空间数据分析.pptVIP

* 我们用这幅图和四川省内行政边界数据叠加得到这幅叠加图，从这幅图我们可以具体分析汶川大地震具体涉及到那些县和乡镇。 再结合人口数据，就可以分析出地震所影响的人口数量。 * 我们用地震源分级缓冲区图和四川省内道路数据叠加得到叠加图，可以估算出地震所破坏的道路的数量和程度。 * 利用地震缓冲区和行政边界叠加图层，统计出地震所涉及的具体县和乡镇及它们的破坏程度。 利用地震缓冲区和人口数据叠加图层，统计出地震所涉及的人口总数。 利用地震缓冲区和道路叠加图层，统计出受地震影响的道路及破坏程度。 结合一些经济指标可以进行地震损失估算。比如统计出北地震破坏的道路的数量，根据每条道路的造价，就可以估算交通方面的损失了。 （3）计算权系数与预测 普通克里金的权系数矩阵为： 向量g由未知点生成。如用点(1,4)来计算，计算该点与每个观测点的距离，如(1,4)与(1,5)、 (3,4)、 (1,3)、 (4,5)、 (5,1)的距离。预测点(1,4)的g向量计算结果如下表。 半变异值 = 13.5×h 计算权系数： 权系数 观测值 乘积 克里金预测结果 正如预期，权系数随距离的增加而减小，但由于将各点的空间分布也考虑进去，其结果比直接的距离权重要好。 克里格方差 为了估计预测结果的不确定性，将权系数向量的每一行和g向量的每一行相乘，然后将结果相加，得到预测克里格方差，其平方根就是克里格标准差。 g向量 权系数 乘积 克里格方差 克里格标准差 如果假设误差是正态分布的，则95%的置信区间为： 克里格预测值±1.96×克里格标准差 = [95.49, 109.75] 这仅是一个小例子，但从中可以看出几个重要特点： Kriging是计算密集型的方法。 需要一个合适的软件。虽然一些GIS软件提供半方差估计、建模和Kriging，该邻域大多严肃的工作者使用特殊软件如GSLIB、Variowin，或GS+。 所有的结果依赖于为从样点数据估计的半方差所拟合的模型，以及相关假设。其中包含一些主观决定（多少个距离组合？拟合的模型是什么？基台值和块金值取多少？）。 除了所讨论的普通克里金，还有其他不同类型的克里金方法，比如，当存在均值漂移（drift）时采用Universal Kriging；CoKriging扩展到同时考虑两个或更多变量。 六、空间数据挖掘 空间数据挖掘（Spatial Data Mining,SDM），是从空间数据库中提取隐含的、用户感兴趣的空间或非空间的模式和普遍特征的过程 1.数据概化 数据概化就是一个从相对低层概念到更高层概念并对数据库中与任务相关的大量数据进行抽象概述的一个分析过程；数据细化则相反 将概化和特殊化技术应用于空间分析，可以生成不同概念层面之间的规则和联系 空间数据概化可分为两类：空间数据主导的概化和非空间数据主导的概化 数据概化方法主要有两种：数据立方体方法和基于属性的归纳方法 数据立方体方法可以认为是基于数据仓库的、面向预计算的、物化视图的方法 在数据立方体上进行计算和存储结果，可以使用roll-down和roll-up操作完成数据概化和数据细化工作 限制：只能处理非数值化数据和数值数据的简单汇总。只能分析，不能自动的选择哪些字段和相应的概念层次 面向属性的归纳 面向关系数据库查询的、基于概化的、联机的数据分析处理技术 方法介绍： 使用SQL等收集相关数据 通过数据属性值删除和属性值概化来实现概化 聚集通过合并相等的广义元组，并累计他们对应的计数值进行 和使用者之间交互式的呈现方式. 基本方法 数据聚焦:选择和当前分析相关的数据，包括维。 属性删除: 如果某个属性包含大量不同值，但是 1)在该属性上没有概化操作， 或者2）它的较高层概念用其它属性表示。 属性概化:如果某个属性包含大量不同值，同时在该属性上有概化操作符，则运用该操作符进行概化 2.空间数据仓库 为什么要有空间数据仓库？ 面对空间数据堆积越来越庞大的环境，各级管理者和指挥人员需要从大量复杂的空间数据中获取各自权限内的决策信息，从而作出正确有效的判断和决策。 从各级决策者的角度讲，空间数据处理的重点应该从传统的操作型扩展到空间数据的联机分析（OLAP）处理或分析型（信息型）。 空间数据仓库 无数分散的不同数据库存在着数据格式、数据语义、数据编码、空间参照系统、数据处理方式、数据质量等方面的异构性，面对如此复杂的海量空间数据的频繁交互过程，各级决策者从复杂的数据库中提取的数据必须具有集成和关联机制。 结论：空间数据仓库就是针对解决上述问题所产生的一种技术方案，空间数据仓库的历史是伴随着空间数据库的发展过程开始的。 空间数据仓库与空间数据库 数据仓库（DW） 数据库（DB） 分析型数据环境 操作型数据