GIS基本理论系列是在《地理信息系统原理和应用》读书报告基础上完成的,当作自己对GIS理论的一次复习回顾。
- 空间信息分析的内容包括哪些操作?有哪些功能?
空间信息分析通常是指 GIS 为用户提供的解决问题的方法。
空间信息分析的基本方法包括以下一些内容:
( 1 )空间信息量算:质心计算、几何量算、形态量算等
( 2 )空间信息分类:主成分分析 (PCA) 、层次分析 (AHP) 、聚类分析、判别分析等
( 3 )叠加分析:视觉信息复合;属性层叠合
( 4 )网络分析:路径分析、地址匹配、资源分配、空间规划等
( 5 )邻域 ( 近 ) 分析:缓冲区、泰森多边形、等值线、扩散等
( 6 )空间统计分析:常规统计、空间自相关、回归、趋势分析、专家打分(加权)等
( 7 )数据的插值:点的内插
下面分别描述:
空间数据的查询检索是 GIS
最基本的功能。用户可通过它,不仅能提取数据库中的既有信息,还能进一步获取很多派生的空间信息。空间数据查询检索:按一定的要求对 GIS
所描述的空间实体及其空间信息进行访问,检索出满足用户要求的空间实体及其相应的属性,并形成新的数据子集。
空间数据的多元复合、空间属性的多层叠加,是基于同一空间位置、区域,进行属性运算。 GIS
最主要的分析功能。空间数据叠合是以空间层次分析理论为基础,空间信息复合包括视觉信息复合 ( 只是显示,不生成新数据层,较简单 ) 和属性数据层叠合
( 生成新的数据层,复杂 ) 。
空间数据分类和统计分析的目的是简化复杂的事物,突出主要因素。空间数据分类包括单因素分类,即属性变量区间、组合;间接因素;地理区域;多因素分类,即主成分分析;聚类分析。多变量统计分析主要用于数据分类和综合评价。数据分类是
GIS 重要组成部分;综合评价是区划和规划的基础。常用统计分析方法包括:
( 1
)常规统计分析:主要完成对数据集合的均值、总和、方差、频数、峰度系数等参数的统计分析。如:数学期望值、中数、众数;极差、离差、标准差、变差系数等。
( 2 )空间自相关分析:空间自相关分析是认识空间分布特征、选择适宜的空间尺度来完成空间分析的最常用的方法。
( 3 )回归分析:用于分析两组或多组变量之间的相关关系。有多种回归拟合,如线性回归、指数回归、对数回归、多元回归等
( 4 )趋势分析:通过数学模型模拟地理特征的空间分布与时间过程,把地理要素时空分布的实测数据点之间的不足部分内插或预测出来
( 5 )主组(成)分分析:亦称 K-L
变换,用作变量重组和筛选。地理问题往往涉及大量相互关联的自然和社会要素,众多的要素常常给分析带来很大困难,同时也增加了运算的复杂性。主成分分析法通过数理统计分析,将众多要素的信息压缩表达为若干具有代表性的合成变量,这就克服了变量选择时的冗余和相关,然后选