地理时空三向聚类分析方法的构建与实践.pdfVIP

第75 卷第5 期 地 理 学 报 Vol.75, No.5 2020 年5 月 ACTA GEOGRAPHICA SINICA May, 2020 地理时空三向聚类分析方法的构建与实践 1, 2, 3 1, 2 1, 2 1, 2 1, 2 1, 2 程昌秀 ，宋长青 ，吴晓静 ，沈 石 ，高培超 ，叶思菁 （1. 北京师范大学地表过程与资源生态国家重点实验室，北京 100875；2. 北京师范大学地理科学学部， 北京 100875；3. 国家青藏高原科学数据中心，北京 100101） 摘要：随着地理数据获取能力的不断提升，地理数据体量呈指数增长，数据种类、数据性质更 加多元化。对数据的有效甄别和归类成为理解地理现象时空特征、演化过程和行为机制的关 键。传统聚类方法面临数据体量大、维数高、质量差的挑战，加之对地理空间与时间关联分析 的需求，对聚类方法改进和提升研究的要求越来越迫切。本文介绍了从单向到三向聚类构建 思路的变革。单向聚类是仅在样本或属性方向上进行聚类，易忽视非常相似的局部特征、易犯 “横看成岭侧成峰”的错误。双向聚类是基于数据矩阵内元素值的相似性，形成一个子矩阵分 割方案，使子矩阵内元素相似度尽可能高，子矩阵间元素相似度尽可能低，从而实现行列两方 向的同时聚类，避免了单向聚类的不足。鉴于双向聚类难以满足地理研究超出双向的解译需 求，本文提出并研发了一个全新的三向聚类方法，给出了运用该方法开展地理时空格局过程探 测的流程，总结了如何根据研究涉及的“空间—时间—尺度—属性”构建三维数据体；最后，展 示了三向聚类的地理实践案例。结果表明：①三向聚类是一种大数据时代探测地理数据时空 分异规律的有效方法，可以解决数据维度高、质量低等问题；②面对不同的地理问题，三向聚类 在算法层面上是通用的，不同之处仅在于：根据不同问题涉及的空间、时间、尺度、属性的不同， 构建不同的数据体；不同数据体聚类得到的不同结果回答不同的地理问题；③三向聚类可以实 现地理数据的时空分异规律多方向、多尺度、多层次的联合解译，揭示地理特征时空尺度叠加 效应。最后，论文强调根据地理问题组织数据的重要性，期待未来能够提升三向聚类在多空间 尺度、多属性方面的地理研究实践。 关键词：三向聚类；空间—时间—尺度—属性；联合解译；时空局部相似性；时空分异 DOI: 10.11821/dlxb202005002 1 引言 地理学是研究地理要素或地理综合体空间格局、时间演变过程和驱动机制的一门学 [1-3] 科 。地理数据是测度地理特征基本的量化指标，由于地理数据具有重要的空间与时间 属性，因而它是理解地理特征的核心基础。随着技术的不断进步，获取地理数据的能力 [4] 不断增强，以大数据为代表的新型数据为地理学提供了难得的机遇 。地理研究的核心内 容之一是对地理数据的分析，即通过数据集群的时空特征，认识地理现象的格局特征、 演化过程和行为机制。聚类分析是识别数据集合内部结构与数值分异规律的重要工具， 收稿日期：2020-02-06; 修订日期：2020-04-22 基金项目：国家重点研发计划(2019YFA0606901); 中国科学院战略性先导科技专项(XD [Foundation: National Key RD Program of China, No.2019YFA0606901; Strategic Priority Research Program of the Chinese Academy of Sciences, No.XD 作者简介：程昌秀(1973-), 女, 新疆人, 教授, 主要从事地理时空数据分析等研究。E-mail: chengcx@ 通讯作者：宋长青(1961-), 男, 黑龙江人, 教授, 主要从事地理学研究范式、地理区域综合研究方法等研究。