浅谈GIS中空间数据的不确定性及其处理

GIS数据质量与不确定性研究是目前GIS重要基础理论之一。本文主要阐述了空间数据的不确定性研究内容、空间数据的不确定性来源、空间数据不确定性的处理、减少空间数据不确定性的方法及其发展趋势等方面的内容。     

矢量GIS中模糊线元的位置不确定性研究

地理信息不确定性是GIS基础理论中一个重要的研究方面,当前对于地理信息不确定性的研究主要集中在确定性地理实体上,而对于没有明确空间范围定义的模糊地理实体则研究较少。同时,地理信息不确定性根据GIS中的数据组织形式大致有位置不确定性和属性不确定性两个方面,而由于在GIS的数据组织中属性数据和位置数据的密切联系,属性不确定性往往取决于位置不确定性,因此研究位置不确定性是研究地理信息不确定性的关键所在。基于矢量GIS,利用模糊数学、测量平差等知识,提出一个“扩展ε-band”方法来建立模糊线元的位置不确定性模型。     

贝叶斯网络下的GIS空间数据不确定性管理模型

通过分析GIS空间数据各种不确定性模型,提出了基于贝叶斯网络的GIS空间数据误差分析模型,论述了贝叶斯网络的基础理论及贝叶斯网络建模方法,为使用GIS空间数据库的用户提供了更可靠、更快捷的分析方法。     

GIS空间数据不确定性与质量控制的研究现状

GIS空间数据不确定性和质量控制的研究是GIS基础理论问题研究中的一个重要内容。文中具体介绍了对该问题研究的几个阶段，对目前这一理论问题的研究现状作了简要介绍，并对GIS数据质量控制的策略提出一些看法。     

GIS空间数据面元与线元不确定性的关系

通过对线元误差落在一定区域内的概率分析,进一步明确了线元误差的概率统计性质,对多边形面积精度与面元误差环对面积精度影响这两者关系进行推导和数值计算,探讨多边形面积的标准差和面元误差带面积之间的关系,通过对多边形各边的线元误差分析,进一步描述多边形面积误差的分布状况和概率统计性质。     

GIS分析中的空间数据不确定性问题

摘要：地理信息系统使用参照空间、时间和属性的多维坐标来描述空间现象,而所有的空间模型的表示方法都存在着不确定性问题,并通过GIS的分析操作而传播。从空间数据质量、精度和应用的量级概念等方面探讨了空间数据不确定性问题的由来和发展,认为关注不确定性和误差应从“适合使用’’出发。     

GIS中空间数据位置不确定性的模型与试验研究

在总结GIS空间数据位置不确定性研究现状的基础上,研究了基本要素位置数据不确定性的模型和试验问题,主要成果有以下几方面:     

GIS中线元的误差熵带研究

基于现有的线元位置不确定性模型大多与置信水平的选取有关,而置信水平的选取带有一定程度的主观性,因而不能惟一确定。引入信息熵理论,提出了线元的误差熵带模型,并将它与"E-带"进行了比较,计算了落入其内的概率。该模型根据联合熵惟一确定,与置信水平的选取无关。     

遥感云分类不确定性的多维混合熵模型评价

针对遥感影像提取信息分类过程中存在随机不确定性和模糊不确定性两种噪声,影响分类结果的准确性问题,该文在多光谱遥感影像处理中,通过对传统的混合熵模型进行多维化改进,提出多维混合熵的不确定性评价模型。采用云算法对遥感影像进行解译分类,获取相应的不确定性模型参数计算出信息熵和模糊熵,从像元和类别两个尺度构建出遥感云分类不确定性的多维混合熵评价模型。结果表明,多维混合熵模型能够充分考虑多光谱遥感数据的多维性,可以从不同尺度对遥感分类的随机不确定性和模糊不确定性进行有效全面地评价。     

基于混合熵模型的遥感分类不确定性的多尺度评价方法研究

不确定性是影响遥感图像分类质量的最主要因素,针对在遥感图像分类过程中同时存在随机不确定性和模糊不确定性的特点,提出基于混合熵模型来综合测度这两种不确定性的方法,并建立起多尺度的评价指标.在分析混合熵模型基本原理的基础之上,提出利用特征空间的和模糊分类器的统计数据来建立信息熵、模糊熵以及混合熵的方法.同时,在像元和类别尺度上,分别建立像元混合熵和类别混合熵的指标对分类不确定性进行评价.最后,应用湖北省黄石市的遥感影像对上述评价方法进行验证分析,实验结果表明,混合熵模型能有效地反映分类过程中随机不确定性和模糊不确定性的综合影响,并从不同尺度反映出遥感影像分类的质量问题.     

General Entropy Model of Line Segments Uncertainty in GIS

Spatial data uncertainty can directly affect the quality of digital products and GIS-based decision making. On the basis of the characteristics of randomicity of positional data and fuzziness of attribute data, taking entropy as a measure, the stochastic entropy model of positional data uncertainty and fuzzy entropy model of attribute data uncertainty are proposed. As both randomic-ity and fuzziness usually simultaneously exist in linear segments, their omnibus effects are also investigated and quantified. A novel uncertainty measure, general entropy, is presented. The general entropy can be used as a uniform measure to quantify the total un-certainty caused by stochastic uncertainty and fuzzy uncertainty in GIS.     

GIS中三维空间直线的误差熵模型

从信息熵的角度提出了三维空间直线的误差熵模型，该模型由以垂直直线的平面误差熵为半径的圆柱体和两端点的误差球组成，是一种完全确定的度量空间线元不确定性的模型。理论分析与实验表明，本文所提出的模型具有较好的效果。     

Relationship of Uncertainty Between Polygon Segment and Line Segment for Spatial Data in GIS

The mathematic theory for uncertainty model of line segment are summed up to achieve a general conception, and the line error band model of εp is a basic uncertainty model that can depict the line accuracy and quality efficiently while the model of εm and error entropy can be regarded as the supplement of it. The error band model will reflect and describe the influence of line uncertainty on polygon uncertainty. Therefore, the statistical characteristic of the line error is studied deeply by analyzing the probability that the line error falls into a certain range. Moreover, the theory accordance is achieved in the selecting the error buffer for line feature and the error indicator, The relationship of the accuracy of area for a polygon with the error loop for a polygon boundary is deduced and computed.     

General Entropy Model of Line Segments Uncerta,nty in GIS

Spatial data uncertainty can directly affect the quality of digital products and GIS-based decision making. On the basis of the characteristics of randomicity of positional data and fuzziness of attribute data, taking entropy as a measure, the stochastic entropy model of positional data uncertainty and fuzzy entropy model of attribute data uncertainty are proposed. As both randomicity and fuzziness usually simultaneously exist in linear segments, their omnibus effects are also investigated and quantified. A novel uncertainty measure, general entropy, is presented. The general entropy can be used as a uniform measure to quantify the total uncertainty caused by stochastic uncertainty and fuzzy uncertainty in GIS.     

对空间数据不确定性研究的思考

对GIS中空间数据不确定性研究中存在的问题进行思考后提出了5点建议。主要包括:1)要区分GIS中确定性目标和不确定性目标;2)要区分用离散点逼近曲线/曲面的逼近误差和离散点自身量测误差及其传播;3)要研究GIS中的几何不确定性,更要重视研究属性和时态不确定性;4)要研究空间数据质量,更要研究空间信息服务的质量;5)空间数据不确定性研究要努力向实际应用转化。     

对空间数据不确定性研究的思考

对GIS中空间数据不确定性研究中存在的问题进行思考后提出了5点建议.主要包括:1) 要区分GIS中确定性目标和不确定性目标;2) 要区分用离散点逼近曲线/曲面的逼近误差和离散点自身量测误差及其传播;3) 要研究GIS中的几何不确定性,更要重视研究属性和时态不确定性;4) 要研究空间数据质量,更要研究空间信息服务的质量;5) 空间数据不确定性研究要努力向实际应用转化.     

熵与不确定度区间

测量数据的质量及可靠性取决于测量数据不确定性的大小。从如何评价测量数据的不确定性入手,以测量不确定度理论与模糊数学为基础,构建以测量不确定度为未知参数的测量数据不确定性评价的函数模型,提出“模糊熵测度”作为函数模型求解的最优准则并建立相应的算法,应用高程监测网数据进行解算并与最小二乘估计结果进行比较,结果证明了该方法的可行性。     

GIS图上地理区域空间不确定性的分析

区域是GIS空间分析的基本单元。它是环境科学、土壤科学等领域中广泛存在的一类地理实体。这类实体抽象概括为GIS中空间目标时不可避免地带有模糊性。利用模糊集这个强有力的数学工具，首先基于场模型提出了表达GIS中模糊区域目标的方法，分析了其空间不确定性。继而，建立了模糊区域的形态描述模式，即模糊区域边界、内部和外部，并指出了Cohn给出的定义中的不足。在此基础上，对Egenhofer提出的九元组进行了扩展，构建了适合于描述确定和模糊区域目标间拓扑空间关系的模型。     

General entropy model of line segments uncertainty in GIS

Spatial data uncertainty can directly affect the quality of digital products and GIS-based decision making. On the basis of the characteristics of randomicity of positional data and fuzziness of attribute data, taking entropy as a measure, the stochastic entropy model of positional data uncertainty and fuzzy entropy model of attribute data uncertainty are proposed. As both randomicity and fuzziness usually simultaneously exist in linear segments, their omnibus effects are also investigated and quantified. A novel uncertainty measure, general entropy, is presented. The general entropy can be used as a uniform measure to quantify the total uncertainty caused by stochastic uncertainty and fuzzy uncertainty in GIS.