基于BP网络与空间统计分析的山东人口空间分布模式预测研究

运用BP网络对山东省17地市未来人口总量进行预测,在预测数据的基础上运用空间自相关方法对未来人口的空间分布模式进行分析。研究表明:2005-2010年山东省人口密度的空间分布模式总体呈现"西南-东北"模式,存在着空间集聚现象;2006-2010年17地市局部空间关联类型基本没有发生变化,西部和南部8个地区存在着明显的"高-高"集聚;北部5个地区存在着明显的"低-低"集聚;淄博和青岛存在着两个"高-低"关联的孤立点。     

空间自相关支撑下的地类分布模式一致性评价

空间分布模式是否保持一致是土地利用数据综合质量评价的一项重要内容。针对当前的研究缺少量化分析和位置表达的现状,提出了一种新的空间数据特有的自相关性评价方法。首先利用语义距离建立空间权重矩阵,随后通过莫兰指数（Moran’s I）计算数据处理前后全局和局部自相关度,最后利用莫兰（Moran）散点图和空间关联的局部指标（local indicators of spatial association,LISA）集聚图相结合的方法对综合前后的土地利用分布模式进行可视化对比。相较传统评价方法,所提方法顾及数据语义关系,计算可量化聚集程度,以直观可视化方法对比展示,更好地对土地利用数据在综合前后的全局空间分布模式一致性进行了评价。认知实验结果符合人类认知,表明所提方法切实有效。     

基于 GIS 的东北三省气温降水空间自相关性分析简

创新性地提出了基于两观测站点连线的垂直平分线构建空间连接矩阵,进一步计算空间自相关指数Moran＇s I 来分析气象数据的空间分布模式.利用Moran’s I 分析探讨了东北地区86 个气象站1951～2011 年气温降水数据的空间自相关.结果表明,东北三省气温降水存在显著的空间聚集现象,降水表现为吉林省北部显著低低聚集,吉林辽宁省东部显著高高聚集,气温表现为东北三省南北区域显著聚集;1960～2011 年气温分布较降水表现出更强的空间自相关性,且随年份变化自相关性稳定程度比降水好;气温分布空间自相关性随时间有减弱趋势, 但仍表现出区域显著聚集强相关现象.     

山东省人口空间分布模式及其影响因素分析

基于2010年《山东统计年鉴》和全国第六次人口普查数据,本文以县域为研究单元,通过空间自相关分析人口的空间分布模式,运用因子分析和Pearson相关分析探究人口空间分布模式的影响因素。研究结果表明:山东省人口分布呈现"东北-西南"的空间分布模式,人口空间分布整体上呈现显著的空间集聚,主要集中在青岛市的中心城区;经济增长因素和地形条件是山东省人口空间分布模式形成的主要推动力。     

基于GIS的东北三省气温降水空间自相关性分析

创新性地提出了基于两观测站点连线的垂直平分线构建空间连接矩阵,进一步计算空间自相关指数Moran's I来分析气象数据的空间分布模式。利用Moran’s I分析探讨了东北地区86个气象站1951~2011年气温降水数据的空间自相关。结果表明,东北三省气温降水存在显著的空间聚集现象,降水表现为吉林省北部显著低低聚集,吉林辽宁省东部显著高高聚集,气温表现为东北三省南北区域显著聚集;1960~2011年气温分布较降水表现出更强的空间自相关性,且随年份变化自相关性稳定程度比降水好;气温分布空间自相关性随时间有减弱趋势,但仍表现出区域显著聚集强相关现象。     

地理信息产业分布相关性和空间相关性研究

地理信息产业已经上升为国家战略性新兴产业地位,地理信息产业的核心是地理信息企业,本文通过研究中国大陆31个省级区域甲级地理信息单位业务情况,应用皮尔逊相关系数、Moran’s I全局空间相关指标和Local Moran’s I局域空间相关指标,揭示地理信息产业分布的相关性和空间相关性,结果表明甲级业务存在一定的相关性和局域空间相关性。     

一种使用局部空间统计量的高分辨率影像显著结构提取方法

使用三个局部空间统计量(局部Moran’s I、局部Geary’s C和Getis)来建模影像的空间依赖性,提出了一种简单有效的获取影像显著结构的方法。该方法通过对空间依赖强度特征图像进行3D阈值化来获取影像的同质区或边缘结构,实验结果表明了这三个局部空间统计量在建模影像空间依赖性和获取显著结构方面的性能差异。     

半方差函数与Moran’s I在土壤微量元素空间分布研究中的应用——以寿光市为例

利用半方差函数与Moran’s I两种空间分析方法,研究了山东省寿光市土壤中微量元素的空间分布特征,以探讨不同空间分析方法的差异性与准确性。结果表明,无论表层土壤还是深层土壤,半方差函数分析得到的土壤微量元素的空间相关距离大约为20~60 km,而空间自相关图获得的正自相关距离为20~25km,负自相关距离为25~55 km。除深层土壤中的Zn元素外,其他元素均达到了显著的自相关水平。空间自相关方法对土壤微量元素空间相关性的判断要优于半方差函数法。     

利用局部Moran’s I指数进行DEM地形简化

地形简化是构建多尺度DEM数据库的重要技术。基于DEM地形数据空间自相关特征,提出了一种利用Moran’s I指数的DEM简化方案,即在计算DEM格网单元局部Moran’s I指数的基础上,通过设定阈值提取候选地形特征点,进而重构结果 DEM。以黄土丘陵沟壑区为实验样区,将重要点法作为对比算法,从候选特征点分布、高程统计参数、地形结构特征等方面,对该方法的地形简化效果进行了分析。实验结果表明,基于地形空间自相关特征的DEM地形简化方法原理明确,技术方案易于实现,执行效率高,相对于重要点VIP地形简化算法,重构DEM能较好地保持地形的结构特征。     

基于GIS的福建省区域经济发展差异研究

分析福建省区域经济发展的差异,对提高经济发展水平具有重要意义。本文以福建省9个地市为研究单元,以2003—2017年人均GDP为基础数据,采用ArcGIS10.1和Geoda软件进行区域经济发展差异研究。通过计算和分析各市人均GDP的空间自相关系数Moran’s I和变异系数C.V,福建省各地市与其自身相邻近的地市之间存在着正空间自相关关系,并且福建省区域经济发展差异在增大。GIS技术用于分析区域经济空间差异性具有自身的优势,已成为区域经济研究领域的方向和趋势之一。     

面向空间关联的空间关系计算方法

当前,利用空间关系在多源数据间建立空间关联是地理信息领域的研究热点。针对这一热点,提出一种面向空间关联的基于自适应四叉树编码计算矢量数据空间关系的方法。首先,以经纬度网格划分技术为指导思想,基于自适应四叉树进行空间编码,建立空间数据与对应编码间的关联;在此基础上,利用编码计算空间数据的网格拓扑、方向及距离关系,从而建立空间数据间的空间关联;最后,以深圳市OSM矢量地图为实验数据来验证。实验表明,自适应四叉树编码方法能集成地表达3种空间关系,且计算速度较快、效率较高,具有较强的实用性。     

空间物体分类及空间物体构造

空间物体描述是ＧＩＳ的基本任务之一，而空间物体的分类是空间物体描述的基础。理想的空间物体分类模型不但应具有完备描述（构造）各种空间物体的能力，而且应能够揭示基本的空间关系，有助于空间分析的规范化系统化。本文在分析空间概念模型和现有的几种空间物体分类模型的基础上，提出了空间物体分类的基本原则，给出了新的空间物体分类模型：简单点、复合点、简单线、有向简单线、复合线、有向复合线、多边形，并说明了以这类基本物体类型构造复杂物体的一般性方法。     

从空间分析到空间决策的思考

地理信息系统正处在空间分析系统步入空间决策支持系统的关键时期,及时总结GIS分析理论和技术体系,展望空间决策发展趋势是值得广大地学工作者深思的问题。在分析回顾空间分析理论和技术发展历史的基础上,总结了现状研究和应用存在的问题,指出了空间分析向空间决策支持技术发展需解决的关键问题,并对空间决策支持系统未来的发展作出了几点思考,以期对空间决策支持技术发展提供指导。     

论空间数据处理与空间数据挖掘

根据现行文献中反复提到的空间数据处理内涵的理解．将空间数据处理分为空间数据处理技术和空间数据处理理论，简要论述了各自的主要内容．讨论了空间数据挖掘的现状和今后研究的重点，比较了空间数据处理与空间数据挖掘的异同。     

一种顾及障碍约束的空间聚类方法

为了使得空间聚类分析更加适应实际情况,发展了一种同时顾及空间障碍约束与空间位置邻近的空间聚类方法。该方法采用Delaunay三角网描述实体间的邻近关系,并且不依赖用户指定参数。实验验证了本方法的有效性与优越性。     

一种面向并行空间数据库的数据划分算法研究

面向基于对象关系型数据库而构建的并行空间数据库系统，提出了一种基于Hilbert空间填充曲线的适合于矢量空间数据的数据划分算法。在充分考虑空间信息的海量特征以及矢量数据存储记录的不定长等特点的前提下，该算法可实现并行空间数据库中海量空间数据记录在多个存储设备上的均衡划分，以避免出现数据倾斜现象，从而提高了空间数据的检索与查询效率。     

空间和属性双重约束下的自组织空间聚类研究

形式化定义了双重聚类的聚类准则及其判定方法,提出了双重聚类的两步法求解思路和自组织双重聚类算法。通过实例验证了该算法的可行性,自组织双重聚类可以发现非空间属性的聚集、延伸等空间分布特征,可以发现任意复杂形状的聚类,并降低了人为影响。     

基于Oracle Spatial的空间数据集成互操作模型

从互操作实际需求出发,利用Oracle Spatial空间数据存储特性,根据不同层次的互操作需求,从本地互操作和Internet互操作2个层次提出了一种基于Oracle Spatial的集成互操作模型,从而兼顾了部门内部对互操作效率的要求以及部门外部对互操作广泛适应性的要求。     

Partitioning Spatial Model Uncertainty Based on Joint Spatial Simulation

In this study, an uncertainty analysis procedure for joint sequential simulation of multiple attributes of spatially explicit models used in geographical informational systems was developed based on regression analysis. This procedure utilizes information obtained from joint sequential simulation to establish the relationship between model uncertainty and variation of model inputs. Using this procedure, model variance can be partitioned by model input parameters on a cell by cell basis. In the partitioning, the correlation of neighboring cells is accounted for. With traditional uncertainty analysis methods, this is not possible. In a case study, spatial variation of soil erodibility from a joint sequential simulation of soil properties was analyzed. The results showed that the regression approach is a very effective method in the analysis of the relationship between variation of the model output and model input parameters. It was also shown for the case study that: (1) the uncertainty of soil erodibility of a cell is mainly propagated from its own soil properties; (2) the interactions of soil properties of neighboring cells could reduce uncertainty of soil erodibility; (3) it is sufficient for uncertainty analysis to include the nearest three neighboring cell groups; and (4) the largest uncertainty contributors vary by soil properties and location.     

基于Oracle Spatial的空间数据互操作模式

随着空间数据获取的增长及各桌面GIS软件功能的日益增强,如何在不同的GIS软件之间实现空间数据的互操作和共享,已成为一个突出问题。本文介绍了OracleSpatial及其在空间数据存储中的应用,提出了基于OracleSpatial的空间数据互操作模式,并在此基础上进行了部分实验。