地理空间数据挖掘.pdf

地理空间数据挖掘 人类在空间科学技术、遥感（RS ）、地理信息系统（GIS ）、全球定位系统（GPS ）等领 域取得了巨大成就，对地球系统的不同层面、不同现象的综合观测能力达到了空前的水平， 获得了大量对地观测数据。同时，随着数据库技术的成熟和信息应用的普及，人类累积的数 据量正在呈指数级增长，全世界每天存入数据数量超过万兆字符。未来学家John Naisbitt惊 呼：“人类正被数据淹没，却饥渴于信息”。面临浩如烟海的数据，人们呼唤从数据的汪洋大 海中去芜存精、去伪存真，因此，“从数据库中发现知识”（KDD ）及其核心技术——数据 挖掘（Data Mining ）应运而生。 数据挖掘是一个由数据库、人工智能、数理统计和可视化等多学科与技术交叉、渗透、 融合形成的交叉学科（邸凯昌，2000 ）。它试图综合应用上述领域技术，在庞大的数据库中 探索事先并不知道，但潜在有用的、新的结构形态或者关系特征，即关于数据的高层次信息 结构和知识。地理空间数据挖掘（Geospatial Data Mining ）是数据挖掘的一个研究分支，其 实质是从地理空间数据库中挖掘时空系统中潜在的、有价值的信息、规律和知识的过程，包 括空间模式与特征、空间与非空间数据之间的概要关系等。由于空间数据具有海量、多维和 自相关性等特征，使得地理空间数据挖掘更为复杂。 地理空间数据挖掘技术可以有效地解决一些地学问题。例如，地球系统的基本驱动力是 什么？整个地球系统是如何变化的？如何能更好地预测地球系统未来的变化？某一种流行 病的分布模式？流行病发展变化范围、趋势及速率等？其中许多分析都是基于空间位置关系 的，因此地理空间数据挖掘技术最根本的是基于事物的空间特性（如拓扑、距离、方位等）。 近些年来，国内外开展了许多有关地理空间数据分 析与挖掘方面的研究。加拿大Simon Fraser大学计算机科 图形用户接口 学系Han Jiawei教授领导的小组进行了基于关系数据库 各种数据挖掘模块 挖掘系统的研究，在MapInfo平台上开发了空间数据挖掘 原型系统GeoMiner，并设计了专门用于空间数据挖掘的 空间数据库服务器和数据立方体 语言GMQL ，实现了空间数据特征描述、空间比较、空 间关联、空间聚类和空间分类等空间数据分析方法的集 成。该系统具有空间数据库模型、空间数据立方体、空 空间数据库 空间数据库 空间数据库 间OLAP等模块（如图1）。武汉大学李德仁院士等提出从 图 1 GeoMiner 系统结构 GIS数据库可以挖掘出包括几何信息、空间关系、几何性 质与属性关系以及面向对象知识等多种知识，认为空间数据分析与挖掘使GIS 的有限数据变 成无限的知识。图1.5为数据挖掘与知识发现的进化历程（陈述彭等，1996）。 数据搜集 计算机、磁带和磁盘 （20 世纪 60 年代） 进 数据访问 技 关系数据库、结构化 （20 世纪 80 年代） 查询语言、ODBC 化 术 阶 手 数据仓库