图形—属性数据的融合

6.4.3　图形—属性数据的融合

土地管理数据中不仅包含了空间数据，还包含了大量的属性数据，如以县气象站的多年观测资料为基础农业气候数据、包括人口、劳力、产值、国民收入、交通、运输、贸易等数据的社会经济数据、包括农业结构和产值、主要作物种植面积和产量、牲畜头数和畜产品产量、林产品产量、机械化程度、动力和灌溉水平等的农村经济数据等。尽管这些不同种类的数据格式、数据类型互不相同，但它们都有一个共同的特点——空间特性，因此，可以根据空间性来组织这些数据，统一到具有一致空间分辨率、统一数据参数的空间数据基准中，再通过叠加运算等，实现图形—属性要素数据的融合。

1.基于图形—属性匹配的空间化

无论从宏观或是微观的角度，土地管理数据中80%以上都与空间位置有着密切联系，而且通常以行政区(省、市、县、乡)为统计单元。同时，目前的GIS平台均提供了基于唯一特征码的图形—属性匹配功能。因此，以行政单元作为属性数据空间化的基础底图，通过手工输入或唯一特征码匹配的方式将属性数据作为行政单元的属性数据进行存储(见图6-36)，或者通过GIS平台提供的基于空间关系(包含、被包含、相交等)的匹配语句实现图—图间属性数据的转移。

图6-36　通过唯一特征字段“县名”实现人口数据与县级行政区的匹配

基于唯一特征字段实现图形—属性匹配的方法具有简单、支持平台多、可操作性强的特点，但由于该方法是基于行政区划单元实现的，因此，该单元内具有统一的属性，这与属性特征的实际分布情况往往会出现差异，如用以上方法求得的人口密度在行政单元内处处一致。这样在分析人均居住面积时就会出现与实际居住面积不一致的情况，在进行农村居民点规划时往往会影响其合理性。

2.社会经济数据空间化

针对上述问题，社会经济数据空间化是以空间统计单元代替行政单元，该空间统计单元根据具体的应用需求来确定，可以为一定范围的分析格网，也可以为土地利用现状单元或是资源环境调查单元等。统计数据空间化方法的一个重要特征是单元内的容量不变性，即空间分配过程不影响原有属性值对整个单元总量或平均值的表达。空间化的方法可以归纳为以下四种:

(1)密度分配。通过分布函数、控制区或控制函数的方法将统计指标的数量以密度分配的方式分配到空间上;

(2)邻域关系。利用地理变量在空间上的相互依赖关系，通过邻域的值来估计所在位置的值，可通过简单差值方法或空间自相关方法来估计;

(3)地理变量之间的相关关系。通过一个变量的分布差异去估计另一个变量的空间差异，这种关系可能是非线性和不确定的;

(4)分形方法。分形具有自相似和自仿射特征，其局部通过变换与整体相等或相似。根据分形分析检验地理实体分布的分形特征并提取参数。然后通过分形模拟的方法可能实现对密度分布的估计。

目前，社会经济数据空间化主要集中在人口数据与GDP数据的空间化研究中，其中，尤以人口研究最为深入。如美国国家橡树岭实验室全球人口项目提出的LandScan方法建立了全球1km×1km的人口密度格网。其主要方法是:①收集基于乡镇的人口统计数据并创建人口格网单元(与分析单元保持一致);②基于道路(以单元与道路间的距离为权重)、坡度(以不同坡度类别的有利程度为权重)、土地覆盖(以不同土地利用类型为权重并排除部分土地利用类型)、夜间灯光(以频率为权重)和城市密度计算概率系数;③利用GIS集合各种输入变量和概率系数把人口普查数据分配到各个像元上，所有区域的一般模型是一样的，但单个变量的概率值必须由各个区域的经济、自然、文化因素所决定，控制每个行政单元或可获得人口普查数据的任意矩形的人口总数，利用这些不同的控制总数、控制区域和加权值，测算单元人口或单元人口密度。

3.站点观测数据的连续空间化

空气污染、水质状况、土壤质量数据、地价监测点等数据可通过设置监测点或采样点来获得。但监测点或采样点覆盖范围有限，显然不可能提供出任何一个地点的监测数据，而又需要知道任何一个地点的数值，因此需要从各监测点采集的数据中，预测出未知点的数据。目前通用的方法是地统计。

地统计(Geostatistics)又称地质统计，是在法国著名统计学家G.Matheron大量理论研究的基础上逐渐形成的一门新的统计学分支。它是以区域化变量为基础，借助变异函数，研究既具有随机性又具有结构性，或空间相关性和依赖性的自然现象的一门科学。

地统计分析的核心就是通过对采样数据的分析，找寻数据暗含的特点和规律，比如是否为正态分布、有没有趋势效应、各向异性等;对采样区地理特征的认识选择合适的空间内插方法创建表面。插值方法按其实现的数学原理可以分为两类:一类是确定性插值，另一类是地统计插值，也就是克里格插值，如图6-37所示。

4.不同种类数据融合

具体做法是，将具有共同空间位置的不同种类的数据划分为不同的图层或子图层，然后依据它们的空间对应关系进行叠合。在这里要说明的是由于矢量数据计算的复杂性及模型的单一性，通用的是通过矢栅转化为栅格进行计算。叠合的主要方式是找到不同图层的空间控制点，然后按控制点将它们重叠。图6-38展示了一个按比例尺分层的、不同种类的数据按图层叠合、逻辑关系比较统一的集成数据库。它整体上呈金字塔结构，自下而上按比例尺大小分为四层，每一层又分为多个图层，每个图层代表某一类型的数据，多个图层依照空间关系进行叠合。在叠合过程中，空间控制点的选择尤为重要，它是不同类型数据对比的基础。此结构在理论上能实现不同种类数据的空间融合，经融合后的数据在逻辑上成为统一的整体，可以实现任意类型、任意区块甚至任意比例尺的数据输出。

图6-38　通过叠合实现具有共同空间位置的不同种类数据的融合示意图