系的迅速发展和广泛应用。SDSS分类体系或分类立方体54n空间决策支持系统的一般构建方法空间决策支持系统的一般构建方法 根据SDSS的功能特点、技术水平和体系结构，研制的SDSSP定位在图中空间决策支持系统、通用开发平台和网络系统3个侧面相交构成的小立方体上，代表了当前的空间决策支持系统的主要模式。 55SDSSP的开发、应用过程中的主要作用
26、： (1)SDSSP由SDSS专用工具、应用系统以及决策方案的基本软件工具模块组成，用户能够方便、灵活、自主和高效地生成各种SDSS专用工具，决策方案的基本软件工具模块是一种完全独立于任何具体决策应用任务之外的通用开发工具系统。 (2) SDSSP能根据用户的具体需要，通过框架流程图或集成语言程序运作方式，调用系统中的模型、数据、工具、知识等资源，生成、比较和选择多种决策方案，提供给用户决策支持。56SDSSP的开发、应用过程中的主要作用：(3)SDSSP能把自己的各个组成部分以不同的布局安排和组合方式，在由客户端控制系统、模型库服务器、数据库服务器组成的多用户、分布式的异构环境里运行服务，实
27、现模型等资源的共享，SDSSP是一种网络系统。 57nSDSSP的技术构成和运行方式。 SDSSP的技术构成 SDSSP由客户端交互控制系统、广义模型服务器系统和空间数据库服务器系统3个部分组成。 58它们之间的通信是通过严密定义的网络通信协议、应用程序接口(API)和远程调用实现的，具有由交互控制系统和模型库服务器和数据库服务器构成的一体化3层客户/服务器结构。59(1)客户端交互控制系统客户端交互控制系统 客户端交互控制系统由可视化系统生成工具可视化系统生成工具、模型库服务模型库服务器操作模块器操作模块、数据库服务器操作模块数据库服务器操作模块3部分组成。可视化系统生成工具可视化系统生成工
28、具可以通过各种图标(模块、选择、循环、并行、合并等)的调用，迅速地建造、修改解决实际问题的系统控制流程，进而通过流程的运行生成可供比较与选择的多种决策方案。60模型库服务器操作模块模型库服务器操作模块从客户端对广义模型服务器中的各种广义模型库进行管理和操作，如：浏览、查询、增加、修改、删除、运行等操作。61数据库服务器操作模块数据库服务器操作模块从客户端对空间数据库中各数据库进行数据存取操作，如浏览、查询、增加、修改、删除、保存等操作。 62（2）广义模型服务器系统）广义模型服务器系统 广义模型库服务器系统的基本组成广义模型服务器由服务器通信接口服务器通信接口、命令解释器命令解释器、运行运行引
29、擎引擎、广义模型库广义模型库、广义模型库管理系统广义模型库管理系统和数据库接口数据库接口共6个部分组成。63广义模型服务器系统主要包括：统一管理模型库、算法库、工具库、知识库、方案库、实例库，控制运行以及负责从数据库服务器提取数据等功能。这种统一管理属于静态管理范畴，包括存储结构和库操作两方面内容，均用管理语言来完成。 64各库的存储结构统一规定为：各库的存储结构统一规定为：文件库字典库。具体的库文件：具体的库文件：算法程序文件、模型数据描述文件(MDF)和模型说明文件(MIF)、工具程序文件、知识的文本文件、框架流程图文件、框架流程实例文件；各库的字典：各库的字典：该库的一些具体的说明信息，
30、包括目录、名称、分类、说明文件等内容。各库的操作：各库的操作：查询、浏览、增加、修改、删除等。65广义模型服务器系统的运行方式广义模型服务器系统的运行方式模型服务器的运行模型服务器的运行由运行引擎控制。它解释和并发执行(多线程)用户提出的请求(描述文本)，匹配检索模型库中的模型或算法，匹配提取数据库中的数据，驱动和完成模型或算法的运算，将处理结果提交给通讯接口并传送给客户端。66广义模型服务器系统的运行方式广义模型服务器系统的运行方式在各库中只有模型库、工具库、实例库、知识库是可运行的。模型模型通过运行命令完成它的运行，工具程序工具程序一般传到客户端由用户控制运行，实例实例通过实例解释程序完成
31、它的运行，知识知识是在推理机下进行搜索和匹配完成它的推理。 67算法库算法库本身是不可运行的，只有在与数据连接之后作为模型才能运行；方案库方案库是一些不可运行的系统流程图文件，只有在实例化以后，作为实例才可运行。从数据库服务器中存取模型，在运行时所需各种数据的任务由数据库接口完成。 68模型库系统模型库系统模型库系统的基本概念模型库系统的基本概念模型库系统模型库系统(Model Base System，简称，简称MBS)对模型进行分类和维护，支持模型的生成、存储、查询、运行和分析应用。模型库系统模型库系统是开发管理及应用模型的有力工具，模型库系统包含多种用于模型管理和生成的子系统，利用这些系统
32、，可帮助研究人员完成模型的部分工作，提高空间决策支持的科学性和有效性。69模型库系统的基本结构模型库系统的基本结构模型库系统的主要包括：模型的生成模型的生成、模型运行模型运行及模模型的管理型的管理三个子系统。 70在模型的生成部分要调用模型方法库中的构造模型的连接方法模块，同时调用模型数据库中的数据字典。模型的运行是在方法库和模型数据库的支持下完成的。 模型库系统的基本结构图71模型库系统的基本功能包括： 建建立立新新模模型型：用户利用系统建立新模型或输入新模型，并自动完成对新增模型的管理。 模模型型连连接接：系统按照用户的需求自动将多个模型连接起来运行，同时检查模型之间数据的传输是否合理，若
33、不合理，系统将提示用户不能进行模型连接。模模型型查查询询：系统提供了对库内模型的查询功能，用户通过模型查询，选用适当的模型。 模模型型库库字字典典及及管管理理功功能能：系统建有模型库字典以存储关于模型的描述信息，并能完成对模型库字典的管理。当有新模型生成时，系统自动将新模型的有关信息存入字典，实现对新模型的管理。 72模型库系统的基本功能包括： 模型的生成模型的生成模型生成是模型运行系统的关键部分。系统可根据用户输入的模型名在模型库内查询出所需运行的模型及其有关信息，其中重要的信息是该模型所使用的方法和模型使用的数据库名称。系统根据这两项内容从方法库内调出该方法的运行程序，从模型数据库中调出该
34、模型所使用的数据，经过连接后投入运行。73模型库系统的基本功能包括： 模型运行模型运行库内模型运行与一般模型运行的区别：某方法程序运行结束后，可自动连接模型方法链中下一个环节的方法，直到链内所有的方法运行完成后返回到运行系统模块的控制之下，所有这些步骤中间无须用户的干预。 74（3）空间数据库服务器）空间数据库服务器 SDSSP的数据库服务器由现有的商品数据库服务器SQL Server、Oracle以及有关的应用软件，如数据的条件查询、分级查询、地图查询等模块构成。主要功能：根据用户查询、模型运行等方面的需要，对有关数据库进行统一管理以及完成必要的数据查询、存取作业。75nSDSSP的运行方式
35、的运行方式 用户在SDSSP支持下生成和运行解决某个或某些实际问题的方案时，可供选择的SDSS运行方式有框架流程图框架流程图和集成语言程序集成语言程序两种方式。它们在客户端构成了SDSS中的“人机对话系统”，实际控制着流程图的生成和修改、模型的选择和调用、大量数据的存取和显示、多模型的组合运行、模型库与数据库的接口，真正把数据库、模型库和人机对话系统等有机地集成起来，使之成为一个完整的SDSS集成系统。这两种方式都是通过“解释”执行的，而且彼此能够对应、相互可以转换。76框架流程图方式框架流程图方式 SDSSP用框架流程图方式生成和运行SDSS的具体过程。用户通过交互方式使用SDSSP可视化系
36、统生成工具的有关图标，生成解决某个或某些实际问题的框框式式流流程程图图或逻辑方案逻辑方案。 77每个框都与模型库中相应的模型连接，模型又与算法库中相应的算法、数据库中相应的输入输出数据连接。通过这种框架流程图的运行，完成从框架运行到模型运行，以及相应算法调用和数据存取的过程。78集成语言程序方式集成语言程序方式 由SDSSP可视化系统生成工具所生成的、能够解决某个或某些实际问题的系统框式流程图或逻辑方案，可以转换成相应的集成语言程序。SDSS生成和运行的集成语言程序方式流程图中模型框的连接可以转换成模型的调用语句，流程图中的分支循环结构可以转换为相应的选择循环语句。 79n空间决策支持系统的功
37、能空间决策支持系统的功能 空间决策支持系统与一般的决策支持系统的功能相同，只是更注重空间数据和空间问题的获取和解决。空间决策支持系统包括以下功能：不同数据源的空间和非空间数据的获取、输入和存储； 复杂空间数据结构和空间关系表示方法，适于数据查询、检索、分析和显示； 灵活的集成程序式空间知识(数学模型、空间统计)和数据的处理功能； 灵活的功能修改和扩充机制； 80空间决策支持系统包括以下功能：友好的人机交互界面； 提供决策需要的多种输出； 提供非结构化空间知识的形式化表达方法； 提供基于领域专家知识的推理机制；提供自动获取知识或自学习功能； 提供基于空间信息、描述性知识、程式化知识的智能控制机制
38、。 81这些空间决策支持系统的功能的要求超出了GIS的功能范围，需要集成人工智能、知识工程、软件工程、空间信息处理和空间决策理论等领域的最新技术。828.3 空间决策支持系统的相关技术空间决策支持系统的相关技术 83空间决策支持系统沿着一般空间分析、空间决策支持系统、智能空间决策支持系统的发展轨迹不断发展，不断地引入各种相关技术，提高空间分析解决复杂问题的能力，提高智能化水平。 空间决策支持系统必须研究一些相关技术，包括：决策支持技术、人工智能技术、专家系统技术、数据仓库技术、数据挖掘和知识发现技术等。84n决策支持系统技术决策支持系统技术 决策支持系统(DSS, Decision Suppo
39、rt System)是辅助决策者通过数据、模型、知识以人机交互方式，进行决策的计算机应用系统。DSS起始于管理信息系统(MIS)，在MIS的基础上增加了非结构化问题处理模块、模型计算和各种方法，以解决结构化、非结构化和半结构化决策问题。85DSS为决策者提供分析问题、建立模型、模拟决策过程和方案的环境，调用各种信息资源和分析工具，帮助决策者提高决策水平和质量。决策支持系统是辅助管理者进行的决策过程，支持而不是代替管理者的判断，提高决策的有效性的计算机应用系统。 86DSS的基本结构，包括：数据部分、模型部分、推理机部分、人机交互部分。 87目前GIS的逻辑结构和智能层次不能满足复杂空间决策问题
40、的需要，特别是那些非结构化的问题。为更好地辅助空间决策，GIS需要增加对描述性知识和程式化知识的处理功能，目前，GIS还不适合用于对各种知识形式的处理，不能作为空间决策支持系统的神经中枢，GIS可以作为SDSS的一个组成部分，即GIS可以嵌入到一个SDSS中，用于空间信息处理。 88n专家系统技术专家系统技术 人人工工智智能能的的目目的的：用计算机模拟人类，如模拟人类的动作、视觉、听觉、人类大脑以及人类的语言等。从从幼幼儿儿开开始始模模拟拟人人脑脑应该是人工智能研究的起点，但是，模拟的难度比较大，因为幼儿还不能清楚阐述知识与逻辑，所以研究的方向转向领域专家的思维过程所以研究的方向转向领域专家的
41、思维过程。随着专家系统工具软件的出现，许多领域展开了专家系统的研究，其中最成功的是国际象棋的专家系统。89人工智能的主要目的是模拟人脑的功能，但是目前人们对人脑的思维过程并不十分清楚。专家系统是人工智能在信息系统中的具体应用，它是一个智能计算机程序系统，内部存储大量专家水平的某个领域知识与经验，决策者利用专家的知识和经验可以解决相关领域的问题。 90专家系统的主要功能取决于大量知识，设计专家系统的关键是知识表达和知识应用。专专家家系系统统与与一一般般计计算算机机程程序序本本质质的的区区别别：专家系统所解决的问题一般没有算法解，并且往往是要在不完全、不精确或不确定的信息基础上做出结论。 一般的专
42、家系统包括：数据库、知识库、推理机，解释器及知识获取5个部分组成。 91（1）知识库）知识库 知识库用于存取和管理专家知识和经验，供推理机利用，具有知识存储、检索、编辑、增删、修改和扩充功能。 （2）数据库）数据库 用来存取系统推理过程中用到的控制信息，中间假设和中间结果。 92（3）推理机）推理机 推理机利用知识进行推理，求解专门问题。具有启发式推理、算法推理；具有正向、反向或双向推理；具有串行或并行推理等功能。 93（4）解释器）解释器 解释器用于作为专家系统与用户的“人-机”接口，其功能是向用户解释系统的行为，包括： 咨询理解：对用户咨询进行“理解”，将用户输入的提问及有关事实、数据和条
43、件转换为推理机可接受的信息。 结论解释：向用户输出推理的结论或答案，并且根据用户需要对推理过程进行解释，给出结论的可信度估计。 94（5）知识获取器）知识获取器 知识获取是专家系统与专家交互的“界面”。知识库中的知识一般都是通过“人工移植”方法获得的，“界面”就是知识工程师（专家系统的设计者），采用“专题面谈”、“口语记录分析”等方式获取知识，经过整理后，再输入知识库。 95（5）知识获取器）知识获取器 为了提高知识工程师获取专家知识的效率，可以借助“知识获取辅助工具”来帮助专家整理或辅助扩充和修改数据库。 近年来，逐渐发展了一些新的知识获取方法和工具，如基于机器学习、机器识别的方法，以及数据
44、挖掘与知识的方法等。 96n空间知识的表达和推理空间知识的表达和推理知识的表达和推理是利用人工智能技术建立一个信息系统时需要考虑的主要问题。为了能够理解和推理，智能系统需要关于问题领域的先验知识。例如，自然语言理解系统需要关于谈话主题和谈话人的先验知识。为了能够观看和解释景物，景物的视觉系统需要存储关于被观察对象的先验信息。任何一个智能系统都应该具有一个知识库，在知识库中存储与问题领域和问题的相互关系相关的事实和概念。97智能系统同时应该具有一个推理机制，能够处理知识库中的符号，并且能够从显示表达的知识中抽取出隐含的知识。 空间决策支持系统是一个空间推理的智能系统，知识表达在其开发过程中具有十
45、分重要的作用。知知识识表表达达的的形形式式体体系系包包括括：表达领域知识的结构，知识表达语言和推理机制。知识表达体系的主要任务：选择一个以最明显的、正式的方式表达知识的符号结构，以及一个合适的推理机制。98知识的表示就是知识的形式化，就是研究用机器表示知识的可行的、有效的、通用的原则和方法。目前常用的知识表示方法：命题逻辑和谓词逻辑、产生式规则、语义网络法、框架表示法、过程表示法、黑板结构、Petri网络法、神经网络等。99u命题逻辑命题逻辑命题逻辑能够把客观世界的各种事实表示为逻逻辑命题辑命题，最基本的命题逻辑的知识表达是给一个对象命名或陈述一个事实。 命题逻辑和谓词逻辑命题逻辑和谓词逻辑1
46、00GIS操作中的命题：(1)区域A是一块湿地。 (2)多边形K内有一个湖泊。(3)公路R是陡峭的和曲折的。(4)像元B是一块农田或者是一个鱼池。(5)区域Q的人口不密集。 (6)多边形A与多边形B相连。(7)如果温度高，那么压力就低。 101 “是(is a)”：命名或描述对象；“有(has a)”：描述对象的属性；连接词“和(and)”、“或(or)”：用于形成复合语句；“不(not)”：表示对立；“与相连(is（related）to)”：表示相互的关系；“如果那么(if-then)”：表示对象的条件或关系，可以用于推理。 形成命题逻辑的基本组成是句子(陈述或命题)和形成复杂句子的连接词。
47、原子句用于表达单个事实，它的值是“真”或“假”。102根据连接词“和”、“或”、“不”、“如果那么”，GIS语句可以形式化表达如下：湿地(区域K)。( “区域A是一块湿地” )有湖泊(多边形K)。(“多边形K内有一个湖泊” )陡峭的(公路R) 曲折的(公路R)。(“公路R是陡峭的和曲折的” )农田(像元B)鱼池(像元B)。(“像元B是一块农田或者是一个鱼池” )人口密集(区域Q)。(区域Q的人口不密集 )相连(多边形A，多边形B)。(多边形A与多边形B相连 )高(温度) 低(压力)。 (如果温度高，那么压力就低 )103u谓词逻辑谓词逻辑l语法和语义语法和语义(Syntax & Semanti
48、cs)谓词是用来刻画一个个体的性质或多个个体之间关系的词，如“与相连（is（related）to）”。个体是研究对象中可以独立存在的具体的或抽象的客体，如多边形A，区域B等。原子公式是谓词演算的基本积木块。原子公式是公式的最小单位，是最小的句子单位。项不是公式。P(x1,xn)是n元谓词，t1,tn是项，P(t1,tn)为原子公式。可以用连词把原子谓词公式组成复合谓词公式，并称之为分子谓词公式。104谓词逻辑的基本组成部分是谓词符号、变量符号、函数符号和常量符号，并用圆括弧、方括弧、花括弧和逗号隔开，以表示论域内的关系。例如：x是有理数：x是个体变量项，“是有理数”是谓词，用G(x)表示。 x
49、与y具有关系L：x，y为两个个体变量项，谓词为L，符号化形式为L(x，y)。小王与小李同岁：小王，小李都是个体常项，“与同岁”是谓词，记为H，命题符号化形式为H(a，b)，其中，a代表小王，b代表小李。机器人(ROBOT)在1号房间(R1)内：ROBOT，R1是个体变量项，“在房间内”是谓词(INROOM)，用INROOM(ROBOT，R1) 表示。1052）连词和量词(Connective & Quantifiers) 连词与合取(conjunction)：合取就是用连词把几个公式连接起来而构成的公式。合取项是合取式的每个组成部分。“LIKE(I，MUSIC)LIKE(I，PAINTING)
50、 ”表示“我喜爱音乐和绘画”。或析取(disjunction)：析取就是用连词把几个公式连接起来而构成的公式。析取项是析取式的每个组成部分。“PLAYS(LILI，BASKETBALL) PLAYS(LILI，FOOTBALL)”表示“李力打篮球或踢足球”。106蕴涵(Implication)：蕴涵是表示“如果那么”的语句用连词“ ”连接两个公式所构成的公式叫做蕴涵。蕴涵可以用产生式规则来表示，即：“IFTHEN”左侧的IF部分表示前项，或称左式；右侧的THEN部分表示后项，或称右式。例如：“RUNS(LIUHUA，FASTEST) WINS(LIUHUA，CHAMPION)”，表示“如果刘华
51、跑得最快，那么他取得冠军”。107非(NOT)：表示否定，用或表示均可。例如：“INROOM(ROBOT，r2)”表示“机器人不在2号房间内”。108量词全称量词(Universal Quantifier)：若一个原子公式P(x)对于所有可能变量x都具有真值T，则用( x)P(x)表示。例如：“( x)ROBOT(x) COLOR(x, GRAY)”表示“所有的机器人都是灰色的”。“( x)Student(x) Uniform(x, Color)”表示“所有学生都穿彩色制服”。109量词存在量词(Existential Quantifier)：若一个原子公式P(x)，至少有一个变元x，可使P(
52、x)为T值，则用( x)P(x)表示。例如：“( x )INROOM(x, r1)”表示“1号房间内有个物体”。量化变元(Quantified Variables)：如果一个合适公式中某个变量是经过量化的，我们就把这个变量称为量化变元，或者称为约束变量。 110“SET(x)”、“SET(y)”分别表示集合x和y，即：“set x”和“set x”，“CARD(x, u)”表示集合x的基数为u，“CARD(y,v)”表示集合y的基数为v，“G(u,v)”表示u大于v。3）利用谓词逻辑表示复杂句子可以用谓词演算来表示复杂的英文句子。如：“For every set x, there is a s
53、et y, such that the cardinality of y is greater than the cardinality of x”，谓词演算表示为：111n基于谓词逻辑的空间知识表示基于谓词逻辑的空间知识表示 命题逻辑不适合表示复杂的问题。命题逻辑不适合表示复杂的问题。命题逻辑中的谓词是一个有用的陈述句的结构化表达命题逻辑中的谓词是一个有用的陈述句的结构化表达方法，但是当许多相同性质的事实必须被表达时遇到方法，但是当许多相同性质的事实必须被表达时遇到了困难。了困难。如果在研究区域的所有如果在研究区域的所有n n个区域个区域( (K Ki i, , i i=1, ,=1, ,n
54、 n) )都是湿地，都是湿地，那么需要那么需要n n个命题表达这些事实：个命题表达这些事实：湿地湿地( (区域区域K K1 1) )湿地湿地( (区域区域K K2 2) ) 湿地湿地( (区域区域K Kn n) )112命题逻辑命题逻辑不能证明以下陈述句是正确的：不能证明以下陈述句是正确的：“ “所有的多边形是几何图形所有的多边形是几何图形” ”，“ “三角形是一个多边形三角形是一个多边形” ”，“ “那么，三角形是一个几何图形那么，三角形是一个几何图形” ”。这些陈述句涉及到一个量词这些陈述句涉及到一个量词：“ “所有的所有的” ”，以及，以及“ “是是一个多边形一个多边形” ”、“ “是一
55、个几何图形是一个几何图形” ”等概念。等概念。为了更加有效地表达知识，可以使用为了更加有效地表达知识，可以使用谓词逻辑谓词逻辑获得原获得原子句的进一步突破。子句的进一步突破。113在“ x 湿地(x)”中使用变量x，使用量词 表示“所有的”。“所有的公路或者连接到A点，或者连接到B点”表达为：( x) 公路(x)连接到(x,A)连接到(x,B) 命题： x 发生(x, t0)表示空间事件x(洪水或地震)在时间t0时发生。通过引入量词和变量到命题逻辑中，并且使用连接词形成复杂的命题，知识可以得到更加有效的表达。114谓词算子谓词算子可以用于表达空间知识。可以用于表达空间知识。已有学者进行过使用谓
56、词逻辑建立几何关系和几何处已有学者进行过使用谓词逻辑建立几何关系和几何处理过程的尝试。理过程的尝试。Back strom(1990)定义两个实体O1，O2是否在点P处相互连接：Pcontact(O1,O2,p)Outerpcontact(O1,O2,p)Innerpcontact(O1,O2,p).1152、基于产生式系统的空间知识表达、基于产生式系统的空间知识表达 人类的知识可以通过“如如果果那那么么”规则组成的系统进行有效地表达。包含一套包含一套“如果如果那么那么”规则的有序集合称作产生式规则的有序集合称作产生式规则规则。它包含了一个工作存储器、一个规则库和一个解释器。工作存储器工作存储器
57、存储临时信息，例如用户提供的事实、系统生成的中间结论、相关领域特定问题的知识等。规则库规则库以“如果那么”规则的形式存储永久的信息，这些规则对于解决领域中的所有问题都是必要的。解释器解释器用来对推理进行控制。116根据DTM(Digital Terrain Model)数据进行推理的简单规则库。在进行中国黄土高原土地稳定性分析时，土地稳定性的评估是根据坡度、坡向、土地利用和侵蚀情况4个变量确定的。前两个变量可以从DTM数据中获得，后两个数据可以从其它地理数据库中获得。117土地稳定性分析的规则集土地稳定性分析的规则集 规则规则1 1：如果坡度小于：如果坡度小于33，并且土地类型为水域，那么稳定
58、值为，并且土地类型为水域，那么稳定值为1010。规则规则2 2：如果土地类型为森林，那么稳定值为：如果土地类型为森林，那么稳定值为9 9。规则规则3 3：如果坡度大约为：如果坡度大约为66，并且侵蚀较弱，那么稳定值为，并且侵蚀较弱，那么稳定值为7 7。规则规则4 4：如果土地类型为草原，那么稳定值为：如果土地类型为草原，那么稳定值为7 7。规则规则5 5：如果坡向为阴坡，并且土地类型为居住地，那么稳定值为：如果坡向为阴坡，并且土地类型为居住地，那么稳定值为6 6。规则规则6 6：如果坡度大约为：如果坡度大约为1111，并且土地类型为花园，那么稳定值为，并且土地类型为花园，那么稳定值为5 5。规
59、则规则7 7：如果坡向为阳坡，并且土地类型为水域地，并且侵蚀中等，那么稳定：如果坡向为阳坡，并且土地类型为水域地，并且侵蚀中等，那么稳定值为值为4 4。规则规则8 8：如果坡度大约为：如果坡度大约为2020，并且土地类型为农耕地，那么稳定值为，并且土地类型为农耕地，那么稳定值为3 3。规则规则9 9：如果坡度大约为：如果坡度大约为3030，并且侵蚀较强，那么稳定值为，并且侵蚀较强，那么稳定值为1 1。规则规则1010：如果坡度远大于：如果坡度远大于3030，并且侵蚀很强，那么稳定值为，并且侵蚀很强，那么稳定值为-1-1。规则规则1111：如果稳定值大于：如果稳定值大于8 8，那么土地是稳定的。
60、，那么土地是稳定的。规则规则1212：如果稳定值约等于：如果稳定值约等于6 6，那么土地是相当稳定的。，那么土地是相当稳定的。规则规则1313：如果稳定值约等于：如果稳定值约等于3 3，那么土地是差不多稳定的。，那么土地是差不多稳定的。规则规则1414：如果稳定值小于：如果稳定值小于1 1，那么土地是不稳定的。，那么土地是不稳定的。根据专家确定领域的知识，通过一组“如果那么”规则可以确定稳定性的值。一旦土地的稳定性被确定，区域开发政策就可以相应形成。118产生式系统的成功实现取决于“如果那么”规则作为决策树组织的情况，以及推理过程的关联过程效率。推理的控制是通过解释在整个机器执行系列中处理的哪
61、个循环来实现的。决策树是一种结构化表达知识的方法，以便于事实和规则可以在推理过程中动态地组合。决策树的基本结构是与或树(AND-OR tree)或与或图(AND-OR graph)，根表示目标，叶子表示推理的事实。119与或树与或树的的结点结点是规则的条款，是规则的条款，弧段弧段( (分支分支) )是连接条款是连接条款的箭头。的箭头。如果所有的结点都是通过如果所有的结点都是通过“ “AND”AND”弧段连接的，称为弧段连接的，称为ANDAND树树。ANDAND弧段是通过弧段是通过连接弧段连接弧段描述的。描述的。当所有的结点都是通过当所有的结点都是通过“ “OR”OR”弧段连接的，称为弧段连接的
62、，称为OROR树树。OROR弧段是通过弧段是通过非连接的弧段非连接的弧段表示的。表示的。规则“If A and B then C”规则“If A or B then C”120结点之间通过结点之间通过“ “ANDAND弧段弧段” ”和和“ “OROR弧段弧段” ”连接的决策树连接的决策树称为称为与或树与或树。规则规则“ “If If A A then then B B” ”、“ “If If B B and and C C or or D D then then F F” ”以及以及“ “If If F F and and G G then then H H” ”形成了与或树。在该决策树中，形
63、成了与或树。在该决策树中，H H是根，是根，A A, , C C, , D D, , G G是叶子。是叶子。121为了证明顶层目标为了证明顶层目标H H，需要横穿所有的或部分的与或树。，需要横穿所有的或部分的与或树。横穿的路径称为横穿的路径称为子树或证明路径子树或证明路径。H H的扩展的扩展导致沿着导致沿着“ “AND”AND”弧段通向弧段通向F F和和G G。F F的扩展的扩展导致一个弧段通向导致一个弧段通向B B( (然后通向然后通向A A) )，一个弧段通，一个弧段通向向C C，另外一个弧段通向，另外一个弧段通向D D。为了证明为了证明H H，有两条路径，通过，有两条路径，通过D D的路
64、径比通过的路径比通过A A的路的路径更加有效。径更加有效。1223、基于语义网络的空间知识表达、基于语义网络的空间知识表达 语义网络是知识的一种图解表示，它由结点和结点之间的弧组成。结点结点用于表示实体、概念和情况等，弧弧表示结点之间的相互关系。123at(在)，on(在上)，in(在里面)，above(在上面)，below(在下面)，front(前面)，back(后面)，left(左边)，right(右边)，between(在两者中间)，among(在中间)，amidst(在中间)，near to(与邻近)，far from(远离)，close by(与接近)，语义网络可以用来对空间关系进行
65、表达。以下空间关系可以通过语义网络进行表达。124east of(在东边)，south of(在南边)，west of(在西边)，north of(在北边)，disjoint(与脱离)，overlap(叠置)，meet(交汇)，inside(在内部)，outside(在外边)，central(中央的)，peripheral(外围的)，across(穿越)，through(穿过)，into(在里面)，可以将这些空间关系表达为可以将这些空间关系表达为语义网络的联系语义网络的联系来简化空来简化空间关系的表达。间关系的表达。125空间关系above（在上面）和below（在下面）的语义网络表示。126
66、公园公园(PARK)(PARK)里空间对象的空间关系的语义网络描述。里空间对象的空间关系的语义网络描述。涉及以下空间关系链，用来链接语义网络中的各节点。涉及以下空间关系链，用来链接语义网络中的各节点。ABOVEABOVE：桥桥(BRIDGE)(BRIDGE)在河流在河流(RIVER)(RIVER)上；上；INTERSECTINTERSECT：桥桥(BRIDGE)(BRIDGE)与道路与道路(ROADS)(ROADS)相交；相交；ACROSSACROSS：河流河流(RIVER)(RIVER)穿过公园穿过公园(PARK)(PARK)；EDGEEDGE：路路(ROADS)(ROADS)在河流在河流(
67、RIVER)(RIVER)边上；边上；LENGTHLENGTH：河流河流(RIVER)(RIVER)的长度的长度(LENGTH)(LENGTH)是是2km2km；ININ：人人(PEOPLE)(PEOPLE)在船在船(BOATS)(BOATS)内，船内，船(BOATS)(BOATS)在河在河(RIVER)(RIVER)里。里。127根据以上语义关系链，将公园根据以上语义关系链，将公园(PARK)(PARK)、道路、道路(ROADS)(ROADS)、桥桥(BRIDGE)(BRIDGE)、河流、河流(RIVER)(RIVER)、人、人(PEOPLE)(PEOPLE)等实体之间等实体之间的关系形象地
68、表达出来。的关系形象地表达出来。128语义网络在基于语义的遥感影像识别和理解中得到了很好的应用。例如，航空影像中的“停车场”的识别可以利用语义网络进行表达。129从航空影像上根据观察到的土地覆盖目标，抽取实例和表达语义的通用场景模型，用一些节点表示这些目标，它们之间用特定含义的链连接，这样就构成一个停车场的语义网络。为了说明该停车场是一种土地覆盖类型，建立“土地覆盖(Land Cover)”节点，为进一步说明停车场的组成部分，需要增加“成行排列的车(Car Row)”节点，并且用“part-of”链与“停车场(Parking Lot)”节点相连。130类实例类实例“ “停车场停车场(Parki
69、ng Lot)”(Parking Lot)”与类与类“ “土地覆盖土地覆盖(Land (Land Cover)”Cover)”是用是用“ “is-a”is-a”链表示和连接的，表示链表示和连接的，表示“ “停车场停车场” ”是是“ “土地覆盖土地覆盖” ”的一种类型。的一种类型。实例是个体属于一类的陈述，特化代表了两类之间的子实例是个体属于一类的陈述，特化代表了两类之间的子集关系。通过特化链，实例能够继承类的所有属性。集关系。通过特化链，实例能够继承类的所有属性。131“part of”“part of”链代表一个概念和它的组成部分之间的关系。链代表一个概念和它的组成部分之间的关系。“ “植被
70、植被(Vegetation)”(Vegetation)”是是“ “停车场停车场(Parking Lot)”(Parking Lot)”目标中的一部分，目标中的一部分，因此用因此用“ “part-of”part-of”链表示部分与整体的关系。链表示部分与整体的关系。“ “成行排列的车成行排列的车(Car Row)”(Car Row)”也是停车场的一部分，它由很多车也是停车场的一部分，它由很多车(Car)(Car)组成，组成，车车(Car)(Car)有有“ “Shape”Shape”、“ “Color”Color”、“ “Position”Position”等属性，这些等属性，这些属性用来进一步描
71、述节点属性用来进一步描述节点“ “Car”Car”。车由“车顶(Roof) ”和“引擎盖(Hood)”等部分组成；若干“线段(Segment)”组成“线(Line)”，若干“线(Line)”构成停车场的“轮廓(Contour)”。部分与整体之间的关系用“part-of”表示。132“Concrete”“Concrete”表示具体化，表示将一个物体具体化为有形、有色、表示具体化，表示将一个物体具体化为有形、有色、有质量的物体。有质量的物体。在几何形状上，在几何形状上，“ “停车场停车场(Parking Lot)”(Parking Lot)”实际上就是一个几何轮实际上就是一个几何轮廓，廓，“ “轮
72、廓轮廓(Contour)”(Contour)”就是就是“ “停车场停车场(Parking Lot)”(Parking Lot)”几何层面上的几何层面上的具体物。具体物。“ “Concrete”Concrete”链连接属于不同概念系统的目标。链连接属于不同概念系统的目标。建筑物的屋顶可能属于某个概念系统，它在几何概念系统中的具体形式又可能是平行线。这些链在一个模型中形成一个概念层次。每一层代表从可见信息中抽取的不同程度。“Part of”和“concrete”链可以是多重的。如果概念是强制的、可操纵的和固有的，那么可以特化其具体部分。1334、基于框架的空间知识表达方法、基于框架的空间知识表达方
73、法 框架是知识的一种层次化表达方法。框架可用于表达原型知识或具有良好结构的知识。 与逻辑和产生式规则不同，框架是以相互联系的较大的概念实体形式存储知识。 134框架的总体结构135顶层框架是顶层框架是“ “处理场所处理场所” ”，具有以下一些槽：费物、容量、收，具有以下一些槽：费物、容量、收集区域、安全措施。集区域、安全措施。值限值槽提供了一些对相关槽的值的限制。值限值槽提供了一些对相关槽的值的限制。通过一组层次框架表达费水处理场所费物槽的合法值只能是固体和液体。收集区域槽可能是框架参考槽，联系到一个较低层次的框架，如从城市分区到倾倒地。它的基数确定了槽可以拥有的城市分区数。它也是一个赋有“i
74、f-needed”槽过程的过程槽。这个槽是空的，但是无论何时从槽中需要信息时，系统将执行处理过程。136继承处理场的特点的低层框继承处理场的特点的低层框架是架是垃圾垃圾。废物槽的值为固体。废物槽的值为固体。新的槽新的槽“ “离最近的限制区域离最近的限制区域的距离的距离” ”和和“ “危险事件危险事件” ”也也被添加，被添加，当系统执行当系统执行“ “if-needed”if-needed”过程过程时，可以计算出这些槽的值。时，可以计算出这些槽的值。“ “IS-A”IS-A”槽将当前槽联系到它槽将当前槽联系到它的父母槽。的父母槽。137垃圾1是一个实例槽，它的槽具有确定的值，或者是可从用户处获取
75、的值，或者是缺省值。处理过程也涉及到一些发送到框架的信息的方法或者辅助推理的规则集。“IS-A”槽和其它的框架参考槽服务于沿着层次的框架之间的联系通过框架可以将信息分层结构化。槽可以有静态的侧面，它们的值可以是缺省的或者是限制条件。它们的动态槽可以通过以下处理得到：“if-needed”、“if-added”、“if-deleted”，当必要时，执行这些处理。当新的信息放入槽时执行if-added处理；当信息从槽中移出时，执行if-deleted处理；1385、面向对象的空间知识表达方法面向对象的空间知识表达方法 面向对象的方法使用类、对象、方法和属性等面向对象的概念及消息机制来描述和解决问题
76、，把各种不同类型的知识用统一的对象形式加以表达，利用对象的数据封装、继承、多态等机制，较好地实现知识的独立性、隐藏性以及重用性。面向对象的知识表达方法适宜于表达各种复杂的具有动态或静态特性的知识对象及空间的关系，具有很强的语义表达与对象交互能力。139面向对象的方法可以用于遥感图像理解专家系统，用面向对象的方法进行知识的表达，将图像中的类别抽象为对象，各种类型的求解机制分布于各个对象之中，通过对象之间的消息传递，完成整个问题求解过程，与传统的知识表达及推理比较，更加灵活、方便。 140Class NodeClass Node unsigned char Typeunsigned char Ty
77、pe；类别；类别unsigned char Neibor20unsigned char Neibor20；邻接类别；邻接类别( (伪伪) )unsigned char NeighborCen20unsigned char NeighborCen20；邻接类别；邻接类别( (伪伪) )所占百分数所占百分数unsigned char TureNeighbor20unsigned char TureNeighbor20；真实邻类类别；真实邻类类别unsigned char GrayVal73unsigned char GrayVal73；灰度值；灰度值(max min)(max min)；unsig
78、ned char BioMass3unsigned char BioMass3；生物量指标；生物量指标unsigned char ContourVal3unsigned char ContourVal3；高程值；高程值unsigned char SlopeVal3unsigned char SlopeVal3；坡度值；坡度值unsigned char Aspect3unsigned char Aspect3；坡向值；坡向值unsigned char Texture3unsigned char Texture3；纹理参数；纹理参数unsigned char Landuse3unsigned ch
79、ar Landuse3；土地利用；土地利用unsigned char UserDefunsigned char UserDef；用户自定义值；用户自定义值unsigned char CondWeightunsigned char CondWeight；权值；权值 在遥感影像理解专家系统中，可以针对不同的地物类别，根据它们在遥感影像理解专家系统中，可以针对不同的地物类别，根据它们所处的地域及季节，采集专家知识，包括卫星影像不同波段影像的所处的地域及季节，采集专家知识，包括卫星影像不同波段影像的灰度值、高程范围、生物量指标、坡度、坡向、纹理、邻接类别等灰度值、高程范围、生物量指标、坡度、坡向、纹理
80、、邻接类别等特征值。特征值。将这些具有相似特征值的地物类别表示为对象类将这些具有相似特征值的地物类别表示为对象类, ,其中的对象就是具其中的对象就是具体的地物类别体的地物类别, , 例如林地、草地、水、居民地等。例如林地、草地、水、居民地等。例如，对象中的空间知识的数据，可以设计成如下结构的类：例如，对象中的空间知识的数据，可以设计成如下结构的类：141面向对象的空间知识表示方法面向对象的空间知识表示方法是表达复杂空间对象知是表达复杂空间对象知识的有效方法，反映某类复杂空间对象的子类构成及识的有效方法，反映某类复杂空间对象的子类构成及其普遍特征的知识。其普遍特征的知识。民用机场图像可以利用面向
81、对象的知识表达方法表达民用机场图像可以利用面向对象的知识表达方法表达成其各个子类及其特征知识和关联知识。成其各个子类及其特征知识和关联知识。在高分辨率遥感图像上可以通过对简单子类的识别达在高分辨率遥感图像上可以通过对简单子类的识别达到判别识别复杂的机场图像中空间目标的目的。到判别识别复杂的机场图像中空间目标的目的。142n空间数据仓库空间数据仓库1、基本概念、基本概念（1）数据仓库）数据仓库“数数据据仓仓库库是是面面向向主主题题的的、集集成成的的、时时变变的的、非非易易失的并且随时间而变化的数据集合失的并且随时间而变化的数据集合”(W.H.Inmon)。四四个个关关键键词词：面向主题的、集成的
82、、时变的、非易失的，将数据仓库与其他数据存储系统(如关系数据库系统、事务处理系统和文件系统)相区别。（1）面面向向主主题题的的：数据仓库围绕一些主题，如顾客、供应商、产品和销售组织。143（2）集集成成的的：构造数据仓库是将多种数据源，如关系数据库、一般文件和联机事务处理记录，集成在一起进行存储。使用数据清理和数据集成技术，确保命名约定、编码结构、属性度量等的一致性。（3）时时变变的的：数据存储从历史的角度（例如过去5-10年）提供信息。数据仓库中的关键结构，隐式或显示地包含时间元素。（4）非非易易失失的的： 是指数据保持不变，按计划添加新数据，但是依据规则，原数据不会丢失。 144 （2）空
83、间数据仓库）空间数据仓库空间数据仓库(Spatial Data Warehouse，SDW)是空间信息科学(RS、GIS、GPS)技术和数据仓库技术相结合的产物，可以为逐渐兴起的全球变化和区域可持续发展研究以及复杂的商业地理分析提供强有力的支持。1452、空间数据仓库的出现、空间数据仓库的出现传统的GIS应用系统一般面向某个具体应用、由日常工作流程驱动，数据往往处于采集时的原始状态；系统应用也只是对业务数据进行增、删、改等事物处理操作和简单的空间查询与分析。为了更好地适应当今全球变化和可持续发展研究的需要，需要用一个统一的信息视图将来自不同学科的相关数据按照相应主题转换成统一格式，集成、存储在
84、一起，通过各种专业模型从多个角度去了解这个世界。空间数据仓库空间数据仓库正是为了更好地满足当今地球信息科学的研究和应用的需要而产生的。146目前空间数据仓库已成为国外GIS界研究的热点，并已被应用到多个项目，如：澳大利亚的土地管理系统 、苏格兰的资源环境信息系统等。空间数据仓库在国内已逐步开展起来，如中国资源环境遥感信息系统及农情速报系统(简称CRERSIS)中就采用了空间数据仓库技术。1473、空间数据库与空间数据仓库的比较、空间数据库与空间数据仓库的比较空间数据库与空间数据仓库的数据的结构、内容和用法都不相同，二者一般需要分离开来，需要分开存储和管理。空间数据库(源数据库)负责原始数据的日
85、常操作性应用，操作数据库只维护详细的原始数据，一般不需要存储历史数据，只提供简单的空间查询和分析。空间数据库中的数据尽管很丰富，但是对于空间决策来说，常常还是远远不够的。 148空间数据仓库空间数据仓库则根据主题通过专业模型对不同源数据库中的原始业务数据进行抽取和聚集，形成一个多维视角，为用户提供一个综合的、面向分析的决策支持环境。决策支持需要将来自多种不同来源的数据统一(聚集和汇总)，产生高质量的、纯净的、集成的数据。空间数据仓库引入了时间维的概念，可根据不同的需要划分不同的时间粒度等级，以便进行各种复杂的趋势分析，如土地覆盖变化研究、全球气候的变化趋势等，以支持政府部门的宏观决策。1494
86、、空间数据仓库的主要功能特征、空间数据仓库的主要功能特征数据仓库是面向主题的、集成的、具有时间序列特征数据仓库是面向主题的、集成的、具有时间序列特征的数据集合，以支持管理中的决策制定过程。的数据集合，以支持管理中的决策制定过程。空间数据仓库则是在数据仓库的基础上，引入空间维数据，增加对空间数据的存贮、管理和分析能力，根据主题从不同的GIS应用系统中截取从瞬态到区段直到全体地球系统的不同规模时空尺度上的信息，从而为当今的地球信息科学研究以及有关环境资源政策的制定提供更好的信息服务。150空间数据仓库的主要功能特征：（1）空间数据仓库是面向主题的）空间数据仓库是面向主题的传统的GIS数据库系统是面
87、向应用的，只能回答很专门、很片面的问题，它的数据只是为处理某一具体应用而组织在一起的，数据结构只对单一的工作流程是最优的，对于高层次的决策分析未必是适合的。空间数据仓库为了给决策支持提供服务，信息的组织应以业务工作的主题内容为主线。151空间数据仓库的主要功能特征：（1）空间数据仓库是面向主题的）空间数据仓库是面向主题的主题主题是一个在较高层次将数据归类的标准，每一个主题基本对应一个宏观的分析领域。土地管理部门的空间数据仓库所组织的主题可能为：土地覆盖的变化趋势、土地利用变化趋势等；如果按照应用来组织则可能是地籍管理、土地适宜性评价等。152按照应用来组织的系统不能为土地管理部门制定决策提供直
88、接、全面的服务，空间数据仓库的数据因其面向主题，具有“知识性、综合性”，能够为决策者们提供及时、准确的信息服务。CRERSIS(中国资源环境遥感信息系统及农情速报系统)按照8个主题组织数据：农作物长势监测、农作物种植面积监测、农作物估产、水灾遥感监测、旱灾遥感监测、生物量监测、中国生态环境分析、中国土地资源时空变化分析。153（2）空间数据仓库是集成的）空间数据仓库是集成的空间数据仓库的建立并不意味着要取代传统的GIS数据库系统。空间数据仓库是为制定决策提供支持服务的，它的数据应该是尽可能全面、及时、准确、传统的。GIS应用系统是其重要的数据源。空间数据仓库以各种面向应用的GIS系统为基础，通
89、过元数据刻画的抽取和聚集规则将它们集成起来，从中得到各种有用的数据。提取的数据在空间数据仓库中采用一致的命名规则，一致的编码结构，消除原始数据的矛盾之处，数据结构从面向应用转为面向主题。154（3）数据的变换与增值）数据的变换与增值空间数据仓库空间数据仓库的数据来自于不同的面向应用的GIS系统的日常操作数据，由于数据冗余及其标准和格式存在着差异等一系列原因，不能把这些数据原封不动地搬入空间数据仓库，而应该对这些数据进行增值与变换，从而提高数据的可用性，即根据主题的分析需要，对数据进行必要地抽取、清理和变换。155（4）时间序列的历史数据）时间序列的历史数据自然界是随着时间而演变的，事实上任何信
90、息都具有相应的时间标志。为了满足趋势分析的需要，每一个数据必须具有时间的概念。（5）空间序列的方位数据）空间序列的方位数据自然界是一个立体的空间，任何事物都有自己的空间位置，彼此之间有着相互的空间关系，因此任何信息都应具有相应的空间标志。一般的数据仓库是没有空间维数据的，不能进行空间分析，不能反映自然界的空间变化趋势。156数据仓库特别是空间数据仓库正处于研究阶段，尽管已经出现了很多数据仓库的产品，但还没有形成统一的标准，这项技术还没有达到成熟的阶段。157n空间数据挖掘与知识发现1.空间数据挖掘的由来和发展空间数据的采集、存储和处理等现代技术设备的迅速发展，使得空间数据的复杂性和数量急剧膨胀
91、，远远超出了人们的解译能力。空间数据库是空间数据及其相关非空间数据的集合，是经验和教训的积累，无异于是一个巨大的宝藏。当空间数据库中的数据积累到一定程度时，必然会反映出某些为人们所感兴趣的规律。这些知识型规律隐含在数据深层，一般难以根据常规的空间技术方法获得，需要利用新的理论技术发现之并为人所用。 158“ “数据挖掘与知识发现数据挖掘与知识发现” ”首次出现在首次出现在19891989年年8 8月在美国月在美国底特律召开的第底特律召开的第1111届国际人工智能联合会议的专题讨届国际人工智能联合会议的专题讨论会上。论会上。FayyadFayyad认为：知识发现是从数据集中识别出有效的、认为：知
92、识发现是从数据集中识别出有效的、新颖的、潜在有用的，以及最终可理解的模式的非平新颖的、潜在有用的，以及最终可理解的模式的非平凡过程；数据挖掘是凡过程；数据挖掘是KDDKDD中通过特定的算法在可接受中通过特定的算法在可接受的计算效率限制内生成特定模式的一个步骤。的计算效率限制内生成特定模式的一个步骤。159空间数据挖掘空间数据挖掘(Spatial Data Mining, SDM)(Spatial Data Mining, SDM)，简单的说，就是，简单的说，就是从空间数据中提取隐含其中的、事先未知的、潜在有用的、从空间数据中提取隐含其中的、事先未知的、潜在有用的、最终可理解的最终可理解的空间空
93、间或或非空间非空间的的一般知识规则一般知识规则的过程。的过程。具体而言，就是在具体而言，就是在空间数据库空间数据库或或空间数据仓库空间数据仓库的基础上，的基础上，综合利用综合利用确定集合理论、扩展集合理论、仿生学方法、可确定集合理论、扩展集合理论、仿生学方法、可视化、决策树、云模型、数据场等理论和方法，以及相关视化、决策树、云模型、数据场等理论和方法，以及相关的人工智能、机器学习、专家系统、模式识别、网络的人工智能、机器学习、专家系统、模式识别、网络等信等信息技术，从大量含有噪声、不确定性的空间数据中，析取息技术，从大量含有噪声、不确定性的空间数据中，析取人们可信的、新颖的、感兴趣的、隐藏的、
94、事先未知的、人们可信的、新颖的、感兴趣的、隐藏的、事先未知的、潜在有用的和最终可理解的知识，揭示蕴涵在数据背后的潜在有用的和最终可理解的知识，揭示蕴涵在数据背后的客观世界的本质规律、内在联系和发展趋势，实现知识的客观世界的本质规律、内在联系和发展趋势，实现知识的自动获取，为技术决策与经营决策提供不同层次的知识依自动获取，为技术决策与经营决策提供不同层次的知识依据据( (李德仁等李德仁等, 2006), 2006)。160李德仁首先关注从空间数据库中发现知识，并予以奠基。在李德仁首先关注从空间数据库中发现知识，并予以奠基。在19941994年于加拿大渥太华举行的年于加拿大渥太华举行的GISGIS
95、国际学术会议上，他首先提国际学术会议上，他首先提了从了从GISGIS数据库中发现知识数据库中发现知识(Knowledge Discovery from GIS, (Knowledge Discovery from GIS, KDGKDG) )的概念，并系统分析了空间知识发现的特点和方法，认的概念，并系统分析了空间知识发现的特点和方法，认为它能够把为它能够把GISGIS有限的数据变成无限的知识，精练和更新有限的数据变成无限的知识，精练和更新GISGIS数数据，促使据，促使GISGIS成为智能化的信息系统，并率先从成为智能化的信息系统，并率先从GISGIS空间数据中空间数据中发现了用于指导发现了用
96、于指导GISGIS空间分析的知识。空间分析的知识。李德仁等把李德仁等把KDGKDG进一步发展为进一步发展为空间数据挖掘空间数据挖掘和知识发现和知识发现(Spatial Data Mining and (Spatial Data Mining and Knowledge Dicvoery, SDMKD)Knowledge Dicvoery, SDMKD)，系统研究或，系统研究或提出了可用的理论、技术和方法，奠定了空提出了可用的理论、技术和方法，奠定了空间数据挖掘在地球信息科学中的学科位置和间数据挖掘在地球信息科学中的学科位置和基础基础( (李德仁等李德仁等, 2006), 2006)。1612
97、2、从空间数据库中可发现的知识及应用、从空间数据库中可发现的知识及应用（1 1）从空间数据库中可发现的知识类型）从空间数据库中可发现的知识类型空间数据库包括矢量形式的空间数据库包括矢量形式的GISGIS图形数据、栅格形式图形数据、栅格形式的图像数据，以及规则格网、的图像数据，以及规则格网、TIN(TIN(不规则三角网不规则三角网) )、等、等高线形式的三维空间数据。高线形式的三维空间数据。162从空间数据库中可以发现的主要知识类型：1）普遍的几何知识）普遍的几何知识某类目标的数量、大小、形态特征等普遍的几何特征。计算和统计空间目标几何特征量的最小值、最大值、均值、方差、众数等，还可统计特征量的
98、直方图。在足够多样本的情况下，直方图数据可转换为先验概率使用。在此基础上，可根据背景知识归纳出高水平的普遍几何知识。163从空间数据库中可以发现的主要知识类型： 2）空间特征知识）空间特征知识空间特征知识空间特征知识汇总了作为目标的某类或几类空间实体的几何和属性的一般共性特征。几何特征知识指目标类空间数据的一般特性，属性特征知识指空间实体的数量、大小和形状等一般特征。空间特征知识描述了某类空间目标之所以称之为某类空间特征知识描述了某类空间目标之所以称之为某类空间目标的本质属性空间目标的本质属性。空间特征知识可以用规则的形式来表达，也可以用框架的方法来表达。164从空间数据库中可以发现的主要知识
99、类型： 3）空间分类知识）空间分类知识空间分类知识反映同类事物共同性质的特征型知识和不同事物之间差异性特征知识。根据空间分类知识把图像数据中的对象（包括像素）映射到某个给定的类上，是一种分类器。挖掘空间分类知识时，一般是先给定一些已知对象类别的训练样本进行学习和训练，从而挖掘出将对象映射到不同类别上的空间分类知识，然后根据这种空间分类知识对未知类别的对象进行类别的判定。165从空间数据库中可以发现的主要知识类型： 4）空间区分知识）空间区分知识总结空间特征知识时，可以将该类目标的空间特征与其它目标的空间特征进行比较，找出其中的差别型知识，也可以认为是空间区分知识，空间区分知识是对个性的描述。空
100、间区分知识与空间分类知识不同，分类知识对空间对象进行明确的分类，强调的是分类精度，知识规则的后件是类别，为了保证分类精度，一般在较低的概念层次进行分类；空间区分知识是对已知类别的对象的对比，区分规则的前件是类别，规则一般在较高的概念层次上描述。166从空间数据库中可以发现的主要知识类型： 5）空间聚类知识）空间聚类知识空间聚类知识把特征相近的空间实体数据划分到不同的组中，组间的差别尽可能大，组内的差别尽可能小。空间对象根据类内相似性最大和类间相似性最小的原则分组聚类，并据此导出空间聚类知识，例如根据图像各像素的灰度值对图像进行自动聚类，从而实现图像的有效分割。空间聚类与空间分类的主要区别体现在
101、：空间分类的类别数是预先给定的，通过训练样本训练学习来获取空间分类知识，而进行空间聚类时，聚类前并不知道将要划分为几类和什么样的类别，是根据聚类算法自己学习来确定类别数，在聚类的过程中可以人为地确定聚类的迭代次数和聚类的层数，从而控制聚类的结果。167从空间数据库中可以发现的主要知识类型： 6）空间关联知识）空间关联知识空间关联知识是找出空间实体或实体的空间属性之间的关联关系，找出空间实体的特性数据项之间频繁同时出现的模式，主要指空间实体间的相邻、相连、共生和包含等关联规则，并且同时给予支持度和置信度作为关联知识的不确定性的度量。空间关联规则是空间数据挖掘的知识的重要内容之一。 168从空间数
102、据库中可以发现的主要知识类型：7）空间例外知识）空间例外知识空间例外知识是大部分空间实体的共性特征之外的偏差或独立点，是与空间数据库中的数据的一般行为或模型不一致的数据对象的特性。空间例外是关于类别差异的描述，如标准类中的特例，各类边缘外的孤立点，时序关系上单属性值和集合取值的不同，实际观测值和系统预测值间的显著差别等。空间例外知识对于发现现实世界中的突发事件具有很好的效果，例如利用MODIS卫星对大兴安岭的林区进行监测，通过对该地区的图像进行处理，发现了一些异常情况，则可能是发生了森林火灾或者是森林病虫害。169从空间数据库中可以发现的主要知识类型：8）空间预测知识）空间预测知识空间预测知识
103、是基于可用的空间数据，利用空间分类知识、空间聚类知识、空间关联规则知识等，预测空间未知的数据值、类标记和分布趋势等。9）空间序列知识）空间序列知识空间序列知识主要反映空间实体随时间的变化规律。在发现序列规则时，不仅需要知道空间事件是否发生，还需要确定事件发生的时间。例如，可以通过对监测洞庭湖湖区范围进行监测的序列图像进行分析，从而找出该湖区范围变化的规律；又如通过对与飓风相关的大量的气象云图进行分析，从而找出反映飓风特点的规律性知识等。 170从空间数据库中可以发现的主要知识类型：10）空间分布模式和分布规律）空间分布模式和分布规律空间目标在地理空间的分布规律，分成垂直向、水平向，以及垂直向和
104、水平向的联合分布规律。垂直向分布即地物沿高程带的分布，如植被沿高程带的分布规律、植被沿坡度坡向分布规律等；水平向分布是指地物在平面区域的分布规律，如不同区域农作物的差异、公用设施的城乡差异等；垂直向和水平向的联合分布即不同的区域中地物沿高程的分布规律。 171从空间数据库中可以发现的主要知识类型：10）空间分布模式和分布规律）空间分布模式和分布规律对于图像数据挖据来说，可以利用图像数据挖掘的方法对空间对象的分布模式和分布规律进行研究。例如，通过对全国的遥感图像进行分析，通过对植被指数的分析可以挖掘出植被的空间分布规律；通过对高山地区从山脚到山顶的图像进行分析，可以分析垂直地带性规律；通过对不同
105、的空间对象，如林地、耕地、道路、河流等之间的空间关系进行分析，分析这些空间对象之间的分布规律。 172从空间数据库中可以发现的主要知识类型：11）空间过程知识）空间过程知识空间过程知识属于过程型知识，例如，通过对某一地区的土壤侵蚀状况进行长期的遥感监测，通过对这些图像进行分析，挖掘出土壤侵蚀的过程，从而用过程性的知识的表达方法描述出该地区的土壤侵蚀过程。173从空间数据库中可以发现的主要知识类型：12）面向对象的知识）面向对象的知识面向对象的方法是表达复杂的空间对象知识的一个十分有效的方法，反映某类复杂的空间对象的子类构成及其普遍特征的知识。例如对于民用机场图像，可以利用面向对象的知识表达方法
106、表达成其各个子类及其特征知识和关联知识。从而可以在高分辨率的遥感图像上通过对简单的子类的识别从而达到判别识别复杂的机场图像中的空间目标的目的。174 （2）从空间数据库中发现的知识的应用）从空间数据库中发现的知识的应用 从GIS数据库中发现的知识，可有两大方面的应用： 1）GIS智能化分析智能化分析 SDM获取的知识同现有GIS分析工具获取的信息相比，更加概括、精练，并且发现使用现有GIS分析工具无法获取的隐含模式和规律， SDM本身就是GIS智能化分析工具，也是构成GIS专家系统和决策支持系统的重要工具。1752）在遥感影像解译中的应用）在遥感影像解译中的应用用于遥感影像解译中的约束、辅助、
107、引导，解决同谱异物、同物异谱问题，减少分类识别的疑义度，提高解译的可靠性、精度和速度。SDM是建立遥感影像理解专家系统知识获取的重要技术手段和工具，遥感影像解译的结果又可更新GIS数据库。SDM技术将会促进遥感与GIS的智能化集成。 1762、空间数据挖掘与知识发现的方法、空间数据挖掘与知识发现的方法DM和KDD是多学科和多种技术交叉综合的新领域，它综合了机机器器学学习习、数数据据库库、专专家家系系统统、模模式式识识别别、统统计计、管管理理信信息息系系统统、基基于于知知识识的的系系统统、可可视视化化等领域的有关技术，因而数据挖掘与知识发现方法是丰富多彩的。1772、空间数据挖掘与知识发现的方法
108、、空间数据挖掘与知识发现的方法（1）统计方法）统计方法统统计计方方法法一直是分析空间数据的常用方法，适用于数值型数据。有着较强的理论基础，拥有大量的算法，可有效地处理数值型数据。这类方法有时需要数据满足统计不相关假设，但是，很多情况下这种假设在空间数据库中难以满足，另外，统计方法难以处理非数值型数据。应用统计方法需要有领域知识和统计知识，一般由具有统计经验的领域专家来完成。178（2）归纳方法）归纳方法对数据进行概括和综合，归纳出高层次的模式或特征。归纳法一般需要背景知识，常以概念树的形式给出。在GIS数据库中，有属性概念树和空间关系概念树两类。背景知识由用户提供，在有些情况下，也可以作为知识
109、发现任务的一部分自动获取。179（3）聚类方法）聚类方法聚类分析方法按一定的距离和相似性测度将数据分成一系列相互区分的组。与归纳法的不同之处：不需要背景知识而直接发现一些有意义的结构与模式。经典统计学中的聚类方法对属性数据库中的大数据量存在速度慢、效率低的问题，对空间数据库应发展空间聚类方法。180（4）空间分析方法）空间分析方法空间分析方法可采用拓扑结构分析、空间缓冲区分析及距离分析、叠置分析等方法，旨在发现目标在空间上的相连、相邻和共生等关联关系。181（5）探测性的数据分析）探测性的数据分析探测性的数据分析(简称EDA)，采用动态统计图形和动态链接窗口技术，将数据及其统计特征显示出来，可
110、发现数据中非直观的数据特征及异常数据。EDA与空间分析(Spatial Analysis)相结合，构成探测性的空间分析(ESA)。EDA和ESA技术在知识发现中用于选取感兴趣的数据子集，即数据聚焦，并可初步发现隐含在数据中的某些特征和规律。182 (6)粗糙集粗糙集粗糙集理论(Rough Sets Theory)是波兰华沙大学的Pawlak教授在1982年提出的一种智能数据决策分析工具，被广泛研究并应用于不精确、不确定、不完全信息的分析和知识获取。183粗糙集理论为粗糙集理论为GISGIS的属性分析和知识发现开辟了一条的属性分析和知识发现开辟了一条新途径，可用于新途径，可用于GISGIS数据库
111、属性表的数据库属性表的一致性分析、属一致性分析、属性的重要性、属性依赖、属性表简化、最小决策和分性的重要性、属性依赖、属性表简化、最小决策和分类算法生成类算法生成等。等。粗糙集方法与其它知识发现方法相结合，可以在粗糙集方法与其它知识发现方法相结合，可以在GISGIS数据库中数据不确定情况下获取多种知识。数据库中数据不确定情况下获取多种知识。 例如，在经过统计和归纳，从原始数据得到普遍化数例如，在经过统计和归纳，从原始数据得到普遍化数据的基础上，粗糙集用于普遍化数据的进一步简化和据的基础上，粗糙集用于普遍化数据的进一步简化和最小决策算法生成，使得在保持普遍化数据内涵的前最小决策算法生成，使得在保
112、持普遍化数据内涵的前提下，最大限度地精练知识。提下，最大限度地精练知识。 184（7）云理论）云理论 是由李德毅院士提出的用于处理不确定性的一种新理论，由云模型、不确定推理和云变换等关键技术构成。 云理论将模糊性和随机性结合起来，解决了作为模糊集理论基石的隶属函数概念的固有缺陷，为KDD中定量与定性相结合的处理方法奠定了基础。 185（8）图像分析和模式识别）图像分析和模式识别空间数据库中含有大量的图形图像数据，一些行之有效的图形分析和模式识别方法可直接用于发现知识，或作为其它知识发现方法的预处理手段。186（9）概念格方法）概念格方法概念格，又叫形式概念分析，是一种用数学公式明确表示人类对概
113、念理解的集合理论模型，用来研究特定领域内，可能存在的概念的几何结构、概念格形式。每个结点为一个形式概念，由两部分组成：外延外延，即概念所覆盖的实例；内涵内涵，即概念的描述，该概念覆盖实例的共同特征。概念格通过HasseHasse图图生动和简洁地体现了这些概念之间的泛化和特化关系。187 （10）其他方法）其他方法另外，决策树、神经网络、证据理论、模糊集理论、遗传算法、支持向量机等也可用于空间数据挖掘和知识发现。 为了发现某类知识，常常需要综合应用这些方法。1883、空间数据挖掘系统的结构及开发方法、空间数据挖掘系统的结构及开发方法两种空间数据挖掘系统的结构：基于GIS的空间数据挖掘系统的结构基
114、于图像(遥感图像)数据的空间数据挖掘结构189基于GIS的空间数据挖掘系统的一般结构图190用户发出知识发现命令，知识发现模块触发空间数据库管理模块，从空间数据库中获取感兴趣的数据，或称为与任务相关的数据； 知识发现模块根据知识发现要求和领域知识从与任务相关的数据中发现知识。 191发现的知识要交互地反复进行才能得到最终满意的结果，在启动知识发现模块之前，用户往往直接通过空间数据库管理模块交互地选取感兴趣的数据，用户看到可视化的查询和检索结果后，逐步细化感兴趣的数据，然后再开始进行知识发现过程。 192根据图像数据挖掘的内容，划分为图像数据管理模块、光谱(颜色)特征数据挖掘模块、纹理特征数据挖掘模块、形状特征数据挖掘模块、空间分布规律挖掘模块、图像知识的存储与管理模块，以及图像知识的应用模块(基于知识的图像分类模块、基于知识的图像检索模块、基于知识的目标识别模块)。193
