基于空间相关性的空间数据离散化算法研究

Spatial data discretization is a basic research issue in geographical information science. Traditional discretization methods mainly take into account the statistical characteristics and ignore the spatial characteristics while they are used to discretize spatial data. This project mainly investigates the spatial correlation-based spatial data discretization methods. These methods select the appropriate break cuts of spatial data to obtain better discretization results based on spatial correlation offsetting the missing of spatial information while the traditional discretization methods are directly applied to spatial data. The main research contents are including: (1) design unsupervised spatial correlation-based discretization method of vector data; (2) design supervised discretization method of vector data by incorporating spatial correlation and supervised attribute; (3) design unsupervised spatial correlation-based discretization method of raster data; (4) design supervised discretization method of raster data by incorporating spatial correlation and supervised attribute; (5) design spatial data software containing the discretiation methods of this project and commonly used traditional discretization methods. The above mentioned contributions can improve the accuracies of discretization-based spatial data analysis and modeling methods and provide help for the exact understanding and cognition of geographical phenomenon.

空间数据离散化是地理信息科学中一个基础性研究问题。传统的离散化算法主要考虑空间数据的统计特征，忽略了空间数据的空间特征。本项目在空间特征度量的基础上主要研究基于空间相关性的空间数据离散化算法，借助空间相关性指导离散化过程中最优断点集选取，弥补传统离散化算法直接应用于空间数据时空间信息缺失的不足，以获得更优的离散化结果。主要研究内容包括：（1）设计针对矢量数据的基于空间相关性的非监督离散化算法；（2）设计针对矢量数据的融合空间相关性和监督属性的监督离散化算法；（3）设计针对栅格数据的基于空间相关性的非监督离散化算法；（4）设计针对栅格数据的融合空间相关性和监督属性的监督离散化算法；（5）开发包括本项目设计的离散化算法和传统离散化算法的空间数据离散化软件。本项目的研究成果可以提高基于离散化算法的空间数据分析和建模方法的精度，有助于空间分布现象的准确理解和认知。

空间数据是对现实世界中空间特征和过程的抽象表达，是地理信息科学研究的基础。根据空间数据的测量尺度，空间数据可以分为连续型数据和离散型数据。在实际的应用过程中，我们常常需要将连续型数据转化为离散型数据，进而挖掘连续型数据中潜在的重要信息。目前，对连续型空间数据进行离散化处理时，往往使用传统离散化算法。这些算法借助空间数据的统计特征寻找最优离散化断点集，忽略了空间数据的空间特征。空间特征是空间数据重要的空间属性，蕴含了重要的空间信息，因此，本项目在空间特征度量的基础上研究基于空间相关性的空间数据离散化算法，借助空间相关性指导离散化过程中最优断点集选取，以获得更优的空间数据离散化结果。主要研究了5个方面的内容并取得了相应的成果：（1）设计了针对矢量数据的基于空间相关性的非监督离散化算法LISABD；（2）设计了针对矢量数据的融合空间相关性和监督属性的监督离散化算法CBMDLP；（3）设计了针对栅格数据的基于空间相关性的非监督离散化算法SBUD；（4）设计了针对栅格数据的融合空间相关性和监督属性的监督离散化算法SBMD；（5）开发了包括本项目设计的离散化算法和传统离散化算法的空间数据离散化软件。为了验证本项目设计的算法的有效性，将这些算法应用于和顺县出生缺陷数据集和千烟洲地区遥感影像数据集。实验结果表明，本项目研究成果可以提高基于离散化算法的空间数据分析和建模方法的精度，有助于空间分布现象的准确理解和认知。