台湾经济地理空间格局分析
台湾区域经济空间格局分析
摘要：通过对台湾地区区域经济总体特征、静态格局、动态格局的分析，本文认为台湾本土区域经济差异有待缩小，内部一体化程度有待提升，应加强次区域合作发展，促进台中都市圈、台南都市圈、高雄都市圈的形成，以增强台湾经济的内生基础。
关键词：台湾；区域经济；空间格局
1引言
2008年金融危机以来，以出口为导向的台湾经济遇到严重挑战，此后又随国际经济形势的好转而逐渐复苏，众多学者从外部环境、产业、对外贸易等视角对台湾经济复苏的因素、台湾经济未来发展的挑战与趋势进行了剖析[1-10]，并提出了相应的措施建议。综观既有研究，尚未有研究对台湾内部的空间经济不平衡进行分析。空间经济不平衡现象是区域发展中存在的普遍现象，它不仅在发达国家和发展中国家之间存在，在发达国家内部和发展中国家内部也同样存在，这种空间不平衡现象是当代诸多争论中的核心问题，是经济形势变化的重要因素。经济地理学则试图揭开这种空间不平衡发展之谜[11]，其核心问题是解释地理空间中经济活动集聚现象[12]。基于此，本研究拟利用经济地理学的分析方法，通过对台湾内部的经济空间格局进行分析，以期提供理解台湾经济的内生视角。
2研究数据与方法
2.1研究区域与数据来源
台湾省位于中国东南沿海，北临东海，东临太平洋，南临南海，西隔台湾海峡与，是福建省相望，全省包括台湾岛及兰屿、绿岛、钓鱼岛等21个附属岛屿和澎湖列岛64个岛屿，基于经济发展情况与数据获取难易程度的考虑，本研究选取台湾本岛内的19个县市以及位于澎湖列岛的澎湖县作为研究对象。
本研究所采用经济数据主要来源于台湾行政院主计总处编撰的《统计年鉴》，由于数据获取原因本研究对台湾地区2011年和2012年各县市的经济数据进行分析；此外，本研究所采用的行政区空间数据则是笔者根据维基百科中文网提供
的资料自绘。
2.2研究思路
本研究以区域经济统计数据（如GDP ）和区域政区空间数据为基础，结合数据分析软件（如Excel ）和地理空间分析软件（如ArcGIS ）进行经济地理空间格局分析。本研究认为经济地理空间格局分析包括三个方面的内容：区域经济的总体特征分析、区域经济的静态格局分析、区域经济的动态格局分析。
区域经济的总体特征包括区域各空间单元经济发展的差异程度和相关程度。既然区域差异是经济地理空间格局分析的核心起点，那么区域各空间单元经济发展的差异程度是一项必须回答的基础问题，本文拟利用区域差异系数计算方法分析区域经济发展的差异程度。
根据地理学第一定律，地理事物或属性在空间分布上互为相关，因此区域内各空间单元经济发展必然不是独立的，因此有必要探索
图1 本文研究思路与技术路线
各空间单元经济发展的相互关联程度，本文利用ESDA方法下的全局莫兰指数计算区域各空间单元经济属性的整体相关性。
静态格局分析主要是经济冷热区分析。区域经济差异不仅体现在程度上，还体现在空间分布上，经济冷热区分析即回答区域内经济热值（高值）与经济冷值（低值）是如何在区域内分布的。本文结合区域静态数据，利用专题地图分析方法、空间插值分析方法计算经济冷热区。
动态格局分析主要是增长冷热区分析。区域经济差异不仅体现为静态结果的差异，还体现为动态过程的差异。动态格局分析即是对区域各空间单元的增长差异情况的分析，与静态格局分析类似，动态格局分析不仅回答增长热区与增长冷区是如何在区域内分布的，即增长冷热区分析；与静态格局分析类似，本文结合区域动态数据，利用专题地图分析方法、空间插值分析方法计算增长冷热区。
2.3研究方法
（1）差异系数——区域经济发展差异程度分析
区域差异分析的方法有很多，常用的方法有：标准差系数、变差（变异）系数、加权变异系数、基尼系数、沃尔夫森指数、泰尔（锡尔）指数等，本文选择常用的标准差系数和变异系数进行台湾地区区域经济差异程度判断。
（1.1）标准差系数
标准差系数用于衡量区域经济发展的绝对差异水平。计算方式如下：
S=√∑(Y i?Y?)2 n
i=1
n
其中，Y i代表第i个空间单元的属性值，Y?代表区域所有空间单元的属性平均值，n是区域空间单元的个数。S值越大表明区域空间单元整体的绝对差异越大。
（1.2）变差（变异）系数
标准差系数用于衡量区域经济发展的相对差异水平。计算方式如下：
CV=S
Y?
=
1
Y?
√
∑(Y i?Y?)2
n
i=1
n
其中变量的含义与式（1）一致。CV值越大表明区域空间单元整体的相对差异越大。
（2）全局莫兰指数——区域经济发展相关程度分析
全局空间自相关性分析是反映区域内各空间单元整体相关程度的手段，常通过ESDA 方法下的Moran's I 指数和Geary's C 指数反映。
① Moran's I 指数计算方法和含义如下：
Moran ′s I =∑∑w ij n j?1n i?1(x i ?x?)(x j ?x?)
s 2∑∑w ij n j?1n i?1
式中：I 为全局Moran 指数，x i 、x j 分别为区域i 、j 的属性值，x?为区域的
平均值；W ij 为空间权重矩阵，用于定义空间单元的相互邻接关系，相邻为1，不
相邻为0；n 为研究单元总数;S 2=∑(x i?x ?)
2n n i=1。同时，采用常用的标准化统计量
Z 来对Moran's I 进行统计检验，计算方法如下：Z(I)= ,其中E(I)为期
望值，Var(I)为变异数。 当Moran's I 指数值为正且显著时，表明区域整体存在正面的空间自相关性，即属性值高（或低）的空间单元在区域内显著集聚；当Moran's I 指数值为负且显著时，表明区域整体存在负面的空间自相关性，即区域内的空间单元与相邻单元存在显著的差异，相似属性在区域内的空间分布是分散的；当Moran's I 指数值为0时，区域各空间单元呈独立的随机分布，不具有相关性。
（3）专题地图分析方法
通过ArcGIS 等地理空间分析软件将区域各空间单元的同一经济属性如GDP 、人均GDP 等与包含空间边界等空间属性的空间数据连接，利用ArcGIS 下的符号系统功能和分类功能，以合适类型的专题地图的方式对区域经济属性在空间上的分布进行表达，再根据专题地图对该属性的空间分布特征进行解读，得到相应的区域经济冷热分区。
（4）空间插值分析法
插值分析法的本质是为了改变属性以空间单元为基本单位表达造成的区域属性空间不连续的缺陷，以属性和空间单元形状为变量按一定的规则对属性在空间上的重分布进行计算模拟，实现属性在区域内的连续表达，进一步明晰区域经济地理空间格局。插值分析法可分为确定性插值法和非确定性插值法（本文选择克里金插值法）。确定性插值法是基于信息点之间的相似程度或者整个曲面的光滑性来创建一个拟合曲面。克里金插值法是利用样本点的统计规律，使样本点之
间的空间自相关性定量化，从而在待预测的点周围创建样本点的空间结构模型。
[13]
应明确的是，无论由何种插值分析法生成的数据结果，其本身有时并不具有科学严谨的含义，不能用于进一步计算和分析。帮助研究者更好地观察和解读区域经济地理空间格局才是插值分析法的作用所在。
3区域经济总体特征分析
本研究选取台湾地区20个市县2011年和2012年的GDP数据，计算其在这两个时间节点的标准差系数和变异系数，以表征研究区域的经济差异程度。
从标准差系数和差异系数计算结果来看，从2011年到2012年，一方面，变异系数和标准差系数均在变小，说明研究区域内部各市县经济差异程度在缩小，但另一方面，也可以看到缩小的趋势并不明显，台湾地区应继续将缩小区域内部差异作为发展目标。
从全局莫兰指数计算结果来看，从2011年到2012年，一方面，台湾地区全局莫兰指数在变大，说明研究区域内部各市县经济发展相关程度在增大，区域合作的程度在加深；但另一方面，也可以看到各市县经济发展相关程度仍然较低，大陆较发达的经济区的全局莫兰指数一般都在0.25以上，而台湾地区的全局莫兰指数刚超过0.17，因此台湾应继续加强区域合作，促进区域经济一体化发展。
表1 台湾2011年、2012年各市县GDP的标准差系数、变异系数与全局莫兰指数
4区域经济静态格局分析
基于县市尺度，对区域内20个县市单元的GDP、人均GDP等数据进行比较分析，从整体上把握区域空间特征，利用GIS专题地图方法、空间插值分析方法（本次研究以反距离权重法为插值方法）对各市县经济实力进行空间分布分析并分类：以GDP代表地区经济发展规模、人均GDP代表地区经济发展质量，分别将这20个县市的GDP或人均GDP与整个台湾的平均水平相比较，超出平均水平的属于量大或质高类地区，低于平均水平的属于量小或质低类地区，最后再将两个
要素综合进行考虑，把这20个县市分为量大质高、量大质低、量小质高、量小质低四类，从而廓清台湾地区经济冷热区空间格局。
从GDP即经济发展规模的计算结果来看，经济规模较大的县市集中在台北及周边地区以及其他三个中心城市（台中、台南、高雄），而台湾东部地区及中部地区经济规模均较小，属于塌陷地区。具体而言，新北市、台北市、高雄市、台中市、桃园县、台南市等六个县市属于量大地区，而剩余的14个县市则属于量小区域。
图2 台湾2012年各市县GDP专题地图图3 台湾2012年各市县GDP的插值分析
从人均GDP即经济发展质量来看，质高区域更为明显地集中于台北及周边地
图4 台湾2012年各市县人均GDP专题地图图5 台湾2012年各市县人均GDP的插值分析区，另外仅有高雄市和澎湖县情况稍好。具体而言，质高区域包括台北市、新北市、新竹市、新竹县、基隆市、桃园县、澎湖县、高雄市等八个县市，其他十二
个县市均属于质低区域。
综合考虑经济发展规模与经济发展质量两个要素，将台湾地区的县市分为量大质高、量小质高、量大质低、量小质低四类区域，可以发现，台湾经济呈现一中心三点的格局：一中心——台湾经济发展热区主要分布在台北及周边地区，台北都市圈的发育态势凸显；三点——除台北及其周边地区外，仅有三个中心城市台中、台南、高雄经济发展尚可，并且这三个城市并没有明显的经济腹地而对周边地区有所带动，是三个经济热孤点；除了这一中心三点以外，台湾其他县市的经济相对较弱。具体而言，经济热区第一层次包括台北市、新北市、高雄市、桃源县四个量高质优的县市，第二层次包括新竹市、澎湖县、基隆市、新竹县等量小质高的县市以及台南市、台中市等量大质低的县市，而花莲县等10个县市既没有较高的经济规模又没有较好的经济质量，属于经济冷区。总体而言，台湾经济冷区的分布范围还较广，应加强经济热区对经济冷区的带动作用，扩大经济热区的范围，促进区域平衡。
图6 台湾各类经济区的空间分布图7 对台湾各市县进行分类
表2 台湾经济冷热区分类的结果
5区域经济动态格局分析
同样基于县市尺度，对区域内20个县市单元的GDP增长率、GDP相对发展率（NICH）等数据进行比较分析，从整体上把握区域空间特征，利用GIS专题地图方法、空间插值分析方法（本次研究以反距离权重法为插值方法）对各市县经济增长情况进行空间分布分析并分类：以GDP年均增长率反映2011年至2012年台湾地区各市县GDP的增长速度，而以相对发展率（NICH）反映2011年至2012年台湾地区各市县GDP的增长量。相对发展率（NICH）=
G i2012?G i2011
G
总2012?G
总2011
?，其中G i2012、G i2011分别指冀中南的i县（市、
区）2012年和2011年的GDP水平；G
总2012、G
总2011
分别指台湾地区整体2012
年和2011年的GDP水平。相对发展率（NICH）能够较好的测度各地区在一定时期内相对大区域的发展速度，是衡量地区经济增长能力的指标[20]。分别将这20个县市的增长率和相对发展率与整个台湾的平均水平相比较，超出平均水平的属于速快或量大类地区，低于平均水平的属于速慢或量小类地区，最后再将两个要素综合进行考虑，把这20个县市分为量大速快、量小速快、量大速慢、量小速慢四类，从而廓清台湾地区经济增长冷热区空间格局。
从GDP年均增长率即经济增长速度的计算结果来看，增长较快的县市集中在
图8台湾2012年各市县GDP增长率专题地图图9台湾2012年各市县GDP增长率的插值分析台北及周边地区、台东沿海地区、以及台南市，而台湾西部沿海地区及高雄市增长速度非常缓慢，属于发展缓慢地区。具体而言，基隆市、台北市等11个县市
属于速快地区，而剩余的9个县市则属于速慢区域，整体而言，台湾县市的经济增长速度较好，台湾经济发展呈现向上的趋势，其中，东部地区又优于西部地区。
从相对增长率(NICH)即经济增长量来看，量大区域更为明显地集中于台北及周边地区，另外仅有台中市和台南市情况稍好。具体而言，量大区域包括台北市、新北市、桃园县、台中市、台南市等五个县市，其他十五个县市均属于质低区域。从增长量的角度来说，台湾县市的经济增长情况并不乐观，很多地区增长量小，而有的地区如高雄市甚至出现了负增长的情况。
图10台湾2012年各市县GDP 相对增长率专题地
图 图11台湾2012年各市县GDP 相对增长率的插值分析
综合考虑经济增长速度与经济增长量两个要素，将台湾地区的县市分为量大速快、量小速快、量大速慢、量小速慢四类区域，可以发现，台湾经济呈现一中心一带两点的格局：一中心——台湾经济增长热区主要分布在台北及周边地区，台北都市圈的发育态势凸显；一带——无论是增长速度还是增长规模来看，东部沿海地区增长趋势突出，形成了增长热带；两点——除台北及其周边地区、东部增长带外，仅有两个中心城市台中、台南经济增长情况尚可，并且这两个城市并没有明显带对周边地区的增长，是两个增长的孤点；除了这一中心一带两点以外，台湾其他县市的经济相对较弱。具体而言，增长热区第一层次仅包括台北市和桃园县两个量高质优的县市，第二层次包括新竹市、澎湖县等九个量小速快的县市以及台南市、台中市、新北市等三个量大速低的县市，而彰化县等6个县市既没有较大的增长规模又没有较快的增长速度，属于经济增长冷区。
总体而言，台湾经济增长冷区的分布范围还较广，
应加强经济增长热区对经
济增长冷区的带动作用，尤其是西部和南部地区，扩大经济增长热区的范围，促进区域平衡。
图12 台湾各类经济增长区的空间分布图13 对台湾各市县进行分类
表3 台湾经济增长冷热区分类的结果
6结论与讨论
通过对台湾地区区域经济总体特征、静态格局、动态格局的分析，本研究发现如下结论：一是台湾地区各县市间的经济差异在逐步缩小、经济相关程度在加大，但整体水平仍较低，仍需继续致力于缩小区域经济差异、促进区域合作发展；二是经济热区主要集中于台北地区以及台中、台南、高雄等三个中心城市，经济增长热区主要集中于台北地区以及台中、台南，高雄经济发展走向迷失，并且只有台北对周边地区实现了联动发展，台中、台南均未起到经济中心应有的带动作用，未来应加强其辐射功能；三是同为区域后发地区，东部沿海地区的增长趋势明显优于西部和南部地区，未来可能成为台湾地区新的经济亮点。总而言之，台湾本土区域经济差异有待缩小，内部一体化程度有待提升，应加强次区域合作发
展，促进台中都市圈、台南都市圈、高雄都市圈的形成，以增强台湾经济的内生基础。
参考文献
[1]李非, 郭涛, 胡少东. 后金融危机下的台湾经济形势分析[J]. 福建师范大学学报: 哲学社
会科学版, 2011 (3): 42-48.
[2]盛九元. 金融危机后台湾经济形势分析[J]. 台湾研究, 2010 (006): 46-49.
[3]张莉. 2012 年台湾经济形势综述[J]. 两岸关系, 2013 (1): 37-39.
[4]王领. 两岸经济合作机制及其对台湾经济发展影响分析[J]. 思想战线, 2010 (2): 115-
118.
[5]石正方. 两岸经济合作框架协议生效后台湾经济观察[J]. 统一论坛, 2011 (5): 65-67.
[6]李振广. 两岸经济合作框架协议与台湾经济发展新机遇[J]. 中央社会主义学院学报, 2011
(3): 67-71.
[7]邓利娟. 台湾经济“黄金十年” 的机遇与挑战[J]. 台湾研究, 2011, 4: 009.
[8]邓利娟. 台湾经济从“奇迹” 到“困境” 发展过程的重新审视——基于东亚新学说的
理论视角[J]. 2009.
[9]李非, 胡少东. 台湾经济发展规律探析——以经济增长, 产业结构演变及对外贸易为视角
[J]. 厦门大学学报: 哲学社会科学版, 2009 (4): 65-71.
[10]胡少东, 李非. 台湾经济结构突变, 周期波动和经济增长[J]. 2010.
[11]库姆斯等著安虎森等译. 经济地理学：区域和国家一体化[M]. 中国人民出版社, 2011.
[12]梁琦. 空间经济学的过去, 现在与未来[J]. 经济学季刊, 2005 (4): 48-57.
[13]尹海伟，孔繁花. 城市与区域规划空间分析实验教程[M]. 东南大学出版社, 2014.
国土空间规划中地理信息大数据的应用分析
国土空间规划中地理信息大数据的应用分析 摘要：随着互联网的不断发展，地理信息大数据也高速发展，特别是熟轨迹数 据以及空间媒体数据，科学有序地进行国土空间规划工作，打造高效、开放、安 全的国土空间发展格局，对于城区建设、生态保护、交通轨道等多种行业发展甚 至是区域经济水平的提高至关重要。文章主要围绕地理信息大数据在国土空间规 划中的应用进行分析，以供参考。 关键词：国土空间规划;地理信息大数据;应用 信息化的时代背景之下，大数据在各行各业中都有着十分广泛的应用，尤其 是在大型数据的分析与处理方面作用明显。地理信息大数据也随着技术的升级而 不断发展，尤其是空间媒体数据中随着互联网的带动作用而呈现爆发式增长。地 理信息大数据的有效运用，促进了国土空间开发及利用水平的提高，也为国家经 济稳速发展做出了一定的贡献。 1、国土空间规划 国土空间是人们生存与发展过程的所需空间。国土空间规划的主要目的可分 为以下几点，第一，积极引导经济发展，有效促进传统落后的发展模式，进行优 化调整。第二，能够依靠宏观调控方式并借助相应的科学技术实现集约化资源处 理和合理利用。第三，实现空间资源的科学配置，合理调整产业布局，实现经济 结构优化目标。第四，在保证资源合理配置的基础之上，使得产业布局更具协调 性和科学性，规避以环境污染作为代价的错误发展形式，大力建设环境友好型社会。第五，充当空间规划指导者，积极协调经济发展、生态发展以及社会发展这 三方面的发展方向，努力实现环境宜人、空间高效、资源集约等优化目标。 国土空间规划是指，根据其所处历史条件、自然环境以及社会发展实际情况，站在有效保护、合理利用和开发的视角上，对国土空间进行适当的布局调整和综 合空间规划。当前，世界很多国家对于国土空间规划工作都给予了高度重视，提 升国土空间规划工作的科学合理性，能够更好的保证各国经济发展过程中出现的 生态环境恶化、资源短缺以及区域发展失衡等情况。为了确保社会稳定，实现可 持续发展目标，需不断提升国土空间规划的整体水平。 2、地理信息大数据 常规意义下的地理信息数据相对来说比较规范，对于精确性具有严格要求。 大数据地理信息的信息采集方式更加自由且丰富，例如消费记录、个人出行过程 记录、传感器应用、网络行为等都可作为地理信息大数据的信息采集方式，这些 方式具有实时性、多变性、非专业性以及全面性等特征。其所采集的信息数据包 括政务信息、环境信息、居民生活信息、社会动态信息、商业发展信息以及人口 流动信息等等。其信息数据量大，信息来源广泛，不具备可靠性和精准性，属于 半结构碎片化信息，具有多种数据格式。 想要合理利用大量的地理信息大数据，并进行合理储存和管理，必须建立相 应的信息数据平台，对于不同类型的信息数据分别进行储存、种类划分、分析、 管理，并且建立灵活性较强的可配置数据查询系统，此种系统要具备信息查询功能、数据统计功能，且能实现信息提取一体化，以降低大数据重复建设的概率。 3、国土空间规划中地理信息大数据的应用分析 3.1提供实时的基础数据 地理信息大数据管理平台一直处于运转状态，时刻进行地理空间信息数据的 收集整理工作，信息管理平台具备数据清理功能，能够有效处理时刻变化的信息
地理信息系统空间分析方法及其若干应用 吴静
地理信息系统空间分析方法及其若干应用吴静 发表时间：2018-01-16T10:06:49.090Z 来源：《基层建设》2017年第30期作者：吴静 [导读] 摘要：地理信息系统是一种特殊的具有特定性的空间信息系统，它能够提供地理空间共享以及地图服务，地理信息系统是60年代中期发展起来的，近年来获得了非常迅速的发展，由于其种类、数量非常多 四川省冶金地质勘查局测绘工程大队四川成都 610212 摘要：地理信息系统是一种特殊的具有特定性的空间信息系统，它能够提供地理空间共享以及地图服务，地理信息系统是60年代中期发展起来的，近年来获得了非常迅速的发展，由于其种类、数量非常多，加上发展变化非常快，因此对地理信息系统的定义也非常多，简单来说，地理信息系统就是利用计算机软硬件进行输入、输出及分析的系统，当前它已经在现代经济活动的方方面面得到了应用，人们对地理信息系统的了解也逐渐深入.基于此，本文着重针对有关地理信息系统空间分析的相关问题进行了分析。 关键词：信息系统；空间；分析方法；应用 近年来，计算机技术发展非常迅速，虽然地理信息系统的输入、存储和输出功能进展较快，但是空间分析功能的发展就显得比较落后。而空间分析是建立在空间目标位置和属性表达以及目标间复杂空间关系表达的基础上，若要提高空间分析能力，必须解决空间关系描述与表达，而空间关系的建立也是提高ＧＩＳ效率的一个关键。 1 空间拓扑关系描述 空间拓扑关系描述的是基本的空间目标点、线、面之间的邻接、关联和包含关系。ＧＩＳ传统的基于矢量数据结构的结点－段－边形，用于描述地理实体之间的连通性、邻接性和区域性。这种拓扑关系难以直接描述空间上虽相邻但并不相连的离散地物之间的空间关系。 目前，对于空间实体之间的拓扑关系的描述，主要有基于网络的拓扑模型和基于点集拓扑理论的拓扑模型，前者比后者具有直观、结构清晰、互导性强、便于组织存储等优点。基于点集拓扑的空间拓扑关系描述有三种方法：四元组、九元组和维６４２００８扩展法。基于点集拓扑的空间关系描述框架能够十分有效地描述有公共元素的空间目标间的拓扑关系，甚至能够根据交集的维数更进一步区分成为各种不同的形式，但是基于点集拓扑的空间关系描述框架无法描述分离开的、没有公共元素的目标间的拓扑空间关系，这正是其缺点所在。 2 地理信息系统空间分析方空间位置 2.1叠置分析 叠置分析是通过叠加至少两层地图要素而得到一个新的要素层，其结果是分割原要素并生成新要素，且新要素中包含原要素的全部属性。据此，叠置分析既可生成新的空间关系，还可联系输入数据层的属性并生成新的属性关系。总体而言，叠置分析是按数学模型计算分析新要素的属性，从而解决用户面临的问题。 在城市规划中，建设用地适宜性评价是一种典型的格栅叠置，其通过对用地评定因子图层进行标准化处理、重新分类及加权叠加，从而形成用地适宜性评价结果。对于灾害风险综合评估、城镇发展条件综合评价及生态敏感性综合评价等规划，都可采用多因子叠加分析法来实现叠置分析。在规划中，两期用地的演变亦可进行叠置分析，即：根据土地利用数据，叠置获得两期土地利用的变化图层，用以分析土地利用的变化；根据城市建设用地数据，叠置获得两期建设用地转化的图层，用以辅助规划评估或比选规划方案。此外，还应深入挖掘矢量数据中的叠置分析功能，其中矢量叠置蕴含一种拓扑关系及其包含至少两个矢量图层的并集、交集、属性的空间赋值与关联等功能，如建设量的分区统计便是矢量叠置的具体应用。 2.2相关分析 在同一空间范围内，任一小的空间单元都包含多项属性信息，而相关分析的研究内容是对应位置上的属性信息是否具有相关关系及这一相关关系的表现。在相关分析中，通常包括时间域、空间域，两者关注的焦点分别是不同时期同一属性的观测值、同一时期不同属性的观测值。在规划中，相关分析涉及较多的社会领域、自然领域。例如，犯罪高发地的成因分析研究的是在同一地區，犯罪率与家庭收入、教育水平、失业率、租住比例、新迁入居民比例及单亲家庭比例等属性的相关性。在规划中，还可运用相关分析来分析土地利用演变的驱动力。例如，在某一省域的区县范围内，先空间化处理社会经济统计指标，再从土地利用转化的角度开展主成分分析、相关分析、回归分析及因子分析，从而探明引起这一区域土地利用演变的驱动力。 3 空间拓扑关系的应用 3.1软件平台中的空间拓扑关系建立 软件平台中的空间拓扑关系的建立常为了拓扑检错和拓扑应用。拓扑检错是在建立好拓扑规则后，再打开些拓扑规则，根据错误提示进行修改。拓扑应用主要指的是为了提供空间分析的功能，比如线拓扑生成面、网络分析功能等。在软件平台中，拓扑关系的建立和使用的过程如下：获取图形文件，新建或打开。 对图形文件进行拓扑关系的建立，即根据需求调用特定的模块对其进行处理。 3.2根据所得的拓扑关系进行拓扑检错或拓扑应用 当然，拓扑关系的建立是可以在进行图形绘制的时候进行的，但是由于所需要的拓扑关系待定，就需要考虑所有的拓扑关系，而此时图形还在动态变化当中，因此在每次图形更新的时候都需要对其进行拓扑关系的建立，如此将严重影响图形绘制及拓扑关系的建立的效率。 以使用ＡｒｃＧＩＳ进行最短路径分析为例，其使用的拓扑关系是线文件的网络拓扑关系，这种关系在其它拓扑处理时使用很少，因此如果是在图形绘制时就建立网络拓扑关系，就会造成的时间上的浪费。而ＡｒｃＧＩＳ实行的机制就是首先在ＡｒｃＭａｐ中进行图形的矢量化，而后在ＡｒｃＣａｔａｌｏｇ中建立其网络拓扑关系，最后再在ＡｒｃＭａｐ中进行最短路径分析。这种性质的，值得在软件平台设计时借鉴。 3.3二次开发中的空间拓扑关系建立 空间拓扑关系是ＧＩＳ中空间分析的基础，限制着其在空间分析方面的应用。目前大多数的应用软件都是通过二次开发实现的，这种软件开发的空间分析功能就不仅是建立在其使用平台的基础上，而且还要看其平台所提供的二次开发组件。例如ＥＳＲＩ公司所提供的Ｍ
例谈高考地理试题数据分析的方法和技巧
例谈高考地理试题数据分析的方法和技巧 地理数据是地理事物和现象空间位置、属性特征及其动态变化等的数量化表示。通过地理数据的分析，可以解析其所表达的地理事物的分布、特征及其运动变化的地理过程，进而了解自然和人文地理环境特征以及人类活动与地理环 境之间的关系。全国各地高考试题近年来出现了不同类型的地理数据分析类试题，其解析方法和技巧各不相同。 一、比较法 比较法是高考试题中地理数据分析的常用方法，包括纵比法、横比法和联系比较法等。纵比法是将不同历史阶段的地理数据加以比较，借以揭示地理现象在历史发展过程各阶段的共性与个性。横比法是将同一属性的不同地理事物加以比较，找出其在同一发展阶段在地理特征、发展趋势等方面的差异。联系比较法是联系相关地理事物进行比较，以利于探求地理规律，解决地理问题。 例题1：图1示意某城市20世纪80年代和90年代平均人口年变化率，当前，该城市总人口约1300万。据此完成（1）～（2）题。 （1）20世纪90年代和80年代相比，该城市 A.总人口增长速度加快 B.总人口减少 C.人口自然增长率降低
D.人口净迁入量减少 （2）该城市所在的国家可能是 A.美国 B.日本 C.俄罗斯 D.德国 解析：该题涉及了人口地理学的相关地理数据，主要有人口的自然增长率、迁移率、总人口增长率。第（1）题的解题方法是典型的纵比法，可以将“1981～1990”和“1991～2000”两个不同历史阶段的同类地理数据进行比较，排除A、C，由于总人口增长率一直为正值，所以B选项“总人口减少”是错误的，所以选D。 技巧：纵比法主要用于同一地理实体不同历史阶段气候资料、水文信息、自然资源、人口数量、农业分布、工业产值等的比较，可以揭示同一地理事物属性特征的时间变化过程，利用纵比法进行比较时，一是要注意比较实体和属性数据的同一性，必须是同一地理实体不同时期的同类属性数据的比较。二是要注意将属性数据变化值与时间尺度联系起来分析地理实体的变化特征，不能夸大或缩小地理实体特征的变化幅度。横比法主要用于不同地理实体间同一历史阶段属性数据的比较，可以是国家间的作物面积的比较，可以是河流间水文特征的比较，也可以是功能区间属性的比较等等。利用横比法进行比较时，一是要注意所比较的地理实体间的同质性和层次性，例如，不能将城市功能区与农业规划区进行比较，也不能将国家的工业产值与城市的工业产值进行比
空间分析基本操作
实验空间分析基本操作 一、实验目的 1. 了解基于矢量数据和栅格数据基本空间分析的原理和操作。 2. 掌握矢量数据与栅格数据间的相互转换、栅格重分类(Raster Reclassify)、栅格计算－查询符合条件的栅格(Raster Calculator)、面积制表（Tabulate Area）、分区统计(Zonal Statistic)、缓冲区分析(Buffer) 、采样数据的空间内插(Interpolate)、栅格单元统计（Cell Statistic）、邻域统计（Neighborhood）等空间分析基本操作和用途。 3. 为选择合适的空间分析工具求解复杂的实际问题打下基础。 二、实验准备 预备知识： 空间数据及其表达 空间数据（也称地理数据）是地理信息系统的一个主要组成部分。空间数据是指以地球表面空间位置为参照的自然、社会和人文经济景观数据，可以是图形、图像、文字、表格和数字等。它是GIS所表达的现实世界经过模型抽象后的内容，一般通过扫描仪、键盘、光盘或其它通讯系统输入GIS。 在某一尺度下，可以用点、线、面、体来表示各类地理空间要素。 有两种基本方法来表示空间数据：一是栅格表达; 一是矢量表达。两种数据格式间可以进行转换。 空间分析 空间分析是基于地理对象的位置和形态的空间数据的分析技术，其目的在于提取空间信息或者从现有的数据派生出新的数据，是将空间数据转变为信息的过程。 空间分析是地理信息系统的主要特征。空间分析能力（特别是对空间隐含信息的提取和传输能力）是地理信息系统区别与一般信息系统的主要方面，也是评价一个地理信息系统的主要指标。 空间分析赖以进行的基础是地理空间数据库。 空间分析运用的手段包括各种几何的逻辑运算、数理统计分析，代数运算等数学手段。 空间分析可以基于矢量数据或栅格数据进行，具体是情况要根据实际需要确定。 空间分析步骤 根据要进行的空间分析类型的不同，空间分析的步骤会有所不同。通常，所有的空间分析都涉及以下的基本步骤，具体在某个分析中，可以作相应的变化。 空间分析的基本步骤: a)确定问题并建立分析的目标和要满足的条件 b)针对空间问题选择合适的分析工具 c)准备空间操作中要用到的数据。 d)定制一个分析计划然后执行分析操作。 e)显示并评价分析结果
《ArcGIS地理信息系统空间分析实验教程》重点(自制)
第一章 1.地理信息系统：是在计算机软硬件支持下，对整个或者部分地球表层空间中的有关地理分布数据进行采集、存储、管理、运算、分析、显示和描述的技术系统。 2.地理信息系统的主要组成部分：硬件系统、软件系统、地理空间数据和系统管理操作人员。 3.GIS功能分为以下五个方面： ①数据采集与输入；②数据编辑与更新； ③数据存储与管理；④空间数据分析与处理； ⑤数据与图形的交互显示。 4.21世纪GIS应用新的发展趋势：网络GIS、组件式GIS、虚拟现实GIS、时态GIS、互操作GIS、3S集成。 5.对基于GIS的空间分析的理解不同的角度和层次： ①按空间数据结构类型；②按分析对象的维数； ③按分析的复杂性程度。 第二章 1.ArcGIS的基础模块：ArcMap、ArcCatalog、Geoprocessing。 2.Geoprocessing地理处理框架：具有强大的空间数据处理和分析工具，包括地理处理工具的集合和模型构建器。 第三章 1.空间数据采集：是指将现有的地图、外业观测成果、航空相片、遥感图像、文本资料等转成计算机可以识别处理的数字形式。 2.数据组织：就是按照一定的方式和规则对数据进行归并、存储、处理的过程， 3.ArcGIS中主要有Shapefile、Coverage和Geodatabase三种数据组织方式。 4.地理数据库：是按照层次型的数据对象来组织地理数据。 5.要素类：是具有相同几何类型和属性的要素的集合，即同类空间要素的集合。 6.地理数据库建立的一般过程： ①地理数据库设计；②地理数据库建立； ③建立地理数据库的基本组成项；④向地理数据库各项加载数据； ⑤进一步定义地理数据库。 7.地理数据库的基本组成项：对象类、要素类和要素数据集 8.要素类的分类：简单要素类和独立要素类。 9.创建拓扑的优势：
GIS空间分析复习提纲及答案
空间分析复习提纲 一、基本概念(要求：基本掌握其原理及含义，能做名词解释) 1、空间分析：是基于地理对象的位置和形态的空间数据的分析技术，其目的在于提取和传输空间信息。 2、空间数据模型：以计算机能够接受和处理的数据形式，为了反映空间实体的某些结构特性和行为功能，按一定的方案建立起来的数据逻辑组织方式，是对现实世界的抽象表达。分为概念模型、逻辑模型、物理模型。 3、叠置分析：是指在同一地区、同一比例尺、同一数学基础、不同信息表达的两组或多组专题要素的图形或数据文件进行叠加，根据各类要素与多边形边界的交点或多边形属性建立多重属性组合的新图层，并对那些结构和属性上既互相重叠，又互相联系的多种现象要素进行综合分析和评价；或者对反映不同时期同一地理现象的多边形图形进行多时相系列分析，从而深入揭示各种现象要素的内在联系及其发展规律的一种空间分析方法。 4、网络分析：网络分析是通过研究网络的状态以及模拟和分析资源在网络上的流动和分配情况，对网络结构及其资源等的优化问题进行研究的一种空间分析方法。 5、缓冲区分析：即根据分析对象的点、线、面实体，自动建立它们周围一定距离的带状区，用以识别这些实体或主体对邻近对象的辐射范围或影响度，以便为某项分析或决策提供依据。其中包括点缓冲区、线缓冲区、面缓冲区等。 6、最佳路径分析：也称最优路径分析，以最短路径分析为主，一直是计算机科学、运筹学、交通工程学、地理信息科学等学科的研究热点。这里“最佳”包含很多含义，不仅指一般地理意义上的距离最短，还可以是成本最少、耗费时间最短、资源流量（容量）最大、线路利用率最高等标准。 7、空间插值：空间插值是指在为采样点估计一个变量值的过程，常用于将离散点的测量数据转换为连续的数据曲面，它包括内插和外推两种算法。，前者是通过已知点的数据计算同一区域内其他未知点的数据，后者则是通过已知区域的数据，求未知区域的数据。 8、空间量算：即空间量测与计算，是指对GIS数据库中各种空间目标的基本参数进行量算与分析，如空间目标的位置、距离、周长、面积、体积、曲率、空间形态以及空间分布等，空间量算是GIS获取地理空间信息的基本手段，所获得的基本空间参数是进行复杂空间分析、模拟与决策制定的基础。 9、克里金插值法：克里金插值法是空间统计分析方法的重要内容之一，它是建立在半变异函数理论分析基础上，对有限区域内的区域变化量取值进行无偏最优估计的一种方法，不仅考虑了待估点与参估点之间的空间相关性，还考虑了各参估点间的空间相关性，根据样本空间位置不同、样本间相关程度的不同，对每个参估点赋予不同的权，进行滑动加权平均，以估计待估点的属性值。 二、分析类(要求：重点掌握其原理及含义，能结合本专业研究方向做比较详细的阐述) 1、空间数据模型的分类？ 答：分为三类： ①场模型：用于表述二维或三维空间中被看作是连续变化的现象； ②要素模型：有时也称对象模型，用于描述各种空间地物； ③网络模型：一种某一数据记录可与任意其他多个数据记录建立联系的有向图结构的数据模型，可 以模拟现实世界中的各种网络。
地理空间大大数据库原理期末考试地题目总卷
《地理空间数据库原理》课程期末考试卷 一、选择题（每题3分，共10题） 1、下列不适合直接采用关系型数据库对空间数据进行管理说法错误的是（A） A. 传统数据库管理的是连续的相关性较小的数字或字符，而空间数据是连续的，并且有很强的空间相关性； B. 传统数据库管理的实体类型较少，并且实体类型间关系简单固定，而GIS数据库的实体类型繁多，实体间存在着复杂的空间关系； C. 传统数据库存储的数据通常为等长记录的数据，而空间数据的目标坐标长度不定，具有变长记录，并且数据项可能很多，很复杂； D.传统数据库只查询和操作数字和文字信息，而空间数据库需要大量的空间数据操作和查询。 2. 下列关于的空间数据库管理方式经历的阶段及其各自特点说法错误的是（C） A. 文件关系数据库混合管理阶段，用一组文件形式来存储地理空间数据及其拓扑关系，利用通用关系数据库存储属性数据，通过唯一的标识符来建立它们之间的连接。 B. 全关系式数据库管理阶段，基于关系模型方式，将图形数据按关系模型组织。图形数据和属性数据统一存储在通用关系数据库中，即将图形文件转成关系存放在目前大部分关系型数据库提供的二进制块中。 C.面向对象数据库管理阶段，面向对象型空间数据库管理系统最适合空间数据的表达和管理。持变长记录，还支持对象的嵌套，信息的继承和聚集。支持SQL 语言，有一定的通用性。允许定义合适的数据结构和数据操作。 D.对象关系数据库管理阶段，解决了空间数据的变长记录管理，使数据管理效率大大提高；空间和属性之间联结有空间数据管理模块解决，不仅具有操作关系数据的函数，还具有操作图形的API函数； 3. 对下述图形进行链式编码，编码结果为(D)
地理数据的步整理
第一章 地理数据的初步整理 第一节 地理数据的类型、特征及其采集 一、地理数据的类型 根据地理学的研究对象可将地理数据分为空间数据和属性数据。 （一）空间数据 空间数据，主要用于描述地理实体、地理要素、地理现象、地理事件及地理过程产生、存在和发展的地理位置、区域范围及空间联系。空间数据的表达，可以将其归纳为点、线、面三种几何实体以及描述它们之间联系的拓扑关系。 点：由一个独立的坐标点),(y x 定位，可以表示精确的地理坐标点，也可以是一些地理实体的抽象，如道路交叉点、河流汇聚点以及小比例尺地图上的城镇、村庄等。 线：由两个以上坐标点i i y x i i ,2,1),,( 定义，有一定的长度和走向，表示线状地物或点实体之间的联系。如交通线、河流及各种地理区域的界线等，都是线实体。 面：表示在空间上连续分布的地理景观或区域。如居民区、工业区、行政区等都是面实体。 点、线、面三种地理几何实体，按照一定的拓扑关系组合、排列，就可以形成更为复杂的地理几何实体。如点、线组合形成网络；线、面组合形成地带；点、面组合形成地域类型；点、线、面组合形成地理区。 （二）属性数据 属性数据主要用于描述地理实体、地理要素、地理现象、地理事件及地理过程的有关属性特征，如海拔高度、气温、植被覆盖率、人口数量等。属性数据可以分为两种类型：即数量标志数据和品质标志数据。 1.数量标志数据 根据测度标准，可以将数量标志数据分为以下两类： ⑴ 间隔尺度数据。是以有量纲的数据形式表示测度对象在某种量纲下的绝对量。如摄氏温标表示气温，以面积量纲表示土地面积，以时间量纲表示地理事件、地理现象发生的时间等，如表1.1。 表1.1 间隔尺度数据 区域 年平均气温（℃） 年降水量（mm ） 土地面积（hm 2） 人口（人） 国内生产总值（万元） 1 8.0 500.2 1245.6 1210 2678.28 2 7.6 498.6 1064 1023 2015.47 3 6.5 550.9 894.3 848 1754.56 4 8.5 586.4 668.7 654 1365.46 ⑵ 比例尺度数据。是以无量纲的数据形式表示测度对象的相对量。这种数据要求事先规定一个基点，然后将其它同类数据与基点数据相比较，换算为基点数据的比例。因此这类数据常常又称为指数或比例数。如耕地指数、工业发展指数、舒适度指数等，如表1.2。 表1.2 比例尺度数据（某地区耕地复种指数及农业发展指数） 年份 1996 1997 1998 1999 2000 耕地复种指数① 120.40 113.56 126.54 132.76 121.43 农业发展指数 ② 100 115.68 124.50 135.69 129.56
大数据时代的空间数据挖掘综述
第37卷第7期测绘与空间地理信息 GEOMATICS ＆SPATIAL INFOＲMATION TECHNOLOGY Vol．37，No．7收稿日期：2014－01－22 作者简介：马宏斌（1982－），男，甘肃天水人，作战环境学专业博士研究生，主要研究方向为地理空间信息服务。 大数据时代的空间数据挖掘综述 马宏斌1 ，王 柯1，马团学 2（1．信息工程大学地理空间信息学院，河南郑州450000；2．空降兵研究所，湖北孝感432000） 摘 要：随着大数据时代的到来，数据挖掘技术再度受到人们关注。本文回顾了传统空间数据挖掘面临的问题， 介绍了国内外研究中利用大数据处理工具和云计算技术，在空间数据的存储、管理和挖掘算法等方面的做法，并指出了该类研究存在的不足。最后，探讨了空间数据挖掘的发展趋势。关键词：大数据；空间数据挖掘；云计算中图分类号：P208 文献标识码：B 文章编号：1672－5867（2014）07－0019－04 Spatial Data Mining Big Data Era Ｒeview MA Hong －bin 1，WANG Ke 1，MA Tuan －xue 2 （1．Geospatial Information Institute ，Information Engineering University ，Zhengzhou 450000，China ； 2．Airborne Institute ，Xiaogan 432000，China ） Abstract ：In the era of Big Data ，more and more researchers begin to show interest in data mining techniques again．The paper review most unresolved problems left by traditional spatial data mining at first．And ，some progress made by researches using Big Data and Cloud Computing technology is introduced．Also ，their drawbacks are mentioned．Finally ，future trend of spatial data mining is dis-cussed． Key words ：big data ；spatial data mining ；cloud computing 0引言 随着地理空间信息技术的飞速发展，获取数据的手 段和途径都得到极大丰富，传感器的精度得到提高和时空覆盖范围得以扩大，数据量也随之激增。用于采集空间数据的可能是雷达、红外、光电、卫星、多光谱仪、数码相机、成像光谱仪、全站仪、天文望远镜、电视摄像、电子 显微镜、CT 成像等各种宏观与微观传感器或设备，也可能是常规的野外测量、人口普查、土地资源调查、地图扫描、 地图数字化、统计图表等空间数据获取手段，还可能是来自计算机、 网络、GPS ，ＲS 和GIS 等技术应用和分析空间数据。特别是近些年来，个人使用的、携带的各种传感器（重力感应器、电子罗盘、三轴陀螺仪、光线距离感应器、温度传感器、红外线传感器等），具备定位功能电子设备的普及，如智能手机、平板电脑、可穿戴设备（GOOGLE GLASS 和智能手表等），使人们在日常生活中产生了大量具有位置信息的数据。随着志愿者地理信息（Volunteer Geographic Information ）的出现，使这些普通民众也加入到了提供数据者的行列。 以上各种获取手段和途径的汇集，就使每天获取的 数据增长量达到GB 级、 TB 级乃至PB 级。如中国遥感卫星地面站现在保存的对地观测卫星数据资料达260TB ，并以每年15TB 的数据量增长。比如2011年退役的Landsat5卫星在其29年的在轨工作期间，平均每年获取8．6万景影像，每天获取67GB 的观测数据。而2012年发射的资源三号（ZY3）卫星，每天的观测数据获取量可以达到10TB 以上。类似的传感器现在已经大量部署在卫 星、 飞机等飞行平台上，未来10年，全球天空、地空间部署的百万计传感器每天获取的观测数据将超过10PB 。这预示着一个时代的到来，那就是大数据时代。大数据具有 “4V ”特性，即数据体量大（Volume ）、数据来源和类型繁多（Variety ）、数据的真实性难以保证（Veracity ）、数据增加和变化的速度快（Velocity ）。对地观测的系统如图1所示。 在这些数据中，与空间位置相关的数据占了绝大多数。传统的空间知识发现的科研模式在大数据情境下已经不再适用，原因是传统的科研模型不具有普适性且支持的数据量受限， 受到数据传输、存储及时效性需求的制约等。为了从存储在分布方式、虚拟化的数据中心获取信息或知识，这就需要利用强有力的数据分析工具来将
地理数据库设计报告
分区耕地坡度结构图的制作 姓名： 学号： 年级： 专业： 学院： 指导老师： 华北水利水电学院 年月日
1 目的意义 对耕地坡度进行分级是对耕地管理的重要前提。耕地坡地分级赋值是一个繁杂的人机交互过程，人为地判断分割面积可能造成多次反复，还极可能产生误差，特别是矢量化和分割图斑会带来拓扑错误及属性丢失的现象。通过运用ArcGIS 的可进行耕地坡度分级赋值，该方法在使用时需提供经过拓扑错误检查后带属性数据的土地利用图斑数据和坡度分级图。 2材料方法 2.1数据 耕地坡度结构图制作需要用到的数据有：地类图斑.shp、线状地物.shp、注记点.shp、整饰线.shp、等高线.shp、村界.shp、遥感影像H50G044024DOM.tif，每个数据包含的内容见表1。 表1 耕地坡度结构图制作需要用到的数据 2.2数据分析方法(把数据来源、数据处理与分析方法说清楚) 2.2.1数据裁切方法(研究区域边界的确定) （1）矢量数据的裁切(clip) 矢量数据的剪切用clip，该工具在 （2）栅格数据的裁切(extract by mask) 栅格数据的剪切用extraction，该工具在 2.2.2影像的地理配准方法(定义数据的坐标系) 影像的地理配准用georeferencing，该工具在 2.2.3图形的矢量化方法(把多用到的矢量化方法尽量全部列出) 图形的矢量化运用Editor工具，该工具在点击Editor——Start Editing，在
Target中选择图层，进行图形矢量化。 为了方便绘制，可以打开效果Effect工具条，将绘制层设置为透明(也可将地类图斑层设置为无填充) ①一般面状轮廓的画法使用Sketch Tool，沿面状地物的边界进行描绘，双击完成。 ②面状边界的跟踪矢量画法 ③岛的画法 ④面要素边界转换为线要素 利用已经录入完毕的面状要素，使用面转线工具直接将所绘所有面要素边界转换为线要素。具体方法为：打开ArcToolbox，选择Data Management Tools菜单下的Features，双击Polygon To Line，即打开Polygon To Line对话框。在Input Feature中输入已画好的待转换的面层，在Output Feature Class中输入转换后的线层确定后即完成面转线。 ⑤线要素转换为面要素 利用已有的线要素生成面要素 2.2.4 拓扑分析方法 拓扑分析所要用到的工具topology 2.2.5矢量数据属性值的录入方法 2.2.6符号库的建立方法 （1）面状符号的制作方法 （2）线状符号的制作方法
面向空间大数据的GIS
面向空间大数据的GIS 摘要：大数据因具有巨大的研究发展潜力，已经得到了学术界和产业界的持续关注和利用。本文总结了目 前的大数据利用现状，以及大数据引发的科学研究新思维和新观念。空间数据作为大数据的主体数据集， 在泛在测绘、多源异构时空数据等方面给传统GIS的发展带来了巨大的挑战。面对挑战，文章总结了大数 据环境下GIS应该具备的基础特征，以及在空间数据挖掘和空间分析方面的研究进展。最后，文章从商业 模式、智慧城市、云计算、城市计算和大数据驱动的人类移动规律等方面展望了大数据背景下GIS的研究 热点和发展前景。 关键词：空间大数据， GIS，空间数据挖掘，空间分析, 云计算 1空间大数据 1.1 大数据倍受关注和利用 在学术界， 0’Reilly Media于2008年出版了《数据之美》，随后Nature、Science 等陆续刊登了大数据专辑，麦肯锡从经济和商业维度分析了大数据在不同行业的应用潜力。2012年，我国科技部发布的十二五国家科技计划信息技术领域2013年度备选项目征集指 南中把大数据研究列在了首位。在产业界，IBM、亚马逊、Google、甲骨文等信息技术巨头都纷纷推出了大数据解决方案和应用。在中国，百度、腾讯、淘宝、阿里巴巴等也采用了Hadoop处理大规模数据。大数据的研究与发展涉及国防安全、生活健康、气候变化、地质 调查、减灾防灾、智慧地球等众多领域。以美国为例，2012年3月，奥巴马政府率先在全 球宣布推出大数据的研究和发展计划，将大数据研发上升为国家意志，并投资2亿多美元 资助美国国家科学基金和美国地质调查局等6个联邦政府部门的大数据项目，以提高从大 量的、复杂的数据集合中获取知识的能力。 1.2 空间数据是大数据的基础 大数据具有体量巨大、多种多样、高速变化、真实质差等特点。在这些数据中，大约80％的数据与空间位置有关。空间数据描述了对象的具体地理位置和空间分布，包括空间 实体的位置及其空间关系等，涵盖从宏观、中观到微观的整个层次，可以是点的高程、道 路的长度、多边形的面积、建筑物的体积、像元的灰度等数值，也可以是空间关系等拓扑 结构。空间数据具有空间性、时间性、多维性、空间关系复杂等特性。用于采集空间数据 的设备包括红外、卫星、多光谱扫描仪、全站仪等各种宏观与微观传感器或设备，也包括 野外测量、人口普查、土地资源调查、地图扫描、地图数字化等空间数据获取手段，还可 能是计算机、GPS、RS和GIS等技术应用和分析空间数据的过程。遥感对地观测技术形成 了一个多层次、多角度、全方位和全天候的全球立体对地观测网，传感器的地面分辨率数 量级从千米到厘米，波段范围从紫外到超长波，探测深度从几米到万米，新型的高分辨率 卫星遥感数据如Quick Bird等已提供使用。空间数据基础设施积累了大量的城市电子地图数据库、工程地质信息数据库、用地现状信息数据库、市政红线数据库、建筑红线与用地 红线数据库、地籍数据库，以及土地利用及基本农田保护规划数据库等空间基础数据。此外，人类活动每时每刻还在采集和产生新的空间数据集[1,2]。
地理信息系统空间分析以及应用探讨
地理信息系统空间分析以及应用探讨 发表时间：2018-06-04T17:23:48.057Z 来源：《基层建设》2018年第9期作者：钟石兰 [导读] 摘要：地理信息系统是60 年代中期发展起来的，近年来获得了非常迅速的发展，由于其种类、数量非常多，加上发展变化非常快，因此对地理信息系统的定义也非常多，简单来说，地理信息系统就是利用计算机软硬件进行输入、输出及分析的系统，当前它已经在现代经济活动的方方面面得到了应用，人们对地理信息系统的了解也逐渐深入。 南宁市国土测绘地理信息中心广西壮族自治区南宁 530002 摘要：地理信息系统是60 年代中期发展起来的，近年来获得了非常迅速的发展，由于其种类、数量非常多，加上发展变化非常快，因此对地理信息系统的定义也非常多，简单来说，地理信息系统就是利用计算机软硬件进行输入、输出及分析的系统，当前它已经在现代经济活动的方方面面得到了应用，人们对地理信息系统的了解也逐渐深入。本文分析了地理信息系统空间分析方法及其若干应用。 关键词：地理信息系统；空间分析方法；应用； 空间属性数据库是地理信息系统的核心，要想发挥数据库的作用，就必须展开空间分析、构建应用模型。衡量地理信息系统好坏，不仅要看数据库的数据质量及数据量，同时还要看空间分析功能是否实用、强大，灵活性是不是很高。通常情况下地理信息系统空间分析的专业性和综合性都非常强，其灵活性也很强，对地理信息系统空间分析进行正确理解及运用，可以将其真正的效能发挥出来，从最大程度对空间分析应用潜力进行挖掘。 一、地理信息系统空间分析方法 最初地理信息系统的研发，主要是为了加强我国自然土地资源的管理，为土地规划工作开展提供更多的便利。地理信息系统属于一种新兴的技术门类，经过长时间众多科研人员的不断努力，地理信息系统发展取得了非常可观的成就，涉及领域也在不断的扩展。人们对于地理信息系统也越来越为重视，该系统的应用性也得到了人们的认可。现阶段，地理信息系统的应用已经不仅仅是局限于土地学领域中，但是该系统仍然是人们开展地学研究最有利的工具。对于地理信息系统的认知，也不在仅仅是将其作为一种有效的工具和手段，而是上升到系统理论概念，以及人们对于世界认知思维模式的转变。地理信息系统对于促进地学研究发展有着积极的影响作用。想要将地理信息系统具有的重要作用充分显现出来，首先需要做的就是进行大型综合数据库的创建，并且添加相应的专家系统和多元化的应用模型，也就是我们经常说到的3s 一体化。随着科学技术的不断发展，我国地理信息系统也会朝着更高的层次进军。地理信息系统种类非常多，尤其是空间分析功能上差异很大，通常情况下地理信息系统空间分析的功能可以通过以下几方面体现：①基于空间特征的几何分析功能，以空间要素定位数据为主要基础，利用数据集合几何分析手段，对空间要素多重属性的特征进行确定；②基于数字图像的分析功能，可以将其看成是图像处理的子系统，其中包括图像增强、恢复及信息提取等功能；③网络分析功能，包括路径选择分析的优化、计算时间与距离、分析多边形叠置等；④地形分析功能，该功能是地学研究中极为常见的一种分析方法，利用该功能可以自动提取地形因子，绘制和分析地表形态自动分类等。 二、若干应用 1.空间位置 （1）叠置分析。叠置分析是通过叠加至少两层地图要素而得到一个新的要素层，其结果是分割原要素并生成新要素，且新要素中包含原要素的全部属性。据此，叠置分析既可生成新的空间关系，还可联系输入数据层的属性并生成新的属性关系。总体而言，叠置分析是按数学模型计算分析新要素的属性，从而解决用户面临的问题。在城市规划中，建设用地适宜性评价是一种典型的格栅叠置，其通过对用地评定因子图层进行标准化处理、重新分类及加权叠加，从而形成用地适宜性评价结果。对于灾害风险综合评估、城镇发展条件综合评价及生态敏感性综合评价等规划，都可采用多因子叠加分析法来实现叠置分析。在规划中，两期用地的演变亦可进行叠置分析，即：根据土地利用数据，叠置获得两期土地利用的变化图层，用以分析土地利用的变化；根据城市建设用地数据，叠置获得两期建设用地转化的图层，用以辅助规划评估或比选规划方案。此外，还应深入挖掘矢量数据中的叠置分析功能，其中矢量叠置蕴含一种拓扑关系及其包含至少两个矢量图层的并集、交集、属性的空间赋值与关联等功能，如建设量的分区统计便是矢量叠置的具体应用。 （2）相关分析。在同一空间范围内，任一小的空间单元都包含多项属性信息，而相关分析的研究内容是对应位置上的属性信息是否具有相关关系及这一相关关系的表现。在相关分析中，通常包括时间域、空间域，两者关注的焦点分别是不同时期同一属性的观测值、同一时期不同属性的观测值。在规划中，相关分析涉及较多的社会领域、自然领域。例如，犯罪高发地的成因分析研究的是在同一地区，犯罪率与家庭收入、教育水平、失业率、租住比例、新迁入居民比例及单亲家庭比例等属性的相关性。在规划中，还可运用相关分析来分析土地利用演变的驱动力。例如，在某一省域的区县范围内，先空间化处理社会经济统计指标，再从土地利用转化的角度开展主成分分析、相关分析、回归分析及因子分析，从而探明引起这一区域土地利用演变的驱动力。 2.空间分布 （1）度量地理分布。所谓度量地理分布，其是针对空间数据地理分布特性开展的测度分析，其研究的重点是紧凑度、重心及主流方向。在规划编制中，度量地理分布的典型应用是重心分析，即：在同一范围内，不同时期（不同）建设用地重心的变化；在不同范围内，建设用地重心分布的对比。倘若数据条件允许，可将设施规模、人口密度、开发强度等权重信息加入其中。 （2）密度分析。密度分析是先计算空间线、点数据在搜索半径范围内的集聚情况，再对线、点形式的空间数据进行定量化处理，从而得到连续的密度表面。通常而言，密度分析分为点、线及核密度，其中点、线密度是简单密度。在规划编制中，密度分析的应用较为普遍，其中密度指标包括交通设施、河网水系、经济、社会及人口等方面。在统计数据的条件下，密度分析的侧重点是提供空间插值，以细化数据及使无值区域获得模拟数值；在大数据条件下，密度分析可将数据的整体空间结构抽象出来。在密度分析的应用中，实际应用效果随数据精度、分析目标的改变而不同，同时在设置搜索半径时，应进行反复调整、比较和分析，以获得更为稳定的密度分布。密度分析的对象是点、线数据，则对于面状矢量数据或格栅数据，应先通过抽样将其变为点、线数据。例如，对于面状用地图层，应先抽样变为点图层，再从开发强度着手开展密度分析，用以体现不同功能用地具体的空间集聚核心。 （3）空间格局分析。对于空间格局分析，其关注的焦点是在点、线、面数据分布中，特定属性值是否具有空间集聚特性，且若具有这一特性，则需明确空间集聚的具体类型。在规划中，空间格局分析的具体应用形式包括：一是平均最近邻分析，其常用来判定开放空间内点事件存在的空间集聚情况，其中点事件包括灾害发生点、每一类营业网点等；二是多距离空间聚类分析，其常用来分析点事件在多尺
地理空间大数据服务自然资源调查监测的方向分析
地理空间大数据服务自然资源调查监测的方向分析 在自然资源管理体制发生变革、技术发展突飞猛进、国内外形势日新月异、技术大融合、业务大整合的背景下，将自然资源调查监测与地理空间大数据紧密的结合起来，从战略和全局高度研究和谋划创新发展，对自然资源管理具有重要的意义。文章将主要对地理空间大数据服务自然资源调查监测进行分析，并展望其发展方向。 标签：地理空间大数据；自然资源；调查监测 前言 为履行中央关于自然资源部统一行使全民所有自然资源资产所有者职责和统一行使所有国土空间用途管制和生态保护修复职责（简称“两统一”职责），2018年10月，自然资源部研究印发了《自然資源科技创新发展规划纲要》，提出了以“一核两深三系”为主体的自然资源重大科技创新战略，将构建地球系统科学核心理论支撑（“一核”），引领深地探测、深海探测国际科学前沿（“两深”），建立自然资源调查监测、国土空间优化管控、生态保护修复技术体系（“三系”）。在地理空间大数据架构下，按照自然资源调查监测的工作要求，能够建立全流程地理空间大数据技术体系。 1自然资源管理与调查监测 根据自然资源部的管理职责，自然资源管理工作主要包含以下4个方面：①开展自然资源统一调查评价监测；②开展自然资源统一确权登记；③建立空间规划体系并监督实施；④自然资源保护与国土空间生态修复。 其中，开展自然资源统一调查评价监测，任务包括制定自然资源调查监测制度、指标体系和统计标准；组织实施自然资源调查和监测；对自然资源调查监测成果进行汇交、管理、使用和发布等。 2地理空间大数据服务自然资源调查监测 2.1全天候立体化监测网 一方面建立基于传感器的“天基—空基—地基”地球观测数据一体化获取网络，另一方面，利用基础地理信息数据、常态化数据交换获得各类专题统计分析与调查数据和互联网上的众源地理空间数据，形成满足自然资源调查监测的全天候立体化监测网，提升对监测区域的全天候和众源数据获取能力。 2.2自然资源调查监测大数据仓库 面向众源、异构、动态性自然资源调查监测数据源的共建共享与集成应用，
常见的地理分析模型
常见的地理分析模型 一空间统计模型： 相关分析模型： GIS地理数据库中存储的各种自然和人文地理要素(现象)的数据并不是孤立的，它们相互影响、相互制约，彼此之间存在着一定的联系。相关分析模型就是用来分析研究各种地理要素数据之间相互关系的一种有效手段。 地理数据库中各种地理要素数据之间的相关关系，通常可以分为参数相关和非参数相关两大类。其中，参数相关又可分为简单(两要素)线性相关，多要素间的相关模型，非参数相关可以分为顺序(等级)相关和二元分类相关。 趋势面分析模型（主要是回归模型）： 一元回归模型： 我们用多项式方程作为一元回归的基本模型： Y＝a0＋a1x＋a2x2＋a3x3＋……a m x m＋ε 式中：Y为因变量，X为自变量，a0,a1,…，a m为回归系数，ε为剩余误差 多元线性回归模型 多元线性回归模型表示一种地理现象与另外多种地理现象的依存关系，这时另外多种地理现象共同对一种地理现象产生影响，作为影响其分布与发展的重要因素。 设变量Y与变量X1，X2，…，X m存在着线性回归关系，它的n个样本观测值为 Y j,X j1,X j2,…X jm(j＝1，2，n)，于是多元线性回归的数学模型可以写为： 可采用最小二乘法对上式中的待估回归系数β0，β1，…，βm进行估计，求得β值后，即可利用多元线性回归模型进行预测了。
聚类模型：聚类分析是根据多种地学要素对地理实体进行划分类别的方法，对不同的要素划分类别往往反映不同目标的等级序列，如土地分等定级、水土流失强度分级等。 聚类分析的步骤一般是根据实体间的相似程度，逐步合并若干类别，其相似程度由距离或相似系数定义。进行类别合并的准则是使得类间差异最大，而类内差异最小。 最短距离聚类模型 最短距离聚类模型中，定义两类之间的距离用两类间最近样本的距离来表示。用d ij 表示样本和样本之间的距离，用G1，G2，…表示类，类G p和类G q的距离用D pq表示，则有： 具体步骤如下： 1、规定样本间的距离，计算样本两两距离的对称表，记作D0，由于每一个样本自成一类，显然D pq＝d pq。 2、选择D(0)中的最小元素，设为D pq，则G p与G0合并成一个新类，记为 Gγ＝｛G p，G q｝。 3、计算新类与其它类的距离 将D(0)中的p、q行和p、q列删去，加上第γ行、γ列，得到的矩阵记作D(1)。 4、对D(1)重复D(0)的两步得D(2)，如此继续下去，直到所有元素成为一类为止。 如果某一步D(k)中的最小元素不止一个，则对应这些最小元素的类可以同时合并。 模糊聚类模型