论文部分内容阅读
空间数据在地理空间分析和知识发现中有重要的作用,它表达了地理空间要素或现象的排列方式和分布规律,展现了格局多态、多空间特性。分析空间格局特征及其随时间或尺度的变化是地理信息科学研究中的重要内容。 在空间格局分析应用中,单一指数值通常难以有效、全面地表达空间格局的特征,因此从多个角度或维度来描述空间格局成为格局分析中重要的表达手段。随着空间格局多维表达中维度的增加,不同格局的聚类问题将转换为高维数据聚类的问题。高维数据在聚类分析时存在“维度效应”问题,比如数据稀疏、数据无属性、距离度量相等普遍存在、部分属性信息冗余等,导致传统的聚类方法效果不佳。论文采用基于四叉树的景观指数法和流水模型方法实现不同类型空间格局的多维表达,并引入生物学、信息学领域常用的高维双聚类方法,评价空间格局的相似性。然后以不同形态景观格局、不同尺度的北京房山区土地利用动态度空间格局、不同时间的北京城市交通网络格局为例,探讨上述三个不同的情形下的空间格局变化情况,同时分析研究了案例中出现的景观指数“一值多形”(不同的空间格局,景观指数取值相同;不同的形状的物体,分维数相同)问题、尺度效应问题、时空变化问题。 论文实验结果表明: (1)“采用曲线表达空间格局,并用双聚类方法进行空间格局聚类”是一种可行的格局分析方法。在三个案例中对不同空间格局的多维表达是后续进行聚类分析的基础,同时聚类分析验证了空间格局多维表达对格局类内相似性、类间差异性的展示。 (2)高维双聚类方法能有效实现多维表达空间格局的聚类;同时双聚类工具gCLUTO聚类结果的可视化有助于分析聚类方案,对于提高聚类结果的可信度有重要意义。在不同尺度的北京房山区土地利用动态度空间格局的聚类实验中gCLUTO与SPSS中传统聚类方法相比,证实了双聚类算法得到的聚类方案能避免“维度效应”问题,结果具有更高的可信度。 (3)空间格局的多维表达有助于综合体现空间格局的特征,研究空间格局变化。在分析景观指数中“一值多形”时,线表达的空间特征量化了格局的差异;在尺度效应问题分析中,多维表达空间格局的聚类分析可以确定研究的尺度域;在分析时空效应问题时,空间格局的聚类分析能为格局的阶段性发展扩张提供依据。