论文部分内容阅读
从广义的空间认知意义上来说,所有地图都可以认为是空间认知表达结果。地图图形质量的好坏决定了人们是否能从地图中获取可靠信息,所以对于地图的制作已经不仅仅是颜色的搭配、符号的设计、比例尺的设定这些传统的制图内容,更多强调地图对数据的表达效果,阅读者更加希望可以从地图上第一眼就看到自己最需要的信息。 伴随着数据库技术和GIS的快速发展,人们往往把计算机对于数据的理解当成认识世界的第一步,忽略了人的认知思维体系对解决实际问题时的重要作用。由传统制图系统生产出的常规地图时有可能不能够充分表达某类型地图所要呈现的最核心的信息,甚至有时制作出来的地图对于结果分析存在误导作用,阅览者不能一目了然找到所需要的空间、属性信息。 本文在总结国内外空间认知理论和空间认知模式的基础上,指出空间认知的表现形式分为三种:感知、认知和符号空间。而这三种表现形式也是空间认知循序渐进的三个认知过程,从了解感知到认知分析再到最后符号化表达,是一种由下而上的分析表达过程。基于此,认为心象地图是适宜空间认知结果表达的地图形式,面域拓扑图Cartogram则是适宜心象地图表达的可视化形式。 研究基于扩散方法生成Cartogram图,详细介绍了它的数学原理和生成方法,并以美国大选为例说明其在常规地图错误表达选举结果时的应用价值。针对空间认知“重拓扑关系、轻矢量形状”的特点,使用Java语言和GeoTools工具库对矢量数据进行简化改进,使用瑞士各州人口数量为属性数据生成等密度人口分布图,通过算法性能分析发现,简化后再生成Cartogram效率明显加快,同时可以解决复杂矢量数据由于数据量庞大无法完全迭代生成高质量Cartogram的缺陷。 最后以我国广电产业创收收入进行空间认知分析和产业空间分布格局分析为应用实例。提出了常规地图表达的局限性,即标准的不统一性、差异的未知性和量度的误导性。对中国行政区划图进行简化改进后,使用扩散Cartogram算法重新进行基于空间认知分析的结果表达,最终生成的Cartogram图不仅使读图者清楚地了解收入的空间分布格局,也很好表现了常规地图不能展现的“深加工”属性数据信息。