建站
咨詢
售后
建站咨詢
新聞中心
gis系統(tǒng)從技術角度看，有哪些可行性
地理信息系統(tǒng)在最近的30多年內取得了驚人的發(fā)展，廣泛應用于資源調查、環(huán)境評估、災害預測、國土管理、城市規(guī)劃、郵電通訊、交通運輸、軍事公安、水利電力、公共設施管理、農林牧業(yè)、統(tǒng)計、商業(yè)金融等幾乎所有領域。 以下地理信息系統(tǒng)的應用領域分別回答了在各自領域內的作用 資源管理(Resource Management) 主要應用于農業(yè)和林業(yè)領域，解決農業(yè)和林業(yè)領域各種資源(如土地、森林、草場) 分布、分級、統(tǒng)計、制圖等問題。主要回答“定位”和“模式”兩類問題。 資源配置(Resource Configuration) 在城市中各種公用設施、救災減災中物資的分配、全國范圍內能源保障、糧食供 應等到機構的在各地的配置等都是資源配置問題。GIS在這類應用中的目標是保證 資源的最合理配置和發(fā)揮最大效益。 城市規(guī)劃和管理(Urban Planning and Management) 空間規(guī)劃是GIS的一個重要應用領域，城市規(guī)劃和管理是其中的主要內容。例如， 在大規(guī)模城市基礎設施建設中如何保證綠地的比例和合理分布、如何保證學校、 公共設施、運動場所、服務設施等能夠有最大的服務面(城市資源配置問題)等。 土地信息系統(tǒng)和地籍管理(Land Information System and Cadastral Applicaiton) 土地和地籍管理涉及土地使用性質變化、地塊輪廓變化、地籍權屬關系變化等許 多內容，借助GIS技術可以高效、高質量地完成這些工作。 生態(tài)、環(huán)境管理與模擬(Environmental Management and Modeling) 區(qū)域生態(tài)規(guī)劃、環(huán)境現狀評價、環(huán)境影響評價、污染物削減分配的決策支持、環(huán) 境與區(qū)域可持續(xù)發(fā)展的決策支持、環(huán)保設施的管理、環(huán)境規(guī)劃等。 應急響應(Emergency Response) 解決在發(fā)生洪水、戰(zhàn)爭、核事故等重大自然或人為災害時，如何安排最佳的人員 撤離路線、并配備相應的運輸和保障設施的問題。 地學研究與應用(Application in GeoScience) 地形分析、流域分析、土地利用研究、經濟地理研究、空間決策支持、空間統(tǒng)計 分析、制圖等都可以借助地理信息系統(tǒng)工具完成。ArcInfo系統(tǒng)就是一個很好的 地學分析應用軟件系統(tǒng)。 商業(yè)與市場(Business and Marketing) 商業(yè)設施的建立充分考慮其市場潛力。例如大型商場的建立如果不考慮其他商場 的分布、待建區(qū)周圍居民區(qū)的分布和人數，建成之后就可能無法達到預期的市場 和服務面。有時甚至商場銷售的品種和市場定位都必須與待建區(qū)的人口結構(年 齡構成、性別構成、文化水平)、消費水平等結合起來考慮。地理信息系統(tǒng)的空 間分析和數據庫功能可以解決這些問題。 房地產開發(fā)和銷售過程中也可以利用GIS功能進行決策和分析。 基礎設施管理(Facilities Management) 城市的地上地下基礎設施(電信、自來水、道路交通、天然氣管線、排污設施、 電力設施等)廣泛分布于城市的各個角落、且這些設施明顯具有地理參照特征的。 它們的管理、統(tǒng)計、匯總都可以借助GIS完成，而且可以大大提高工作效率。 選址分析(Site Selecting Analysis) 根據區(qū)域地理環(huán)境的特點，綜合考慮資源配置、市場潛力、交通條件、地形特征、 環(huán)境影響等因素，在區(qū)域范圍內選擇最佳位置，是GIS的一個典型應用領域，充 分體現了GIS的空間分析功能。 網絡分析(Newwork System Analysis) 建立交通網絡、地下管線網絡等的計算機模型，研究交通流量、進行交通規(guī)則、 處理地下管線突發(fā)事件(爆管、斷路)等應急處理。 警務和醫(yī)療救護的路徑優(yōu)選、車輛導航等也是GIS網絡分析應用的實例。 可視化應用(Visualization Application) 以數字地形模型為基礎，建立城市、區(qū)域、或大型建筑工程、著名風景名勝區(qū)的 三維可視化模型，實現多角度瀏覽，可廣泛應用于宣傳、城市和區(qū)域規(guī)劃、大型 工程管理和仿真、旅游等領域。 分布式地理信息應用(Distributed Geographic Information Application) 隨著網絡和Internet技術的發(fā)展，運行于Intranet或Internet環(huán)境下的地理信息 系統(tǒng)應用類型，其目標是實現地理信息的分布式存儲和信息共享，以及遠程空間 導航等。
成都創(chuàng)新互聯10多年成都企業(yè)網站建設服務;為您提供網站建設,網站制作,網頁設計及高端網站定制服務,成都企業(yè)網站建設及推廣,對LED顯示屏等多個方面擁有豐富的網站推廣經驗的網站建設公司。
什么是GIS技術？
GIS是英文Geographic Information Systems的縮寫，中文習慣譯為地理信息系統(tǒng)。通常泛指用于獲取、存儲、查詢、綜合、處理、分析和顯示地理空間數據及與其相關之信息的計算機系統(tǒng)。它是隨著計算機技術和地理科學等的發(fā)展而發(fā)展起來的，它通過計算機對各種地理空間數據進行組織、管理、統(tǒng)計、分析和顯示，生成并輸出用戶所需要的各種地理信息，它由計算機、地理信息系統(tǒng)軟件、空間數據庫、分析應用模型和圖形用戶界面及系統(tǒng)管理人員所組成。
自從20世紀60年代初GIS概念在加拿大提出以來，隨著多學科、多技術的發(fā)展和密切結合，尤其是計算機技術和空間分析理論的飛速發(fā)展，GIS的含義和應用在不斷擴大，GIS技術在最近20多年內取得了驚人的發(fā)展，并廣泛地應用于各個領域。例如，土地信息系統(tǒng)可看成是GIS技術在土地管理的具體應用，因此，GIS技術是土地信息系統(tǒng)建設最為關鍵的技術之一。
目前，GIS技術的幾個發(fā)展主要表現在：
（1）三維GIS和時態(tài)GIS的發(fā)展已取得了一定進展。
（2)GIS和GPS、RS三者結合的技術日益成熟。
（3）空間數據的存儲管理技術發(fā)展迅速。
隨著對象—關系數據庫技術的發(fā)展，將空間數據無縫集成在DBMS中已成為現實。關系數據庫（RDBMS）和GIS的結合，利用RDBMS存儲GIS數據，并通過RDBMS存取和操縱這些數據。新的RDBMS（如ORACLE產品）支持新的對象—關系模型，從而可以更好地支持空間數據類型（4）組件GIS技術。地理信息系統(tǒng)的組件化，就是采用組件（Component）技術實現地理信息系統(tǒng)基礎平臺和應用系統(tǒng)。其本質就是軟件可復用技術。COM GIS就是采用了面向對象技術和組件軟件技術的GIS系統(tǒng)，其基本思想是把GIS的各大功能模塊劃分為幾個組件，每個組件完成不同的功能。各個GIS組件之間以及GIS組件與非GIS組件之間，都可以方便地通過可視化的軟件開發(fā)工具集成起來，形成最終的GIS基礎平臺及應用系統(tǒng)。組件式GIS代表著當今GIS發(fā)展的潮流。
（5)Web GIS技術。Web GIS是在INTERNET信息發(fā)布、數據共享、交流協作基礎之上實現GIS的在線查詢和業(yè)務處理等功能，是Internet技術應用于GIS開發(fā)的產物?；ヂ摼W（Internet），尤其是萬維網（WWW），已經成為GIS的新的操作平臺。GIS通過WWW功能得以擴展，真正成為一種大眾使用的工具，從WWW的任意一個節(jié)點，Internet用戶可以瀏覽Web GIS站點中的空間數據、制作專題圖，以及進行各種空間檢索和空間分析，從而使GIS進入千家萬戶。
GIS基本技術有哪些？
引言
地理信息系統(tǒng)(Geographic Information System，簡稱GIS)是計算機科學、地理學、測量學、地圖學等多門學科綜合的技術[1]。GIS的基本技術是空間數據庫、地圖可視化及空間分析，而空間數據庫是GIS的關鍵?？臻g數據挖掘技術作為當前數據庫技術最活躍的分支與知識獲取手段，在GIS中的應用推動著GIS朝智能化和集成化的方向發(fā)展。
1 空間數據庫與空間數據挖掘技術的特點
隨著數據庫技術的不斷發(fā)展和數據庫管理系統(tǒng)的廣泛應用，數據庫中存儲的數據量也在急劇增大，在這些海量數據的背后隱藏了很多具有決策意義的信息。但是，現今數據庫的大多數應用仍然停留在查詢、檢索階段，數據庫中隱藏的豐富的知識遠遠沒有得到充分的發(fā)掘和利用，數據庫中數據的急劇增長和人們對數據庫處理和理解的困難形成了強烈的反差，導致“人們被數據淹沒，但卻饑餓于知識”的現象。
空間數據庫(數據倉庫)中的空間數據除了其顯式信息外，還具有豐富的隱含信息，如數字高程模型〔DEM或TIN〕，除了載荷高程信息外，還隱含了地質巖性與構造方面的信息；植物的種類是顯式信息，但其中還隱含了氣候的水平地帶性和垂直地帶性的信息，等等。這些隱含的信息只有通過數據挖掘才能顯示出來。空間數據挖掘（Spatial Data Mining，簡稱SDM），或者稱為從空間數據庫中發(fā)現知識，是為了解決空間數據海量特性而擴展的一個新的數據挖掘的研究分支，是指從空間數據庫中提取隱含的、用戶感興趣的空間或非空間的模式和普遍特征的過程[2]。由于SDM的對象主要是空間數據庫，而空間數據庫中不僅存儲了空間事物或對象的幾何數據、屬性數據，而且存儲了空間事物或對象之間的圖形空間關系，因此其處理方法有別于一般的數據挖掘方法。SDM與傳統(tǒng)的地學數據分析方法的本質區(qū)別在于SDM是在沒有明確假設的前提下去挖掘信息、發(fā)現知識，挖掘出的知識應具有事先未知、有效和可實用3個特征。
空間數據挖掘技術需要綜合數據挖掘技術與空間數據庫技術，它可用于對空間數據的理解，對空間關系和空間與非空間關系的發(fā)現、空間知識庫的構造以及空間數據庫的重組和查詢的優(yōu)化等。
2 空間數據挖掘技術的主要方法及特點
常用的空間數據挖掘技術包括：序列分析、分類分析、預測、聚類分析、關聯規(guī)則分析、時間序列分析、粗集方法及云理論等。本文從挖掘任務和挖掘方法的角度,著重介紹了分類分析、聚類分析和關聯規(guī)則分析三種常用的重要的方法。
2.1、分類分析
分類在數據挖掘中是一項非常重要的任務，目前在商業(yè)上應用最多。分類的目的是學會一個分類函數或分類模型(也常常稱作分類器)，該模型能把數據庫中的數據項映射到給定類別中的某一個。分類和我們熟知的回歸方法都可用于預測，兩者的目的都是從歷史數據紀錄中自動推導出對給定數據的推廣描述，從而能對未來數據進行預測。和回歸方法不同的是，分類的輸出是離散的類別值，而回歸的輸出則是連續(xù)的數值。二者常表現為一棵決策樹，根據數據值從樹根開始搜索，沿著數據滿足的分支往上走，走到樹葉就能確定類別?？臻g分類的規(guī)則實質是對給定數據對象集的抽象和概括，可用宏元組表示。
要構造分類器,需要有一個訓練樣本數據集作為輸入。訓練集由一組數據庫記錄或元組構成,每個元組是一個由特征(又稱屬性)值組成的特征向量,此外,訓練樣本還有一個類別標記。一個具體樣本的形式可為:( v1, v2, ..., vn; c )；其中vi表示字段值，c表示類別。
分類器的構造方法有統(tǒng)計方法、機器學習方法、神經網絡方法等等。統(tǒng)計方法包括貝葉斯法和非參數法(近鄰學習或基于事例的學習)，對應的知識表示是判別函數和原型事例。機器學習方法包括決策樹法和規(guī)則歸納法，前者對應的表示為決策樹或判別樹，后者則一般為產生式規(guī)則。神經網絡方法主要是反向傳播（Back-Propagation,簡稱BP）算法，它的模型表示是前向反饋神經網絡模型(由代表神經元的節(jié)點和代表聯接權值的邊組成的一種體系結構)，BP算法本質上是一種非線性判別函數[3]。另外，最近又興起了一種新的方法:粗糙集(rough set)，其知識表示是產生式規(guī)則。
不同的分類器有不同的特點。有三種分類器評價或比較尺度：1) 預測準確度；2) 計算復雜度；3) 模型描述的簡潔度。預測準確度是用得最多的一種比較尺度，特別是對于預測型分類任務，目前公認的方法是10番分層交叉驗證法。計算復雜度依賴于具體的實現細節(jié)和硬件環(huán)境，在數據挖掘中，由于操作對象是海量的數據庫，因此空間和時間的復雜度問題將是非常重要的一個環(huán)節(jié)。對于描述型的分類任務，模型描述越簡潔越受歡迎。例如，采用規(guī)則歸納法表示的分類器構造法就很有用，而神經網絡方法產生的結果就難以理解。
另外要注意的是，分類的效果一般和數據的特點有關。有的數據噪聲大，有的有缺值， 有的分布稀疏，有的字段或屬性間相關性強，有的屬性是離散的而有的是連續(xù)值或混合式的。目前普遍認為不存在某種方法能適合于各種特點的數據。
分類技術在實際應用非常重要，比如：可以根據房屋的地理位置決定房屋的檔次等。
2. 2 聚類分析
聚類是指根據“物以類聚”的原理，將本身沒有類別的樣本聚集成不同的組，并且對每一個這樣的組進行描述的過程。它的目的是使得屬于同一個組的樣本之間應該彼此相似，而不同組的樣本應足夠不相似。與分類分析不同，進行聚類前并不知道將要劃分成幾個組和什么樣的組，也不知道根據哪些空間區(qū)分規(guī)則來定義組。其目的旨在發(fā)現空間實體的屬性間的函數關系，挖掘的知識用以屬性名為變量的數學方程來表示。聚類方法包括統(tǒng)計方法、機器學習方法、神經網絡方法和面向數據庫的方法?；诰垲惙治龇椒ǖ目臻g數據挖掘算法包括均值近似算法[4]、CLARANS、BIRCH、DBSCAN等算法。目前，對空間數據聚類分析方法的研究是一個熱點。
對于空間數據，利用聚類分析方法，可以根據地理位置以及障礙物的存在情況自動地進行區(qū)域劃分。例如，根據分布在不同地理位置的ATM機的情況將居民進行區(qū)域劃分，根據這一信息，可以有效地進行ATM機的設置規(guī)劃，避免浪費，同時也避免失掉每一個商機。
2.3 關聯規(guī)則分析
關聯規(guī)則分析主要用于發(fā)現不同事件之間的關聯性，即一事物發(fā)生時，另一事物也經常發(fā)生。關聯分析的重點在于快速發(fā)現那些有實用價值的關聯發(fā)生的事件。其主要依據是：事件發(fā)生的概率和條件概率應該符合一定的統(tǒng)計意義?？臻g關聯規(guī)則的形式是X－＞Y[S%，C%]，其中X、Y是空間或非空間謂詞的集合，S%表示規(guī)則的支持度，C%表示規(guī)則的置信度。空間謂詞的形式有3種：表示拓撲結構的謂詞、表示空間方向的謂詞和表示距離的謂詞[5]。各種各樣的空間謂詞可以構成空間關聯規(guī)則。如，距離信息（如Close_to(臨近)、Far_away(遠離)）、拓撲關系（Intersect（交）、Overlap（重疊）、Disjoin(分離)）和空間方位（如Right_of(右邊)、West_of(西邊)）。實際上大多數算法都是利用空間數據的關聯特性改進其分類算法，使得它適合于挖掘空間數據中的相關性，從而可以根據一個空間實體而確定另一個空間實體的地理位置，有利于進行空間位置查詢和重建空間實體等。大致算法可描述如下：(1)根據查詢要求查找相關的空間數據；(2)利用臨近等原則描述空間屬性和特定屬性；(3)根據最小支持度原則過濾不重要的數據；(4)運用其它手段對數據進一步提純(如OVERLAY)；(5)生成關聯規(guī)則。
關聯規(guī)則通?？煞譃閮煞N：布爾型的關聯規(guī)則和多值關聯規(guī)則。多值關聯規(guī)則比較復雜，一種自然的想法是將它轉換為布爾型關聯規(guī)則，由于空間關聯規(guī)則的挖掘需要在大量的空間對象中計算多種空間關系，因此其代價是很高的?！N逐步求精的挖掘優(yōu)化方法可用于空間關聯的分析，該方法首先用一種快速的算法粗略地對一個較大的數據集進行一次挖掘，然后在裁減過的數據集上用代價較高的算法進一步改進挖掘的質量。因為其代價非常高，所以空間的關聯方法需要進一步的優(yōu)化。
對于空間數據，利用關聯規(guī)則分析，可以發(fā)現地理位置的關聯性。例如，85%的靠近高速公路的大城鎮(zhèn)與水相鄰，或者發(fā)現通常與高爾夫球場相鄰的對象是停車場等。
3 空間數據挖掘技術的研究方向
3.1 處理不同類型的數據
絕大多數數據庫是關系型的，因此在關系數據庫上有效地執(zhí)行數據挖掘是至關重要的。但是在不同應用領域中存在各種數據和數據庫，而且經常包含復雜的數據類型，例如結構數據、復雜對象、事務數據、歷史數據等。由于數據類型的多樣性和不同的數據挖掘目標，一個數據挖掘系統(tǒng)不可能處理各種數據。因此針對特定的數據類型，需要建立特定的數據挖掘系統(tǒng)。
3.2 數據挖掘算法的有效性和可測性
海量數據庫通常有上百個屬性和表及數百萬個元組。GB數量級數據庫已不鮮見，TB數量級數據庫已經出現，高維大型數據庫不僅增大了搜索空間，也增加了發(fā)現錯誤模式的可能性。因此必須利用領域知識降低維數，除去無關數據，從而提高算法效率。從一個大型空間數據庫中抽取知識的算法必須高效、可測量，即數據挖掘算法的運行時間必須可預測，且可接受，指數和多項式復雜性的算法不具有實用價值。但當算法用有限數據為特定模型尋找適當參數時，有時也會導致物超所值，降低效率。
3.3 交互性用戶界面
數據挖掘的結果應準確地描述數據挖掘的要求，并易于表達。從不同的角度考察發(fā)現的知識，并以不同形式表示，用高層次語言和圖形界面表示數據挖掘要求和結果。目前許多知識發(fā)現系統(tǒng)和工具缺乏與用戶的交互，難以有效利用領域知識。對此可以利用貝葉斯方法和演譯數據庫本身的演譯能力發(fā)現知識。
3.4 在多抽象層上交互式挖掘知識
很難預測從數據庫中會挖掘出什么樣的知識，因此一個高層次的數據挖掘查詢應作為進一步探詢的線索。交互式挖掘使用戶能交互地定義一個數據挖掘要求，深化數據挖掘過程，從不同角度靈活看待多抽象層上的數據挖掘結果。
3.5 從不同數據源挖掘信息
局域網、廣域網以及Internet網將多個數據源聯成一個大型分布、異構的數據庫，從包含不同語義的格式化和非格式化數據中挖掘知識是對數據挖掘的一個挑戰(zhàn)。數據挖掘可揭示大型異構數據庫中存在的普通查詢不能發(fā)現的知識。數據庫的巨大規(guī)模、廣泛分布及數據挖掘方法的計算復雜性，要求建立并行分布的數據挖掘。
3.6 私有性和安全性
數據挖掘能從不同角度、不同抽象層上看待數據，這將影響到數據挖掘的私有性和安全性。通過研究數據挖掘導致的數據非法侵入，可改進數據庫安全方法，以避免信息泄漏。
3.7 和其它系統(tǒng)的集成
方法、功能單一的發(fā)現系統(tǒng)的適用范圍必然受到一定的限制。要想在更廣泛的領域發(fā)現知識，空間數據挖掘系統(tǒng)就應該是數據庫、知識庫、專家系統(tǒng)、決策支持系統(tǒng)、可視化工具、網絡等技術的集成。
4 有待研究的問題
我們雖然在空間數據挖掘技術的研究和應用中取得了很大的成績，但在一些理論及應用方面仍存在急需解決的問題。
4.1 數據訪問的效率和可伸縮性
空間數據的復雜性和數據的大量性，TB數量級的數據庫的出現，必然增大發(fā)現算法的搜索空間，增加了搜索的盲目性。如何有效的去除與任務無關的數據，降低問題的維數，設計出更加高效的挖掘算法對空間數據挖掘提出了巨大的挑戰(zhàn)。
4.2 對當前一些GIS軟件缺乏時間屬性和靜態(tài)存儲的改進
由于數據挖掘的應用在很大的程度上涉及到時序關系，因此靜態(tài)的數據存儲嚴重妨礙了數據挖掘的應用?；趫D層的計算模式、不同尺度空間數據之間的完全割裂也對空間數據挖掘設置了重重障礙?？臻g實體與屬性數據之間的聯系僅僅依賴于標識碼，這種一維的連接方式無疑將丟失大量的連接信息，不能有效的表示多維和隱含的內在連接關系，這些都增加了數據挖掘計算的復雜度，極大地增加了數據準備階段的工作量和人工干預的程度。
4.3 發(fā)現模式的精煉
當發(fā)現空間很大時會獲得大量的結果，盡管有些是無關或沒有意義的模式，這時可利用領域的知識進一步精煉發(fā)現的模式，從而得到有意義的知識。
在空間數據挖掘技術方面，重要的研究和應用的方向還包括：網絡環(huán)境上的數據挖掘、柵格矢量一體化的挖掘、不確定性情況下的數據挖掘、分布式環(huán)境下的數據挖掘、數據挖掘查詢語言和新的高效的挖掘算法等。
5 小結
隨著GIS與數據挖掘及相關領域科學研究的不斷發(fā)展，空間數據挖掘技術在廣度和深度上的不斷深入，在不久的將來，一個集成了挖掘技術的GIS、GPS、RS集成系統(tǒng)必將朝著智能化、網絡化、全球化與大眾化的方向發(fā)展。
新聞標題：gis技術考察 gis技術分析
瀏覽地址：http://fisionsoft.com.cn/article/dohosoe.html
