孙元军[1]2008年在《土地利用空间数据挖掘方法及其应用研究》文中认为政府土地主管部门通过土地利用现状调查和城镇地籍调查积累了大量第一手资料,但如何从中提取出人们感兴趣的有用信息是亟待解决的重要问题。本文通过对如何选取数据挖掘工具、如何选取数据挖掘算法、如何分析解释数据挖掘结果等问题的研究,在大量实验的基础上,结合实际案例对空间数据挖掘方法在土地空间数据中的应用作初步探讨。本文内容主要分为叁大部分:第一部分介绍了选题依据、国内外研究现状、技术路线等内容;第二部分对文中所应用的数据挖掘算法进行重点介绍;第叁部分为实例研究,选用不同的数据挖掘软件,选用各具特色的数据挖掘算法,分别对城市地籍数据和城镇土地利用结构数据进行挖掘分析得到如下结论:(1)城市地籍空间数据挖掘。以SQL Server 2000组件Analysis Manager软件为工作平台,采用决策树算法,对2000年济南市城区地籍资料进行数据挖掘操作。通过对数据挖掘产生的决策树进行分析,发现研究区域内的建筑容积率较低,说明该区域建设用地的利用程度不高,已开发建设用地还有很大的提高潜力。依据挖掘结果提出在今后的土地开发利用中应该将工作的重心放在内部挖潜、提高已有建设用地的利用效率上等建议。(2)城市建设用地结构分析。将基尼系数的基本原理引入到城市建设用地结构的研究中,构建了“城市建设用地结构基尼系数”的概念及其计算方法。借助GIS等手段对不同城市间建设用地结构的差异进行分析,结果显示:①以东部、中部、西部和东北部四个区域为单位计算出的同一地类城市建设用地结构基尼系数很小,但不同地类间差异较大,而且随时间变化呈现出不同的变化趋势;②大多数省份的城市建设用地结构基尼系数略有下降,说明我国整体的城市建设用地结构逐渐趋于合理化;③依据基尼系数的计算结果,与《城市用地分类与规划建设用地标准》(GBJ 137-90)进行了对比。研究结论:使用基尼系数衡量城市建设用地结构是一种行之有效的方法。(3)城市建设用地结构特征挖掘。尝试使用Weka软件,运用其关联分析、聚类、回归方法中的不同算法对城市建设用地结构进行分析,获取了一些有益的结果:①通过关联分析得到不同用地间的相关性;②通过聚类将全国城市分为5类,并分析了其空间分布特征,即存在均匀分布,又呈现相对聚集现象;③通过回归分析得知用地结构与城市规模之间存在一定联系。(4)初步建立了城镇用地结构数据挖掘的数据预处理、挖掘算法筛选、挖掘结果分析的技术流程。
杨振舰[2]2012年在《可视化数据挖掘技术在城市地下空间GIS中的应用研究》文中提出随着城市地下空间工程的发展，大量的空间和非空间的数据得到采集和存储。如何更有效的利用这些数据，从中发现符合一定规律的、隐含的有用信息并服务于城市地下空间工程的超前地质预报和分析，是城市地下空间数据分析和综合利用的重要研究方向。为此，本论文将数据挖掘与可视化技术相结合，以提高整个数据挖掘过程的灵活性、有效性与交互性。对于GIS可视化空间数据挖掘技术以及评测方法已有部分研究，然而应用于数据挖掘的可视化技术一般只作为数据对象的表达工具，在分析方法及过程本身中并没有进行有效的可视化，现有的可视化数据挖掘系统其可视化与数据挖掘技术之间的关系是松散的。此外，在城市超前地质预报方面，已有将GIS技术应用于地质工程、岩土工程领域的研究及一些软件系统，但这些系统有些只能实现对地表地形地貌的叁维模拟，在几何建模、分析功能和交互功能上并不能很好满足用户的要求。因此，本文系统讨论基于可视化数据挖掘技术的城市地下空间GIS系统的关键技术和构建方法，改进机器学习算法、空间和非空间的聚类算法，研究结合挖掘算法的相关可视化技术，进而研制一套支持可视化数据挖掘的城市地下空间GIS原型系统。主要研究工作如下：（1）可视化空间数据挖掘技术的研究。从数据挖掘技术特点、海量数据特征以及多维、多源数据集成的角度进行综合分析，采用可视化数据挖掘和GIS技术的集成应用。在空间数据挖掘技术上，主要采用基于空间关联规则、基于支持向量机和基于聚类分析等空间数据挖掘方法。在空间数据挖掘的可视化技术上，提出了一种基于平行坐标理论的多维多时相空间数据可视化方法，能较好的处理海量空间数据可视化问题，使用Java3D技术可以实现复杂地质体的建模显示，以及空间插值结果的叁维展示功能。（2）支持向量机算法的研究。结合空间关联规则和基于案例推理（CBR）学习思想，对基于支持向量机的空间数据挖掘方法进行了深入分析，以GIS技术以及空间数据模型为切入点，提出了进一步提高分类精度和缩短训练时间的两种改进方法，即CBR初选训练子集和基于空间区域划分的SVM算法。与常规方法进行对比实验，结果表明两种改进算法能够缩短训练时间，在大数据量情况下提高进行空间数据挖掘的效率；其中基于空间区域划分的SVM算法还可以在一定程度上缩短训练时间。此外，对于空间数据挖掘中基于距离测度的空间分类方法做了改进，即以统计距离代替欧氏距离可以消除数据自身相关性带来的错误分类影响。（3）城市地下空间GIS分类技术分析与数据质量控制。针对城市地下空间点、线、面数据，可以采用基于距离、数学形态、拓扑关系和空间关联规则的空间聚类分析方法来进行分类；对于文本分类，可以经过文本预处理、特征选择、特征项权重确定和具体分类等过程来实现。另外，针对空间分析过程中的抽样布点问题，采用基于叁明治空间抽样模型的空间抽样方法对城市地下空间数据采集过程中的抽样布点问题进行模拟和改进，最终达到在不损失可信度和精度的前提下降低地质数据采集成本的目的。（4）可视化空间数据挖掘系统的研制。在数据库设计、集成方法设计和数据流程设计的基础上，完成了城市地下空间GIS系统功能详细设计，并研制了基于插件形式进行城市地下空间数据挖掘GIS原型系统，可以应用于天津市城市地下空间超前地质预报。其中，采用插件式软件架构设计模式不仅可以较好地实现软件的松散耦合性能，达到弹性系统的目标；而且显着地降低了系统开发成本，提高了开发效率。
赵璐[3]2008年在《基于MATLAB的空间数据挖掘系统（M-SDM）设计与实现》文中提出自20世纪90年代提出空间数据挖掘概念以来,面对海量的空间数据进行数据挖掘和知识发现的研究受到人们的关注,研究成果不断涌现,主要是进行理论研究和小型的试验研究,但面对海量空间数据的数据挖掘集成系统研究尚欠探讨,而这是实际工作中迫切需要解决的问题。鉴于此,本研究尝试从一个新的角度探讨空间数据挖掘的技术途径,即基于具有强大的数值计算能力和可视化图形设计功能的MATLAB平台,设计开发空间数据挖掘集成信息系统,从而为海量空间数据挖掘提供技术支持和解决方案。本研究借鉴脑功能成像数据分析软件SPM(Statistical Parameters Mapping)的设计思想,将MATLAB、GIS、SDM叁者有机结合,在MATLAB平台上搭建SDM系统框架,针对部分主要算法如空间关联分析、空间聚类分析、决策树分析等进行集成,并借助土地利用空间数据进行试验应用,旨在提高大数据量处理和利用的效率,增强挖掘结果的科学性,并扩展MATLAB在空间数据挖掘、空间矢量数据处理等方面的应用。本文在归纳分析了空间数据挖掘研究的背景及SDM系统研究现状的基础上,结合空间数据挖掘的相关基础理论以及M-SDM系统的需求分析,提出了M-SDM系统设计和开发的叁层体系结构,实现了系统平台的搭建;详细设计了空间关联规则Apriori算法、空间模糊聚类分析和决策树C4.5算法的实现和集成;开发了M-SDM系统,主要模块相互独立,具有灵活开放的结构;通过具体实例测试和验证了系统的可行性和有效性,并获得了有实际价值的知识和规则。本研究提出的基于MATLAB平台开发空间数据挖掘系统的技术方法和体系结构,所解决的系统开发与集成的关键问题,开发出的SDM集成系统,以及其在土地利用空间数据挖掘中的成功应用,证明了基于MATLAB平台构建SDM集成系统进行海量空间数据处理和挖掘是一个可行的研究途径和技术方法,其研究思路、技术路线、算法设计、系统集成等对相关研究具有指导和借鉴作用。
王艳[4]2004年在《城市空间数据挖掘方法与应用研究》文中指出近年来，随着城市各行业海量数据库的建立，出现了“数据丰富，信息缺乏”的局面，采用数据挖掘方法和技术支持城市发展，是地球信息科学面对的一项新任务。空间数据挖掘是一个极具吸引力和挑战性的研究领域，主要用于空间数据(如图像)自动化采集、自然和社会现象时空变化、动态监测、时空预测等领域。本文在已有空间数据挖掘研究的基础上，对城市空间数据挖掘理论、方法和应用进行了研究，主要包括城市空间分布(静态)数据挖掘和城市空间动态数据挖掘两个方面，提出了一些新的空间数据挖掘算法，并改进了一些已有的挖掘算法，进行了大量应用实验研究，初步建立了一个城市空间数据挖掘实验系统。 论文从五个部分进行论述。 第一部分绪论。阐述了空间数据挖掘的定义，对近年来国内外相关研究进行了归纳，主要集中在五个方面：空间数据挖掘理论体系研究、空间分布特征计算、空间聚类和分类、空间关联规则归纳和空间结构变化预测与模拟：接着探讨了空间数据挖掘的框架体系，并对空间数据挖掘的基本方法进行了综述。 第二部分城市空间分布数据挖掘。城市空间分布数据挖掘的任务主要包括空间评价、空间分类、空间分布计算、空间优化和空间相关分析五个方面，本部分主要研究了空间评价和空间分类的方法及应用。采用空间—属性一体化概念模型，把空间坐标、空间关系和属性特征纳入到统一的空间计算模型，分别对城市土地适宜性评价和城市功能区划分中的空间聚类方法进行了研究，并提出了一种分类图层的平滑算法。 第叁部分城市空间动态数据挖掘。空间动态预测是空间动态数据挖掘的主要手段。对离散状态属性预测和模拟，建立了一种具有操作性的细胞自动机预测方法，即从历史空间数据中自动提取局部状态转换规则，在预测计算阶段采用随机试验的方法确定未来时间的单元状态。并运用该方法以济南为例探讨城市土地利用空间结构预测的方法及应用；对连续状态属性预测，提出了一种空间关系与属性特征一体化的空间自回归分析方法，即把空间关系和时滞思想纳入普通的自回归分析模型，建立连续属性的空间动态预测方法，并对山东省17个地级市的GDP总量进行空间自回归预测计算；对城市空间的扩展，采用区域扩散的思想，提出一种城市空间扩展的放射线预测方法，并以济南为例进行了研究。 第四部分城市空间数据挖掘实验系统构建。以GIS工具MapInfo系统为平台建立空间与属性数据库，采用MapBasic、Vfp等对本论文提出的空间数据挖掘方法和空间数据预处理编制程序，并与Spss、Sas、MatLab及典型的国产GIS软件集成，建立了一个试验性的城市空间数据挖掘系统。 第五部分研究总结与展望。对本文中所取得的研究成果进行了总结，空间数据挖掘有很多方法，本文只涉及到空间分布数据挖掘和空间动态数据挖掘的方法，还有一些空间数据挖掘的方法和技术，如空间趋势集中计算、空间关联规则归纳、空间离散度计算、模糊集、粗糙集等，它们在城市地域中的具体应用也是进一步研究的方向。
李新运[5]2004年在《城市空间数据挖掘方法与应用研究》文中研究说明以城市发展决策中的空间信息需求为目标，以地理信息科学和城市地理学理论为指导，在已有空间数据挖掘研究的基础上，对城市空间数据挖掘理论、方法和应用进行了较深入研究。研究内容包括城市空间数据挖掘体系、空间基础计算模型、城市空间分布(静态)数据挖掘、城市空间动态预测、城市空间与时序关联规则提取、城市群数据挖掘等方面，提出了一个总体框架体系和若干新的挖掘方法，改进了一些已有的空间数据挖掘方法，进行了大量应用实验研究，初步建立了一个城市空间数据挖掘实验系统。 在基础理论方面：在总结已有研究工作的基础上，提出了一个空间数据挖掘框架体系和城市空间数据挖掘的任务体系；提出了位置—属性一体化的实体信息模型，并给出了3种空间距离测渡，可以作为空间计算的基础准则；通过对空间权重矩阵进行拓展，提出了空间实体关联矩阵和空间状态关联矩阵的概念，并给出了建立方法，为空间数据挖掘提供了新的基础工具。 在城市空间分布(静态)数据挖掘方面：采用空间—属性一体化概念模型，把空间坐标、空间关系和属性特征纳入到统一的空间计算模型，分别对城市土地适宜性评价和城市功能区划分中的空间聚类方法进行了研究，并提出了一种分类图层的平滑算法；针对城市土地的空间优化配置，提出了一种空间遗传算法(SGA)，该算法中的选择、交叉、变异算子都是在空间上进行的；对多要素离散空间场之间的相关性测度，定义了一种基于信息熵的规范的相关指数，并给出了计算方法。 在城市空间动态挖掘方面：对离散状态属性预测和模拟，建立了一种具有操作性的细胞自动机预测方法，即从历史空间数据中自动提取局部状态转换规则，在预测和模拟计算阶段采用随机试验的方法确定未来时间的单元状态，更符合实际；对连续状态属性预测，提出了一种空间关系与属性特征一体化的空间自回归分析方法，可以用于空间单元网络的连续属性的群体预测；对城市空间扩展预测，根据区域扩散的思想提出了一种点源射线扩散的预测方法和计算模型。 在城市空间关联知识挖掘方面：对静态关联规则，根据粗糙集理论归纳出了基于数据约减和等价类划分的两种空间关联规则提取方法；对动态关联规则，提出了一种时序信息表的生成方法，可广泛用于时序关联规则的挖掘。但是这些规则提取方法与空间关山东科技大学博士学位论文摘要系计算是分离的，即规则提取方法本身不是空间计算方法。针对较复杂的空间关联知识，研究了根据空间关联矩阵挖掘空间实体关联知识和空间状态关联知识的方法，这些方法是基于空间计算的。 在城市群空间数据挖掘方面:提出了坐标一属性一体化的城市群分布轴线挖掘思路和参数估计方法，包括直线、抛物线和一般二次曲线;提出了几种新的空间离散度指数及计算方法，包括加权平均间距、空间标准差、空间基尼系数等;从理论上证明了普通voronoi图在描述城市群吸引范围中的缺陷，提出了一种更为合理的属性加权的曲边Voronof图模型，并对生成方法进行了初步探讨，但还不成熟;根据城市规模一等级定则(Zip淀则)、坐标分离策略和遗传算法(GA)，分别提出了两种城市群重心移动预测的方法;最后对城市群空间引力场和潜能场的可视化方法进行了研究。 在技术开发方面:通过编制50个空间数据预处理和挖掘计算程序，并与GIS平台和其他数据分析软件集成，初步建立了城市空间数据挖掘实验系统usDMS，结合济南市和山东省城市群进行了大量应用实验研究，获取一大批城市空间数据挖掘结果。
牛继强[6]2010年在《面向土地用途分区的空间数据挖掘》文中研究指明近年来由于空间信息技术领域内对地观测技术、数据库技术、网络技术等的飞速发展,使得土地利用数据的获取与管理变得更为便利,我国已经实施的农用地分等定级、更新调查和“全国第二次土地大调查”等工程获得了大量的数据和资料,并建设了土地利用数据库。这些数据的复杂程度和数量远远超出人脑的分析能力,如何快速、定量地从这些大型时空数据库中挖掘有用的特征和知识已经成为土地利用数据库利用的瓶颈问题。空间数据挖掘可以从时空数据库中获取用户感兴趣的空间模式与特征、数据的关联关系以及其他一些隐含在空间数据中的规律和特征,目前已经成为国内外研究的热点。土地用途分区是土地利用规划的核心问题,但是目前还缺乏系统的深入研究,特别是在土地用途分区的智能化方面。因此,针对目前土地用途分区中存在的问题,发展面向领域的空间数据挖掘模型是时空数据不断积累过程中所提出的迫切要求。本文界定了面向土地用途分区的空间数据挖掘的研究内容和体系,并系统研究了该问题的理论方法和应用。基于土地利用分区问题研究的必要性,本文在分析国内外对土地用途分区和空间数据挖掘的研究进展的基础上,建立起面向土地信息的空间数据挖掘的基础理论和技术框架,进一步完善了空间数据挖掘的理论和方法。从土地用途分区、空间数据挖掘的定义出发,定义了面向土地利用分区数据挖掘的概念、特征和内容；提出了一种包括数据层、知识层、挖掘层和人机交互层的四层结构的空间数据挖掘体系结构；阐述领域空间数据挖掘的基本步骤和从土地利用数据库中能发现的知识类型；探讨了土地用途分区数据挖掘的基本方法,主要包括空间计算模型：空间关系度量的方法；空间数据关联规则的挖掘方法：模糊概念格；空间数据聚类分析的方法：人工免疫系统的聚类算法。在对土地用途分区的问题进行描述的基础上,分析了土地用途分区的知识体系,并构建了基于领域知识的土地用途分区模型。概念格是用数学的形式化的方法对从数据中产生概念的过程进行分析的有力工具。这与数据挖掘是从大量数据中产生知识的过程是一致的,因此,概念格理论经过改进是适于对空间数据库进行数据挖掘的。本文针对概念格难以表达空间概念的问题,研究了多值背景下概念格的构建方法,并对形式概念分析理论进行了扩展,研究了基于模糊概念格的土地利用数据空间关联知识的挖掘,构建了面向土地利用的模糊概念格渐进式算法和Hasse图绘制算法,针对土地利用空间数据海量的特征,引入了基于辞典序索引树算法,提出了土地利用空间关联规则的提取方法,以为土地用途分区提供指导。土地用途分区是综合考虑影响土地质量与土地利用方式的各类因素(包括自然、社会、经济方面的因素)的基础上,将研究区域划分为若干均质区片的方法。土地用途分区是一个非常复杂的多目标优化问题。而聚类分析是一种典型的解决组合优化问题的方法。在分析了传统的克隆选择算法的基础上,通过引入混沌理论对其进行了扩展,使用Logistic方程改进了克隆选择算法,并提出两种算法的叁种结合方式,构建了混沌免疫克隆选择算法模型(CICSA)。传统聚类方法存在过分依赖数据集聚类原型的问题,为了解决这一问题,本文基于混沌免疫克隆选择算法提出了一种基刁知识的多目标优化聚类模型。该模型是用混免疫克隆选择算法进行聚类,借助混沌免疫克隆选择算子的优势,将进化搜索与随机搜索、全局搜索和局部搜索相结合,通过对候选解进行操作,能够快速得到全局最优解,而不受到样本集方差分布的影响。因此使用混沌免疫克隆选择算法能同时处理多类原型的数据聚类问题,并可以在聚类的过程中获得类数信息。本文在面向土地用途分区的空间数据挖掘的相关理论与技术研究的基础上,研究并开发了原型系统,该软件原型系统包括以下功能模块：土地利用数据管理模块、土地利用知识挖掘模块、土地用途分区挖掘模块、系统库管理模块和可视化表达模块。通过原型系统的开发,进一步明确了面向土地用途分区的空间数据挖掘的功能,解释了土地用途分区的具体过程。选择宜城市土地利用数据库和相关数据,进行数据整合,形成可用于挖掘的整合数据库,并以此数据库进行实验研究,使用模糊概念格获取了土地利用的空间关联规则,并将这些规则和其他领域知识用于混沌免疫克隆选择算法抗体的编码,使用混沌免疫克隆选择算法进行基于多目标的土地用途分区聚类实验,实验结果证明本文所研究的基于知识的土地用途分区聚类挖掘模型是一种智能、高效、准确的分区工具。
荣燕妮[7]2005年在《城市空间动态数据挖掘方法及应用研究》文中进行了进一步梳理以城市发展决策中的空间信息需求为目标,以地理信息科学和城市地理学理论为指导,在已有空间数据挖掘研究的基础上,对城市空间动态数据挖掘理论、方法和应用进行了较深入研究。研究内容包括城市空间离散状态属性预测与模拟、城市空间连续状态属性预测方法及应用、城市群重心移动轨迹预测等方面,改进了一些已有的空间数据挖掘方法,进行了大量应用实验研究,初步建立了一个挖掘实验系统。论文主要包括以下六部分内容:第一部分引言。阐述了空间动态数据挖掘的定义,对近年来国内外相关研究进行了归纳,主要集中在四个方面:空间数据挖掘理论体系研究、空间数据仓库研究、空间数据挖掘方法研究和空间数据挖掘系统研究,最后论述了空间动态数据挖掘的基本方法。第二部分城市空间离散状态属性预测。建立了一种具有操作性的元胞自动机预测方法,即从多时相的空间数据中挖掘空间单元状态的局部转换规则和基于局部转化规则的随机模拟方法。并运用该方法以济南市为例探讨城市土地利用空间结构预测的方法及应用。第叁部分城市空间连续状态属性预测。主要研究城市连续空间场的模拟方法,如经济产值空间分布结构的预测方法。提出了一种空间关系与属性特征一体化的空间自回归分析方法,即把空间关系和时滞思想纳入普通的自回归分析模型,建立连续属性的空间动态预测方法,并对山东省17 个地级市的GDP 总量进行空间自回归预测计算。第四部分城市群重心移动轨迹预测方法。根据城市规模—等级定则(Zipf 定则)、坐标分离策略和遗传算法(GA),分别提出了两种城市群重心移动预测的方法。第五部分建立城市动态数据挖掘实验系统。以GIS 工具MapInfo 系统为平台建立空间与属性数据库,采用MapBasic、VFP 等对本论文提出的空间动态数据挖掘方法和空间数据预处理编制程序,采用VB 编写系统界面,建立一个实验性的城市空间动态数据挖掘系统。第六部分研究总结与展望。对本文中所取得的研究成果进行了总结,并提出了进一步的研究方向。
马甜甜[8]2011年在《商务智能技术在智能生存空间中的应用研究》文中研究表明智能生存空间的研究在国内外广泛开展,各种智能生存空间被开发出来。但是随着智能生存空间的发展,海量数据涌现,大量的空间信息成了现存系统中未被开发的宝藏,对其加以充分利用将大大提高智能生存空间系统决策支持的能力。商务智能技术在商业决策领域的发展、应用,给我们带来了新的契机。商务智能技术对于智能生存空间的信息处理具有重要作用,我们可以借助商务智能技术来提高智能生存空间信息的获取效率和应用效果,使决策更加人性化、智能化。对商务智能环境下的智能空间进行研究就具有重要的理论和现实意义,因此,本文深入研究国内外学者提出的智能生存空间的理论方法,结合商务智能技术,从信息技术角度保证智能空间的高效运行,更好的为我们的生存空间服务。本文首先对智能生存空间及商务智能技术的基本理论与技术进行了阐述,然后对信息社会环境下的智能生存空间进行分析,并指出商务智能技术与3S技术集成与设计是实现智能生存空间智能信息分析的关键。同时,本文构建了基于商务智能技术的智能生存空间应用模型,着重指出空间数据仓库及空间数据挖掘技术与3S的集成设计,并提出SDMOQL查询语言在集成中的重要作用,并列出几个描述实例。最后,通过17市实际数据实现了城市智能生存空间的信息智能分析过程,体现了商务智能技术在智能生存空间中应用的可行性和实际性。
刘凯[9]2007年在《基于知识发现的珠江口湿地识别监测及演变规律挖掘研究》文中进行了进一步梳理湿地是一种介于水生生态系统(深水湖、海洋)和陆地生态系统(森林、草地)之间的一种重要而又特殊的生态系统，湿地是地球上最具生产力的生态系统之一，也是最富生物多样性的生态系统之一，它不仅能为人类的生产、生活提供多种资源，同时还具有很高的经济价值、环境效益和多种生态功能。由于近几十年来人类活动日益频繁，使得我国湿地资源急剧减少，以有效监测与合理保护湿地为目的的湿地遥感监测及其相关研究已成为湿地研究领域的一个重要研究方向。遥感技术与GIS技术在湿地资源现状调查、动态变化监测和湿地制图等领域已经得到了广泛的应用。遥感技术所具有的观测范围广、信息量大、信息定量化、数据更新快、多时相、多平台、历史资料丰富、可对比性强等优点，使得遥感技术在湿地领域的相关研究中显得十分突出和重要。且随着近些年来计算机软件、硬件的不断完善，GPS和GIS技术的飞速发展和普及，“3S”技术的结合使得遥感技术在湿地研究中的应用范围及利用效率大大提高。本文以珠江叁角洲的核心地区(珠江口)作为研究区域，利用知识发现与数据挖掘方法从多时相、多分辨率、多种成像方式的遥感图像(光学遥感、微波遥感)中获取不同类型的湿地信息，并且监测了近20年来珠江口湿地的动态变化，分析其变化特征，同时利用时空关联规则挖掘方法来获取湿地演变与人类活动之间的关联规则。研究结果将为珠江口地区湿地资源的可持续利用提供了基础数据和决策依据，具有重要的理论意义、实践意义和社会意义。本文通过全面分析、讨论得到如下的主要结论：(1)在湿地遥感识别、动态监测研究中，知识发现与数据挖掘方法是一种十分有效的方法，能够取得较好的分类精度。本文研究中共使用到了决策树算法、神经网络算法、粗糙集算法、支持向量机算法和朴素贝叶斯算法。(2)决策树算法识别湿地信息的精度最高。本文的研究表明，在使用的多种知识发现方法中，决策树算法的分类精度最高，且对遥感数据的要求较少。而其他的分类方法均需要在满足一定条件下，才能够得到较高的分类精度。(3)1988～2004年珠江口湿地资源持续减少。本文利用4个时相的Landsat TM数据监测了珠江口湿地资源的动态变化，并分析了湿地资源的变化速率、双向动态度以及湿地资源的空间分布重心位移。分析结果表明，从1988年开始，珠江口的湿地资源在持续减少，但到了2002年，部分湿地资源受到了保护和恢复，面积略有增加。(4)关联规则方法可以获取湿地演变规律。关联规则也是一种知识发现方法，它能够获取不同的项(湿地与其他影响因子)之间的关联性。本文以东莞市城市湿地为例，在像元尺度、镇区尺度和格网尺度叁个尺度级别上挖掘湿地资源演变与社会经济统计属性因子、环境属性因子、土地利用属性因子之间的关联规则。研究表明，格网尺度是挖掘湿地演变关联规则的最佳空间尺度；东莞市城市湿地演变(减少)与环境属性因子的增加、外来人口数目的增加、农业人口与农业总产值的降低、城市用地的扩张之间具有强关联性。(5)不同分辨率、不同成像方式的遥感数据在湿地遥感研究中得到了成功的应用。本文在利用遥感技术与知识发现方法研究湿地资源时，使用到了被动成像的光学遥感数据SPOT(融合后其空间分辨率2.5m)与TM图像(空间分辨率30m)，还有主动成像的雷达数据Envisat ASAR(空间分辨率30m)与Radarsat SAR图像(空间分辨率6m)，均取得了较好的应用。研究表明，多源遥感数据的结合使用能够将各自的优势综合起来，弥补单一遥感数据信息量的不足，扩大了各自信息的应用范围，同时还能够提高湿地信息提取的精度。
张钦钦[10]2013年在《土地信息整合与空间数据挖掘研究》文中指出本文在对土地信息的来源和分类、特点、差异等进行分析的基础上，确定了土地信息整合的要求、目标和内容。在Mapgis、Arcgis、FME等软件的技术支撑下，研究了土地信息整合的各种方法，建立了基于Geodatabase数据库管理系统的土地信息集成框架和数据模型。对济阳县土地规划信息、农用地分等信息、土地整理信息、地类图斑信息、基本农田信息、基础地理要素、城市总体规划信息以及社会经济数据进行数据整合和数据加载之后，建立了济阳县土地信息整合数据库。在研究了空间数据挖掘的理论和方法后，利用空间分析技术和统计分析方法，对济阳县农用地、建设用地和未利用地进行空间数据挖掘。农用地方面，对2006-2012年济阳县农用地质量变化进行数量特征和空间特征方面的研究；建设用地方面，对1996-2010年济阳县建设用地扩张的时间和空间特征、驱动力进行数据挖掘；未利用地方面，对1996-2010年济阳县未利用地开发的数量和开发后的地类进行了研究。主要成果有：（1）总结土地信息整合的内容。土地信息整合分为空间坐标系的整合、空间数据与属性数据的整合、不同格式数据的整合、不同比例尺数据的整合、矢量数据与栅格数据的整合；通过Mapgis、Arcgis以及FME等软件，明确土地信息整合的技术方法，并在Geodatabase数据库管理系统的基础上，设计了土地信息集成的框架体系和数据模型；对济阳县土地信息进行数据整合之后，采用数据加载，最终建立了济阳县土地信息整合数据库。（2）对济阳县农用地的数据挖掘表明，81.64%的农用地自然质量等别保持不变，另外有17.28%的农用地提高一个自然质量等；利用等别中，有38.40%的农用地等别无变化，提高一个利用等别的农用地占农用地总面积的31.69%，提高两个利用等别和降低一个利用等别的分别为11.40%和10.12%；自然质量等别降低的区域主要分布在县域西部的太平镇和东北部的仁风镇，自然质量等别提高的区域则县域内均有分布；利用等别降低的区域主要集中在县域西北部和东北部，如新市镇、曲堤镇和仁风镇，而利用等别提高的区域则集中于县域中部和南部，如孙耿镇、回河镇和崔寨镇。（3）对济阳县建设用地的数据挖掘表明，研究时段内建设用地经历了“缓慢变化—快速变化—集约变化”的过程，建制镇、农村居民点面积的增加是新增建设用地增加的主要原因；建设用地变化扩张具有明显的区域差异，受政策因素影响很大，经济发展和人口增长是两个主要的驱动因子。（4）对济阳县未利用地的数据挖掘表明，1996—2010年间，共开发未利用地405.56公顷，年均开发27.04公顷；未利用地大部分开发成为了耕地，以及部分设施农用地和农村居民点，另有少量未利用地被开发成为建制镇用地；在未利用地开发的空间特征方面，沿黄滩区的孙耿镇和回河镇是未利用地开发的重点区域。
参考文献：
[1]. 土地利用空间数据挖掘方法及其应用研究[D]. 孙元军. 中国地质大学（北京）. 2008
[2]. 可视化数据挖掘技术在城市地下空间GIS中的应用研究[D]. 杨振舰. 河北工业大学. 2012
[3]. 基于MATLAB的空间数据挖掘系统（M-SDM）设计与实现[D]. 赵璐. 山东师范大学. 2008
[4]. 城市空间数据挖掘方法与应用研究[D]. 王艳. 山东师范大学. 2004
[5]. 城市空间数据挖掘方法与应用研究[D]. 李新运. 山东科技大学. 2004
[6]. 面向土地用途分区的空间数据挖掘[D]. 牛继强. 武汉大学. 2010
[7]. 城市空间动态数据挖掘方法及应用研究[D]. 荣燕妮. 山东师范大学. 2005
[8]. 商务智能技术在智能生存空间中的应用研究[D]. 马甜甜. 北京交通大学. 2011
[9]. 基于知识发现的珠江口湿地识别监测及演变规律挖掘研究[D]. 刘凯. 中国科学院研究生院（广州地球化学研究所）. 2007
[10]. 土地信息整合与空间数据挖掘研究[D]. 张钦钦. 山东师范大学. 2013
标签：建筑科学与工程论文; 数据挖掘论文; 聚类论文; 关联规则论文; 空间数据论文; 大数据论文; 空间分析论文; 数据挖掘算法论文; 数据可视化论文; 文本挖掘论文; 数据整合论文; 数据集成论文; 分类数据论文; 预测模型论文; 智能城市论文; 信息集成论文; 土地用途论文;