空间数据挖掘的地理案例推理方法及试验

从空间数据挖掘的角度谈地理案例推理方法,认为地理案例推理是面向问题的一种空间数据挖掘方法。针对这一思想进行了基于地理案例的空间数据挖掘具体算法介绍。首先在明确地理案例具体定义的基础上,给出了面向问题的空间数据挖掘地理案例界定和组织方法;其次,鉴于地理空间的自然地带性和区域分异性规律的影响,深入探讨了地理案例自身或其间所可能存在的相互依赖和相互制约关系,并给出了采用粗糙集方法进行地理案例内蕴空间关系的定量挖掘方法;第三,针对地理案例表达时考虑的空间特征和空间关系的不同,给出了三种状况下的空间相似性计算模型;最后,以土地利用这一典型的地学现象为例,给出具体实例,一方面进行土地利用问题的定量分析与推测;另一方面,通过实例展示地理案例推理方法在地学问题求解以及空间数据定量分析上的特点和优势。     

土地利用变化预测CBR方法的适应性分析

研究土地利用变化的方法很多,常见的有统计回归方法、概率统计方法、系统动力学方法、元胞自动机方法以及贝叶斯网络方法等。这些方法都各具特点,并得到了实际应用。虽然有些研究指出了一些方法的优点和不足,但是对其在土地利用变化问题上的适应性研究还比较有限。案例推理（Case Based Reasoning,简称CBR）作为研究土地利用变化的一种新方法,目前同样缺乏适应性方面的研究。因此,本文在土地利用的CBR方法的研究基础上,具体探讨该方法在土地利用变化预测上的适应性问题。研究分别从案例的选取方式、模型指标的选取以及指标权重的设定3个方面开展,通过对比试验以深入讨论3个方面的因素对预测精度的影响。研究结果显示,在历史案例丰富的情况下,通过选择重要的指标,并对其赋予较高权重,可以保证CBR方法在预测土地利用变化时的稳定性。此外,CBR中＂地理环境＂组分的引入,有效地提高了土地利用变化预测的精度。研究表明,CBR在解决土地利用变化问题上具有简单灵活、适用范围广、预测精度高以及保持形态稳定的特点,是一种解决地学问题的新方法。     

地理案例推理及其应

由于案例推理接近于人类认识、解决问题最原始的思维方式，具有在无法获取机理模型、确定规则或统计模型时，采用简单的历史相似性实现问题的定量求解和预测的特点，成为当前人工智能中备受关注的领域。在讨论案例推理方法发展的基础上，探讨应用案例推理进行地学问题求解的具体方法。从地学数据分析的角度提出了地理案例推理，并结合地理案例的特点，具体讨论了地理案例的表达模式和推理模型，最后结合东海中心渔场预报的实际工作，给出这种方法的具体应用实例。     

基于案例推理的元胞自动机及大区域城市演变模拟

元胞自动机(CA) 被越来越多地用于复杂系统的模拟中。许多地理现象的演变与其影响要素之间存在着复杂的关系, 并往往具有时空动态性。在研究区域较大和模拟时间较长时, 定义具体的规则来反映这种复杂关系有较大的困难。为了解决CA 转换规则获取的瓶颈问题, 提出了基于案例推理(CBR) 的CA 模型, 并对CBR 的k 近邻算法进行了改进, 使其能反映转换规则的时空动态性。将该模型应用于大区域的珠江三角洲城市演变中。实验结果显示, 其模拟的空间格局与实际情况吻合较好。与常规的基于Logistic 的CA 模型进行了对比, 所获得的模拟结果有更高的精度和更接近实际的空间格局, 特别在模拟较为复杂的区域时有更好的模拟效果。     

栅格空间中三维地学实体拓扑关系表达的K6N9-I模型

论述栅格空间中三维地学实体拓扑空间关系研究的理论基础和现实意义,基于数字拓扑理论定义了栅格实体的6邻域内部I6、6邻域边界B6和k阶6邻域E6k,并以此分别替换9-I模型中实体的内部I、边界B和外部E,形成一种适用于栅格空间三维实体拓扑关系描述和分析的新9-I模型,即k阶6邻9-I模型(K6N9-I)。以基于规则六面体表达的地学实体为研究对象,通过扩展关系数据库SQL形成空间关系查询语言,实现了栅格空间中三维地学实体拓扑关系的定性表示和定量计算。以若干地学实体为例进行了初步实验,表明该模型实用方便,且在复杂地学实体的度量、方位等空间关系研究方面亦有较好的应用前景。     

黄河三角洲新生湿地土地利用变化图谱

在陈述彭先生提出的地学信息图谱理论和方法基础上,构建了土地利用图谱模型,在黄河三角洲新生湿地四期土地利用数据提取的基础上,合成了土地利用系列图谱,分别是1956～1984年,1984～1991年,1991～1996年三个时序。本文从黄河三角洲新生湿地土地利用强度变化、土地利用结构变化和土地利用格局变化三个方面进行了土地利用变化图谱分析,为地学信息图谱在土地利用变化研究中的应用提供了典型案例和实证。     

基于随机森林CA的东莞市多类土地利用变化模拟

城市土地利用及其变化对城市环境有着重要影响。很多学者已经结合元胞自动机和机器学习算法对城市扩张进行了相关的模拟研究,但针对复杂的多类土地利用相互变化过程的研究仍然较少。该文提出了一种基于随机森林算法的多类元胞自动机(RFA-CA)模型,并将其用于模拟和预测复杂的多类土地利用变化。该模型使用随机森林算法提取元胞自动机的转换规则,并计算了各空间变量的重要性,在东莞市2000-2014年土地利用动态模拟结果中,Kappa系数和整体精度分别为0.73和84.7%。针对每一种土地利用类型,计算了影响东莞市土地利用变化的各空间变量的重要性,结果显示,交通、区位因素对东莞市土地利用变化格局的形成有重要影响。文中引入的POIs邻近因素反映了城市空间开发程度的高低,同样对多类土地利用格局的形成具有重要作用。     

基于混合过滤的地学数据个性化推荐方法设计与实现

推荐系统是帮助互联网用户克服信息过剩的有效工具。在地学数据共享领域,较其他物品的内容属性,地学数据具有更加丰富的时空属性,这也给地学数据推荐带来挑战。针对地学数据的特点,为地学数据共享推荐服务开发了一种动态加权的混合过滤方法。该方法分别采用协同过滤和基于内容过滤算法预测用户对数据的兴趣度,再以训练模型计算最优加权权重,计算最终预测评分。在数据获取阶段,通过用户访问日志数据,采用Jenks Natural Break算法分析用户访问记录获取用户的数据兴趣度。在基于内容过滤部分,通过数据的空间、时间及内容属性计算数据相似度,并以用户历史行为为依据计算用户兴趣。在协同过滤和基于内容过滤中分别采用k-NN算法计算用户对未访问数据的预测评分,并进行加权求和。通过训练集,对理想权重值及用户的共同评价度（co-rating level）进行建模,拟合二者的关系。该模型被应用于混合过滤的权重调整,以获得最优的加权方程。测试结果显示,结合数据时空属性的混合过滤方法的准确度和召回率,较单一的协同过滤或基于内容过滤方法有显著提高。     

土地利用变化空间模拟的进展--CLUE-S模型及其应用

土地利用变化的空间模拟是进行土地利用情景分析的重要基础。本文在介绍了国际上常用的细胞自控模型(CA)、土地利用变化及效应模型(CLUE)的基础上,重点分析了小尺度土地利用变化及效应模型(CLUE-S)的方法,并以邯郸地区为例进行了案例研究。认为CLUE-S模型采取经验模型的方法,通过建立土地利用空间分配和驱动因子之间的统计关系模拟近期土地利用变化的情景。同时也考虑了不同土地利用方式之间的竞争关系,因此可以较好地模拟小尺度地区的近期土地利用变化情景;考虑到短期或近期土地利用变化的因子主要与人类的社会经济活动有关,而社会经济因子的空间化尚存在一定难度。因此,突破这一瓶颈成为CLUE-S模型发展和应用的关键;CLUE-S模型主要解决的是不同空间尺度上的土地利用空间分配问题,在土地生产潜力评价、土地利用规划等方面具有广阔的应用前景。     

ANFIS在土地利用变化模拟中的应用

土地利用变化在空间维和时间维上是一个渐进的、不确定的复杂过程,而模糊理论正是解决不确定性现象的一种合适的方法,所以尝试运用模糊推理理论对土地利用变化进行深入的探讨.以江苏省南通市崇川区为研究区,建立了基于自适应神经模糊推理系统(ANFIS)的土地利用变化模糊推理模型.通过利用ANFIS训练获得模型的隶属函数及参数.并运用该模型对研究区进行土地利用变化的模拟和预测.研究结果表明,通过利用ANFIS建立的模型,基本上可以模拟研究区复杂而不确定的土地利用变化过程,同时ANFIS可以有效地简化模糊推理模型结构,使得模型更具灵活性.因此,为土地利用变化模拟提供了另一种可行的解决思路.     

东莞地区土地利用变化预测的CBR和CA方法对比研究(英文)

Many studies on land use change(LUC),using different approaches and models,have yielded good results.Applications of these methods have revealed both advantages and limitations.However,LUC is a complex problem due to influences of many factors,and variations in policy and natural conditions.Hence,the characteristics and regional suitability of different methods require further research,and comparison of typical approaches is re-quired.Since the late 1980s,CA has been used to simulate urban growth,urban sprawl and land use evolution successfully.Nowadays it is very popular in resolving the LUC estimating problem.Case-based reasoning(CBR),as an artificial intelligence technology,has also been employed to study LUC by some researchers since the 2000s.More and more researchers used the CBR method in the study of LUC.The CA approach is a mathematical system con-structed from many typical simple components,which together are capable of simulating complex behavior,while CBR is a problem-oriented analysis method to solve geographic problems,particularly when the driving mechanisms of geographic processes are not yet understood fully.These two methods were completely different in the LUC research.Thus,in this paper,based on the enhanced CBR model,which is proposed in our previous research(Du et al.2009),a comparison between the CBR and CA approaches to assessing LUC is presented.LUC in Dongguan coastal region,China is investigated.Applications of the im-proved CBR and the cellular automata(CA) to the study area,produce results demonstrating a similarity estimation accuracy of 89% from the improved CBR,and 70.7% accuracy from the CA.From the results,we can see that the accuracies of the CA and CBR approaches are both >70%.Although CA method has the distinct advantage in predicting the urban type,CBR method has the obvious tendency in predicting non-urban type.Considering the entire ana-lytical process,the preprocessing workload in CBR is less than that of the CA approach.As such,it could be concluded that the CBR approach is more flexible and practically useful than the CA approach for estimating land use change.     

区域土地利用变化信息图谱模型研究

信息图谱为区域土地利用变化提供了一种谱系化、定量化与定位化相结合的研究方法,借助信息图谱模型探讨区域土地利用变化及其时空过程的多维性与复杂性,为土地利用变化的驱动力诊断、机理模型与预测模型的构建提供科学依据。选取吉林省长岭县为研究区,在遥感与GIS技术支持下,以土地利用时空演变模式、空间扩展过程、景观特征等为框架,建立土地利用变化信息图谱模型,对图谱方法在土地利用变化研究中的应用进行实证分析。     

An extended cellular automaton using case‐based reasoning for simulating urban development in a large complex region

Rule‐based cellular automata (CA) have been increasingly applied to the simulation of geographical phenomena, such as urban evolution and land‐use changes. However, these models have difficulties and uncertainties in soliciting transition rules for a large complex region. This paper presents an extended cellular automaton in which transition rules are represented by using case‐based reasoning (CBR) techniques. The common k‐NN algorithm of CBR has been modified to incorporate the location factor to reflect the spatial variation of transition rules. Multi‐temporal remote‐sensing images are used to obtain the adaptation knowledge in the temporal dimension. This model has been applied to the simulation of urban development in the Pearl River Delta which has a hierarchy of cities. Comparison indicates that this model can produce more plausible results than rule‐based CA in simulating this large complex region in 1988–2002.     

Combining spatial transition probabilities for stochastic simulation of categorical fields

Categorical spatial data, such as land use classes and socioeconomic statistics data, are important data sources in geographical information science (GIS). The investigation of spatial patterns implied in these data can benefit many aspects of GIS research, such as classification of spatial data, spatial data mining, and spatial uncertainty modeling. However, the discrete nature of categorical data limits the application of traditional kriging methods widely used in Gaussian random fields. In this article, we present a new probabilistic method for modeling the posterior probability of class occurrence at any target location in space-given known class labels at source data locations within a neighborhood around that prediction location. In the proposed method, transition probabilities rather than indicator covariances or variograms are used as measures of spatial structure and the conditional or posterior (multi-point) probability is approximated by a weighted combination of preposterior (two-point) transition probabilities, while accounting for spatial interdependencies often ignored by existing approaches. In addition, the connections of the proposed method with probabilistic graphical models (Bayesian networks) and weights of evidence method are also discussed. The advantages of this new proposed approach are analyzed and highlighted through a case study involving the generation of spatial patterns via sequential indicator simulation.     

土地利用变化研究的人文地理视角与新命题

从地理学最高层面的科学难点问题-"综合性"出发,本文阐述了土地利用变化是人地关系地域系统研究的核心领域的观点。并从人文地理学的视角,解析了土地利用变化驱动机制的三个重要内容:消费需求拉动、经济效益驱使、以及协调发展理念作用等;提出了规制、对策的经济评价、以及环境伦理等三个人文地理学研究土地利用变化的新命题。     

2021年度自然科学基金申请书关键词透视地理科学研究前沿热点与发展方向

地理科学是提升人类对地球表层认知、探索人地关系、解决资源、环境、发展所面临的复杂问题的重要支撑。引领科学发展,支撑领域人才队伍的建设与培育,是国家自然科学基金委员会的使命与职责。追踪地理科学领域前沿,优化学科布局并开展战略引导是基金委地理科学学科工作的重要任务。以2021年国家自然科学基金地理科学领域4 479项申请书为样本,运用词云分析方法,对申请书的关键词进行统计分析,剖析了地理科学及各分支学科的研究热点。结果表明：“深度学习”“气候变化”“生态系统服务”“高光谱遥感”“青藏高原”“可持续发展”等是2021年地理科学研究内容与方法的热点关键词。在分支学科间交叉融合方面,信息地理学与人文地理学的共现关键词主要有“空间分析模型”“地理信息系统”“遥感”“机器学习”等;自然地理学与人文地理学的共现关键词主要有“生态系统服务”“土地利用”“土地利用变化”“可持续发展”“情景分析”等;自然地理学与信息地理学的共现关键词主要有“遥感监测”“尺度效应”“机器学习”“数字土壤制图”等。未来,国家自然科学基金委员会将从关键词设置、学科间交叉融合等途径入手,进一步从战略层面优化地理科学研究布局,引导科学家聚焦地理学基础理论与热点前沿问题,服务碳中和、乡村振兴等国家重大战略需求。     

土地变化科学中的尺度问题与解决途径

尺度问题是土地变化科学中的关键问题。总结国内外近10年来土地变化研究中尺度问题的进展表明:土地变化研究中的尺度问题多集中于数据处理、格局与过程的表征、驱动力的影响、模型运用、生态环境效应以及土地政策与可持续管理等方面。尺度问题主要产生于地理现象的异质性、地理系统的等级性、响应与反馈的非线性、干扰因素的影响及主观认识的局限等。土地变化中尺度问题研究的一般途径为尺度选择-尺度分析-尺度综合;尺度选择时应该以问题为指向,数据为基础,选择适宜的尺度;尺度分析中需要从更大尺度和更小尺度同时开展分析,找出重要的变化动态,防止信息的遗漏或夸大;尺度综合是认识全球与地方关系的纽带,可将其分为尺度上推和尺度下推,在尺度综合中方法是主导,目标是寻找各尺度之间的"连通性"。模型有助于深刻理解土地利用系统动态,发展嵌套式模型是目前尺度综合研究中的重要内容。