空间分析技术

空间数据通常的不可重复性进一步造成了空间数据分析的特殊性。因此,专门的空间信息分析理论、方法和技术自20世纪60年代末开始得到认识并研究。

　　空间数据大体上可分为空间离散或连续型数据(可互相转化),以及多边形数据两大类。自然科学多涉及前者,而社会经济科学多涉及后者。随着人地一体化研究趋势的发展,对两类数据进行综合分析的趋势日益显露。

　　目前空间数据分析软件包已有不少,主要来自两大学科领域:地理学和地质学。由于地理学和地质学研究对象不同,所涉及的数据特点和分析方法不同,造成两大流派在软件功能、结构、风格上的不同。

　　在欧美,60年代经历了地理学计量革命,其主流是试图将社会经济时空格局和过程数学公式化。在GIS趋于成熟和空间数据迅速膨胀的技术条件下,当时的学者成为现今地理信息科学的主要推动者,造成地理学者所研发的空间信息分析软件包多带有处理多边形数据(社会经济统计单元,遥感像元数据亦属此类)的特点。相反,源于地质学的空间分析软件包一般适用于分析离散和连续的数据。

　　空间信息分析理论和技术较为复杂,对于一般科研人员而言掌握难度大,耗费精力多。为此,美英两国都已建立了相应的国家级研发计划,更有甚者,全球销量最大的GIS基础软件的研发者美国环境系统研究所在ARCGIS811及以上版本已集成了地统计学模块[7],目前正在积极争取集成美国国家基金会资助完成的Lattice数据分析模块,该功能可以被几乎所有从事地理信息管理的用户所使用,进行空间信息的分析和深加工。3　技术体系

　　空间信息分析包括数据获取和预处理(模块M1);当进行多源异构数据综合分析时,需要进行属性数据空间化和尺度转换处理(模块M2);然后进行空间数据探索分析(模块M3);之后根据属性数据的空间存在格式(空间连续分布或离散分布、规则或不规则多边形分布、多源复杂异构信息),分别引导建立地统计模型(模块M4)、格数据分析模型(模块M5)、复杂信息分解和预报模型(模块M6)、以及其他(见图1)。M1至M3属数据预处理范畴,M4至M6属问题建模范畴,对建立的模型M4-M6需要求解,机理解释及预报。

　　图中各模块可独立或联合运行,这取决于所研究的问题和对象(所需输出),以及研究人员当前所处的分析阶段(输入)。具体研究内容如下:

　　模块11空间数据获取和预处理

　　空间数据采集与尽可能完备化是所有工作重要的第一步,主要利用采样、插值、缺值方法。

　　(1)空间信息抽样估计　在地学空间应用领域,如环境监测、资源调查、社会统计等,空间信息抽样估计问题大量存在[8,9]。空间抽样针对地学对象普遍存在的空间关联性和先验信息,从样本选取方式、空间关联性及精度衡量三方面对空间信息获取提供符合统计假设的新的解决思路。

　　全国耕地面积动态调查,原先穷尽总体的方法(卫片和航片全覆盖),既耗时又花费巨大,报告形成缓慢;而采用Sandwich空间采样模型[10]后,只要利用先验信息并辅以少量样本,就可以同时形成全国2700多个县的分县报告,既节省大量时间和开支又能满足精度要求。在此基础之上建立空间抽样优化决策通用集成模型,解决地学分析及资源调查