空间信息复合分析模型研究

论文摘要

现有GIS空间分析技术不能满足多维信息空间分析的需求,如何将空间依赖、空间尺度效应、空间非均质性共同结合到空间分析中缺少有效模式,空间分析中数据的多维复杂性往往被忽略。空间信息在信息相互作用中存在着尺度效应、空间依赖性、空间异质性,多源多维空间信息耦合关系表现为空间依赖性和空间非均质性作用下多尺度空间要素的信息与知识的跨尺度转换、推绎的关系,空间信息复合分析的实质是应用多维、多源信息,采取多种分析方法对事物进行综合性认识的过程。将泛布尔函数引入空间信息复合分析中,建立了空间信息泛布尔函数复合分析模型。提出了空间属性多态化、空间效用函数、泛布尔空间逻辑关系的知识化表达等技术理念,建立了基于空间信息泛布尔函数复合分析模型的空间反演模型与空间预测模型。建立了空间信息分层线性复合分析模型。地理学第一定律的提出对解决空间依赖性起到了良好的指引作用,形成了地理加权回归模型(Geographical Weighted Regression,GWR),GWR模型是未考虑尺度差异的线性组合模型,因而存在着信息损失。空间信息分层线性复合分析模型从空间数据组内效应、组间效应分析空间过程,通过进行“回归的回归”两阶段分析综合反映空间依赖关系和空间尺度效应对空间过程的影响。建立了空间信息多维尺度复合分析模型。现实世界中一组空间观测信息构成的信息模式往往受到一些关键性的隐含因素的影响,这些关键因素构成了一个隐含结构,这个结构能够以简化方式但又有效地对信息模式进行表达。多维尺度空间信息复合分析模型将数据变换到相似性空间,根据空间相似性进行分析,在不依赖诸多先验假设情况下,发现并学习数据集的内在规律与性质。以徐州市征地区片划分所涉及的空间要素复合分析为应用实例,对本文建立的空间信息复合分析模型进行了比较分析。结果表明:空间信息泛布尔函数复合分析模型易于实现,能够融合主、客观分析方法,适合应用于对资源环境进行初步评价;空间信息分层线性复合分析模型计算过程紧紧围绕空间依赖和空间尺度效应关系的建模表达,能够较好地揭示空间信息的复合机理;空间信息多维尺度复合分析模型是一种客观的、完全以数据为驱动的探索多维、多尺度空间数据潜在流形结构的过程,适宜于发现原始数据集所蕴含的内在规律与性质。论文建立的空间信息复合分析模型能够从不同视角、针对空间数据的不同特征建立分析评价模式,更加综合、全面利用空间数据的有效信息,有助于解决空间分析中数据的多维复杂性涉及的尺度效应、空间依赖性和空间异质性综合作用问题。

论文目录

• 致谢
• 摘要
• Abstract
• 1 绪论
• 1.1 论文研究背景与研究意义（Significance and Background）
• 1.1.1 论文研究背景（Background）
• 1.1.2 论文研究意义（Significance）
• 1.2 国内外研究进展（Review）
• 1.2.1 空间分析研究进展（Progress of Spatial Analysis）
• 1.2.2 空间信息复合分析研究进展（Progress of IASI）
• 1.2.3 多维数据分析、处理技术研究进展（Progress of Processing Multidimensional Data）
• 1.3 论文主要研究工作（Main Research）
• 1.4 论文组织结构（Thesis Outline）
• 2 空间信息复合分析理论与技术基础
• 2.1 空间信息复合分析相关概念（Concept Relatad to IASI）
• 2.1.1 空间信息（Spatial Information）
• 2.1.2 空间尺度效应（Scale Effect）
• 2.1.3 空间依赖（Spatial Dependence）
• 2.1.4 空间异质性（Spatial Heterogeneity）
• 2.1.5 空间信息复合分析（Concept of IASI）
• 2.2 空间划分（Spatial Partitioning）
• 2.2.1 规则空间划分和不规则空间划分（Regular and Unregular Spatial Partitioning ）
• 2.2.2 多尺度空间划分（Multiscale Spatial Partitioning）
• 2.2.3 基于多维尺度依赖的空间划分（Spatial Partitioning Based on Multidimensional Scale）
• 2.2.4 空间划分的实现（Mothodology for Spatial Partitioning）
• 2.3 空间信息复合分析数据模型（The Model of IASI）
• 2.3.1 空间数据模型概述（Introduction of the Spatial Data）
• 2.3.2 离散实体属性值的空间扩散（Diffusing Spacial Attribute Value of Dispersible Object）
• 2.3.3 空间信息的空间单元转换（Translating Spatial Information between Spatial Cells ）
• 2.3.4 动态缓冲区与空间信息单元转换的实现（Mothodology for RingBuffer and Translating Information between Spatial Cells ）
• 2.4 空间过程因子分析（Factor Analysis of Spatial Process）
• 2.4.1 基于机理的空间过程因子分析（Factor Analysis of Spatial Process Based On Mechanism）
• 2.4.2 基于数据的空间过程因子分析（Factor Analysis of Spatial Process Based On Data）
• 2.5 本章小结（Summary）
• 3 空间信息泛布尔函数复合分析模型研究
• 3.1 引言（Introduction）
• 3.1.1 布尔代数及其在空间分析中应用（Boolean Algebra and It’S Using in Spatial Analysis）
• 3.1.2 经典布尔逻辑空间信息分析模型的局限性（Liminition of Spatial Information Analysis Model Based on Classical Boolean Algebra）
• 3.2 泛布尔代数（Pan-Boolean Algebra）
• 3.2.1 泛布代数数学模型（Pan-Boolean Algebra Model）
• 3.2.2 泛布尔函数（Pan-Boolean Function）
• 3.3 空间信息泛布尔函数复合分析模型（IASI Model Based on Pan-Boolean Algebra）
• 3.3.1 基于泛布尔函数的空间复合分析的基本思想（The issue of IASI Based On Pan-Boolean Algebra）
• 3.3.2 空间属性多态化（Dispersing Spatial Attribute）
• 3.3.3 空间效用函数的建立（Development of Spatial Avail Function）
• 3.3.4 泛布尔空间逻辑关系的知识化表达（Expressing Knowledge of Spatial Pan Boolean Logic Relations）
• 3.3.5 空间信息泛布尔函数复合分析模型（IASI Model Based on Pan-Boolean Algebra ）
• 3.3.6 基于泛布尔逻辑的复合空间信息反演模型（Spatial Inversion Transformation Model Based on Pan-Boolean Logic）
• 3.3.7 基于泛布尔逻辑的空间预测模型（Spatial Forecast Model Based on Pan-Boolean Logic）
• 3.3.8 泛布尔逻辑空间信息复合分析模型中的知识不确定性（Uncertainty in IASI Model Based on Pan-Boolean Algebra）
• 3.4 模型的应用（Application of the Model）
• 3.5 本章小结（Summary）
• 4 空间信息分层线性复合分析模型研究
• 4.1 引言（Introduction）
• 4.2 空间分析中的线性模型及其局限性（The Limitl Shortage of Linear Spatial Analysis Model ）
• 4.2.1 空间回归分析模型（Spatial Regression Model）
• 4.2.2 空间分析线性模型的局限性（The Shortage of Linear Spatial Analysis Model）
• 4.3 分层线性模型原理（Principle of Multi-Level Linear Model ）
• 4.3.1 分层线性模型的历史发展（Development of Multi-Level Linear Model ）.
• 4.3.2 分层线性模型的基本形式（The Form of Multi-Level Linear Model）
• 4.3.3 分层线性模型参数估计（Parameter Estimation in Multi-Level Linear Model）
• 4.4 空间信息分层线性复合分析模型（Multi-Level IASI Model）
• 4.4.1 第一层模型——空间依赖模型（Level-1: Spatial Dependence Model）
• 4.4.2 第二层模型——空间尺度推绎模型（Level-2: Spatial Scale Transformati on Model）
• 4.4.3 参数解算（Parameter Estimate）
• 4.4.4 空间变量分层组织关系的检验(Inspection of Patial Multi-Level Relati
• 4.5 空间信息分层线性复合分析模型的应用（Application of Multi-Level IASI Model ）
• 4.6 本章小结（Summary）
• 5 空间信息多维尺度复合分析模型研究
• 5.1 多维尺度分析（MDS）概述（Introduction of MDS）
• 5.1.1 MDS 的概念与发展历程（Concept and Development of MDS）
• 5.1.2 MDS 的基本原理（Principle of MDS）
• 5.2 MDS 在空间数据分析中的适用性——空间信息流形学习（Using MDS in Manifold Learning）
• 5.2.1 流形与流形学习（Manifold and Manifold Learning）
• 5.2.2 MDS 拓展模型—ISOMAP（Expand Model of MDS——Isometric Mapping）
• 5.2.3 空间信息流形学习（Spatial Manifold Learning）
• 5.3 空间属性相似性（Similarity of Spatial Attribute ）
• 5.3.1 间隔尺度空间属性相似性及其度量（Similarity of Metric Spatial Attribute and It’s Measurement）
• 5.3.2 有序尺度空间属性相似性及其度量（Similarity of Ordinal Scale Spatial Attribute and It’s Measurement）
• 5.4 空间信息多维尺度复合分析模型（Multidimensional Scaling IASI Model）
• 5.4.1 基本模型（Main Model）
• 5.4.2 空间属性维度相对重要性模型（The Model Expressed the Importance of Spatial Attribute Dimension）
• 5.4.3 空间属性相似性不确定模型（The Model Expressing the Uncertainty of Spatial Attribute）
• 5.5 模型实现（Realizing Model）
• 5.6 本章小结（Summary）
• 6 模型应用分析——空间信息复合分析模型在徐州市征地区片划分中应用
• 6.1 项目概述与数据预处理（Introduction and Data Pretreatment ）
• 6.1.1 项目概述（Introduction）
• 6.1.2 数据预处理（Data Pretreatment）
• 6.2 基于空间信息泛布尔函数复合分析模型的徐州市征地区片划分（Partitioning Land Requisition Blocks By IASI Model Based on Pan-Boolean Fuction）
• 6.2.1 征地区片影响因素空间属性的多态化处理（Dispersing Factor’s Attribute Affecting Land Requisition Blocks）
• 6.2.2 征地区片划分空间效用函数的建立（Spatial Avail Function Used To Partition Land Requisition Blocks ）
• 6.2.3 征地区片划分（Partitioning Land Requisition Blocks）
• 6.3 基于空间信息分层线性复合分析模型的徐州市征地区片划分（Partitioning Land Requisition Blocks by Spatial Information Multi-Level IASI Model）
• 6.3.1 徐州市征地区片划分影响因素相互关系分析（Analysing Relatins between Factors ）
• 6.3.2 模型参数计算（Parameter Estimation）
• 6.3.3 征地区片划分（Partitioning Land Requisition Blocks）
• 6.4 基于空间信息多维尺度复合分析模型的徐州市征地区片划分（Partitioning Land Requisition Blocks By Multidimensional Scaling IASI Model）
• 6.4.1 空间单元相似性关系的建立（Establishing Similarity of Spatial Cells）
• 6.4.2 公共拟合构图的建立（Common Mimetic Structure ）
• 6.4.3 公共拟合构图的空间划分（Partitioning Common Mimetic Structure）
• 6.4.4 征地区片划分（Partitioning Land Requisition Blocks）
• 6.5 模型比较分析 （Comparing IASI Models）
• 6.6 本章小结 （Summary）
• 7 结论与展望
• 7.1 主要研究结论（Main Conclusions）
• 7.2 本文的主要创新（Main Innovation）
• 7.3 研究展望（Further Work）
• 参考文献
• 附录（Appendix）
• 作者简历
• 学位论文数据集