中山大学GIS考研部分总结.docxVIP

元胞自动机Cellular Automate CA具有强大的空间运算能力，常用于自组织系统演变过程。它是时间空间状态都离散，空间相互作用和时间因果关系都为局部的网格动力学模型，具有模拟复杂系统演化过程的能力。自下而上的研究思路，充分体现了复杂系统局部的个体行为产生全局有秩序模式的理念。 地理现象属于典型的动态复杂系统，具有开放性、动态性、自组织性、非平衡性等耗散结构特征。CA可以模拟复杂城市系统的某些特征，但是单个的CA很难准确模拟复杂城市系统的所有特征，可以将复杂城市系统进行分解，用不同的CA模拟城市系统的不同特征。 GIS能够很好的解决部分空间相关问题以及静态问题但对复杂的时空动态变化地理现象难以实现，空间建模方面具有一定的局限性。 动态系统的建模： 计算领域的动态影响，大量的迭代运算， 确定与空间位置相关的具有指示性的因素， 多层叠加要素信息的提取， 通达性的动态变化， 迭代过程中空间变量的更新，动态变化过程的可视化，模型的校正 CA增强GIS空间动态建模的功能，可谓GIS空间分析的引擎。GIS在空间分析和空间决策方面有很好的应用，但在动态空间建模和操作方面有较大的局限性。CA强大的时间建模能力能够丰富GIS现有的时空分析功能。模拟各种现象随时空变化的动态性。 多智能体系统成为一种进行复杂系统分析与模拟的思想方法和工具，单个AGEnt具备一定的功能，但对现实中复杂的大规模的问题，单个Agent无法描述和解决，多个智能体之间具有互动性交互性反应性自主性特点，相互协作达到共同的整体目标。定义为有多个可以相互交互的Agent 计算单元所组成的系统。 地理空间系统是一个典型的复杂系统，动态发展是基于微观空间个体相互作用的结果。多智能体系统思想的核心就是微观个体的相互作用能够产生宏观全局的格局。当把多智能体系统引进地理模拟时，多智能体就带有空间属性和空间位置，其空间位置往往是变化的，与传统的多智能体有明显的不同。 CA侧重的是自然环境要素，无法考虑复杂的空间决策行为及人文因素，CA与多智能体系统结合起来，将社会经济及行为等属性赋给多智能体，使模型可以反映影响土地利用格局演变的人文因素。 GIS空间分析一般方法 空间查询和检索，空间量算。空间插值，叠置分析，缓冲区分析 CA基本特征 元胞分布在按照一定规则划分的离散的元胞空间上 系统的演化按照等间隔时间分步进行，时间变量取等步长的时刻点 每个元胞都有明确的状态，并且元胞的状态只能取有限个离散值 元胞下一刻演化的状态值是由确定的转换规则所决定 每个元胞的转换规则只由局部邻域内的元胞状态所决定 优点： 在CA中，物理和计算过程直接的联系是非常清晰 CA能用比数学方程更为简单的局部规则产生更为复杂的结果 能用计算机对其进行建模，而无精度损失 能模拟任何可能的自然系统行为 CA不能在约简 GIS提供了丰富的空间信息和强有力的空间数据处理平台，满足在空间格局方面分析的需要，但是时空动态发展过程比最终形成的空间格局更为重要。GIS与时空动态模型的耦合将会极大的增强现有GIS分析复杂自然现象的能力。GIS能解决时空动态模型海量数据的获取储存更新等问题。城市动态性自组织性突变性复杂特征需要动态模型的 模拟城市CA的基本原理是通过局部规则模拟出全局的复杂的城市发展模式。 CA要素 元胞 状态 邻域 转换规则 面向对象分类法 传统的遥感影像分类方法主要是基于遥感影像光谱信息极其丰富，地物间光谱差异较为明显，光谱特性差异进行像元级别的分类，以像元为单位描述地表模式，很少考虑内部纹理结构等信息，一级相邻像元之间的关联信息。但高分影像包含了更多的纹理、结构等信息，传统的分类方法会造成空间数据的大量冗余，分类结果呈现椒盐现象，不利于空间分析。因此需要一种更加适宜的分类方法。面向对象分类方法考虑同质性对象，区别分析的是基本实体，是有意义的影像对象，不是单个像元，不再是简单的影像对象的光谱信息，包含更多的对象的空间信息和语义信息。主要是根据具有类似光谱信息的像元进行结合，而成为一个对象，综合考虑对象的空间、纹理、结构和光谱信息的差异，进行利用影像分割和分类器的构建。 分割尺度和空间结构特征，对象生成主要是根据影像的颜色和形状特征进行分割， 空间插值方法原理特点，每个对象的属性隶属概率和空间相关特征，进行语义信息提取。 影像分割是把影像分成各具特性的区域的技术和过程，是要素表达的基础，对特征和属性测量具有重要影响，位置形状大小。 影像分割的要素提取特征提取和参数测量可以将原始影像转换为更抽象更紧凑的形式，使得高层次的影响分析和理解成为可能。 景观识别。 核电站选址问题 智能体相关问题 空间优化 定量分析方法有哪些应用特点 可见光 近红外波段定量遥感 热红外波段定量遥感 微波遥感 研究计划 说明缓冲区分析及其在