GIS与空间分析
1、地理信息系统研究的基本科学问题是什么？
地理信息系统主要研究在应用计算机技术对地理信息进行获取、存储、管理以及处理和分析过程中所提出的一系列基本问题。具体有：
1.地理信息信源理论：地理空间认知，地理信息本体，自然信息源和社会信息源本质等。
2.地理空间信息获取与传输：时空信息基准，地理信息传输机理与増衰规律、地理空间信息不确定性等。
3.地理信息存储与分析处理：地理信息标准、压缩与检索、变换与处理等。
4.地理空间模式信息处理：地理信息分类、空间内插、模式识别等。
5.地理信息知识处理：地理知识的表达与获取、空间推理与建模、知识信息处理系统等。
6.地理空间决策和控制：地理空间决策的判断、控制系统、管理信息系统和决策支持系统的建立等。
2、地理空间分析模型研究的新发展点在何处？
地理学是分析地表现象随地点不同而变化的学科；用地理解释地表的工作，往往称为空间分析。其中新发展点在以下几个方面：
(一）面向海量数据的地理时空特征挖掘
经典统计难以满足相关样本的数据分析;空间数据挖掘则是当前的前沿研究方向。随着现代信息获取技术和共享技术的发展，我们需要处理和分析的地理数据越来越多。如何从海量的地理时空数据中，提取出有效的信息和时空特征，则是地理信息科学研究的重要问题
(二）面向模型的地理空间分析研究
地球是一个不规则的椭球体，理论上是无法展开为一个没有变形的平面，因而也不可能构建一个无缝的正方形格网系统。能否构建基于曲面空间的格网系统?
(三）面向领域问题的地理时空数据与模型集成分析
4、国土空间规划“多规合一”的关键地理信息技术是什么？如何实现“多规合一”？
“多规合一”是指在“三规合一”（即国民经济和社会发展规划、城市发展总体规划和土地利用总体规划）的基础上加上生态环境保护规划，即以国民经济和社会发展规划为依据，确保“多规”确定的保护性空间、开发边界、城市规模等重要空间参数一致，并在统一的空间信息平台上建立控制线体系，以实现优化空间布局、有效配置土地资源、提高政府空间管控水平和治理能力的目标。
（1）关键地理信息技术：
①统一空间基准：空间基准已全部统一到2000国家大地坐标系,整合各类用地分类标准，统一地理要素语义，建设空间规划基础数据库。
②开展分析评价：一是开展资源环境承载能力评价。通过空间分析、景观分析、数理统计等方法对土地、水、环境、生态等进行评价，确定资源承载能力。二是开展国土空间开发适宜性评价。通过对地形地势、区位优势、人口聚集度、生态脆弱性等进行评价，确定国土空间开发与保护的区域。
③绘制规划底图：对收集的“三区三线”资料，进行分类处理，制定“三区三线”制图标准规范。
④搭建信息平台：一是建立空间规划信息平台。集成整合跨部门、多规划的数据，对“多规合一”信息进行空间统计、分析。二是服务规划实施监测与评估。通过测绘地理信息技术手段，了解规划执行情况。
（2）措施
①统一规划编制期限和时序
合理确定规划期限。针对现有各类规划之间编制基期和期限各异的情况，建议首先明确规划编制基期，并统筹考虑法律法规要求和相关规划的特点，确定统一协调的规划中期年限和目标年限。并协调规划编制时序，遵循定位清晰、功能互补、统一衔接的要求，按照“多规合一”的规划体系，指导各级各部门按照“先主后次、从上而下”的原则，编制或修编相应的规划。
②建立规划空间布局约束框架
按照生态评价基础，划定生态红线。按照保护优先、发展协调、从严管理的原则，将依法设立的各级各类保护区域、生态环境敏感区和脆弱区、关系生态安全等的重要生态功能区等划入生态红线范围。按照农业发展要求和地力条件，划定永久基本农田。其次贯彻落实中央最新要求，遵循耕地保护优先、数量质量并重的原则，按照布局基本稳定、数量不减少、质量有提高的要求，严格划定永久基本农田保护红线。按照城市现状基础和发展导向，划定城镇增长边界。
③开展规划技术标准对接
统一基础数据统计口径，统一空间图件编制标准，统一用地分类是确保同种类型用地在面积和空间布局上对应的前提，为了有利于保护土地资源和城乡建设， 统一“两规”差异“斑块”，以重点项目布局、现状用地性质等情况为依据，研究确定差异协调原则和方法，提出分类差异处理建议，对于争议较大的“斑块”，提请规划协调平台审议。在此基础上，对差异图斑的具体处理情况逐一建档，最终实现“多规”图层叠合，确保空间的无缝衔接。
④建立规划公共信息平台
充分依托各地已有的数字城市、智慧城市系统以及在国土、规划、发改与环保等各级各部门现存数据库的基础上，建设由一个公共信息主平台和多部门子平台构成的“1+X”公共管理信息平台。平台将打造统一的后台基础数据库、统一的规划编制平台和统一的规划信息查询、审批办公系统三大主体功能，通过制定公共信息管理平台基础数据对接标准，实现各规划编制部门资源共享与整合，实现信息数据的快速导入。
⑤改革规划实施管理机制
组建规划协调制度平台。按照推进“多规合一”的目标，建立各部门共同参与的规划协调平台。其次，建立规划实施联动反馈机制。对土地利用、城乡建设、环境规划等有关地方保护和发展的重要规划，要建立起常态化的评估制度。建立规范化的规划修改流程，改革规划审批制度，积极探索下放部分规划的审批权限，使地方政府真正成为规划编制和实施的主体，增强主动性、积极性和能动性。
**
5、举例说明Voronoi图在界定城市的空间影响的方法和步骤。
**
（1）举例：
以赵佳星等人基于加权Voronoi图评价安徽省的城市空间吸引力影响为例
（2）步骤：
建立泰森多边形算法的关键是对离散数据点合理地连成三角网，即构建Delaunay三角网。在本例中就是基于城市点建立三角网，具体步骤如下：
①离散点自动构建三角网，即构建Delaunay三角网。对离散点和形成的三角形编号，记录每个三角形是由哪三个离散点构成的；
②找出与每个离散点相邻的所有三角形的编号，并记录下来。这只要在已构建的三角网中找出具有一个相同顶点的所有三角形即可；
③对与每个离散点相邻的三角形按顺时针或逆时针方向排序，以便下一步连接生成泰森多边形。
④计算每个三角形的外接圆圆心，并记录之；
⑤根据每个离散点的相邻三角形，连接这些相邻三角形的外接圆圆心，即得到泰森多边形。对于三角网边缘的泰森多边形，可作垂直平分线与图廓相交，与图廓一起构成泰森多边形。
举例：
以某一省份为例，如果不考虑此省每个城市的综合实力值，可以利用常规Voronoi图来划定各个城市空间影响范围，此时各城市的Voronoi区域内任意一点到其发生点城市的距离比到其它任何一个城市的距离都要近。
当城市有综合实力差别时，此时城市综合实力值可理解为各城市的权重，则采用加权Voronoi图来确定空间影响范围。由每个城市产生的常规Voronoi图主要与城市的空间分布有关，而由各个城市产生的倍增的加权Voronoi图，还与城市的综合实力值相联系。在加权Voronoi图中，省会城市的空间影响范围几乎覆盖全省，这是与其强大的综合实力值有关的，也是与其省会城市的地位相适应的。而这时省内小城市的空间影响范围大大缩小。
此外，城市空间影响范围受到其周围城市的影响，其一，城市中心性强度小但周围缺乏实力强大的城市，使其能成为区域的中心城市，影响范围也较大；其二，城市中心性强度较大但毗邻实力更为强大的城市，与其它周边大城市之间存在着激烈的空间“领地”竞争，影响范围反而相对较小。相比之下加权Voronoi图结果更能表示省内各个城市的空间影响范围，进而可以加权Voronoi图为基础，统计各城市空间影响区域内各种社会经济要素的空间分布特征。
一种基于栅格方法的构建加权Voronoi图的方法。利用加权方程计算每一个栅格单元与各发生点间的加权距离(不同类型的加权Voronoi图应采取不同的距离)，以距离最短的发生点栅格的代码作为该栅格单元的隶属代码，如此反复，直至所有栅格单元的归属都被确定为止。
6、请自选一个遥感与地理信息技术应用命题，说明主要研究内容并画出研究的技术路线图。
Rusle
7、生态系统功能评估方法中，NPP法和模型法的主要区别是什么？
NPP法：
NPP是指绿色植物在单位时间单位面积累积有机物的数量，石油植被光合作用所产生的有机质总量中减去自养呼吸后剩余的部分。NPP 法是对对生态系统最显著表征的生产力进行估算，进而作为核心评估指标利用土壤数据集、气象数据集和高程数据集根据一定的生态学原理，设计简要算法以确定的量值对生态系统的各项功能进行评估。强调方法在表达空间单元生态系统功能评估上的准确性和实用性。NPP法与遥感数据相结合主要适用于区域及大尺度的生态系统功能的评估。NPP法以NPP数据为主，参数较少且易于获取，操作较为简单，区域尺度转换容易，具有模拟预测功能，可以获得生态系统功能评估的动态变化，可以快速直观的反映生态系统功能的空间分布但其适用范围具有地域性，缺乏可靠的生理生态基础，计算NPP时光能传递及转换的过程还存在许多不确定性，准确性较模型法相对较低。
模型法：
模型法是通过综合模型来评估生态系统服务的方法。关于生态系统功能评估的方法主要包括利用水量平衡方程计算水源涵养量；利用水土保持服务模型开展水土保持功能重要性评价，利用修正风蚀方程计算防风固沙量等。鉴于国家发展改革委在资源环境承载力评估中使用的方法为模型法，为保持评估结果的一致性，建议各地在进行生态系统功能评估时优先使用模型法。模型法比NPP法具有更高的准确率和参考价值。
但是，模型法涉及的众多参数值的确定难度较大，参数确定具有较强的主观性。同时，模型不尽完善，有些重要评估方面并未体现。在生态系统功能评估中虽然得到了一定的应用，但由于模型的复杂性和运行条件的限制，多数应用只研究某一生态系统功能，对生态系统功能进行综合评价还存在一定的难度
8、请举例说明地理信息评价结果分级的主要方法有哪些？
分级统计的方法
- 按使用分级方法的多少可分为单一分级法和复合分级法
- 按级差是否相等可分为等值分级法和不等值分级法
- 按确定级差的方法可分为自定义分级法和模式分级法
其中自定义分级即对一个数据集，根据自己的应用目的设定各个级别的数值范围来实现分级的方法。这种方法适用于研究者对该数据集比较了解，能够找到合适的分级临界点。模式分级就是指按固定模式进行分级，在固定模式中，级差由特定的算法自动设定。而模式分级又包括：
等距离分级
5. 等间距方法原理简单、易操作，但当数据集中在某一小范围内时，各分级之间数据个数的差别太大会造成图面配置不均衡，影响了制图效果。
6. 当数据具有均匀变化的分布特征时，等间距分级法就简明实用；若数据分布差异过大，将会以响制图与对统计结果的分析。
分位数分级
分位数分级是把数列划分为相等个数的分段，根据实际需要选择四分位、五分位、六分位……十分位。为此，要先将数列按大小排列，从一端开始计算其分位数，把处于分位数上的那个值作为分级值。
分位数分级可以使每一级别的数据个数接近一致，往往能产生较好的制图效果。
等面积分级
• 等面积方法使得每一级在图上占据的面积相等或大致相等。这种方法的特点是在图面上只反映各级占有相同的面积，制图效果好，但是没有充分利用图面表示级间的差异。
• 对于规则栅格数据而言，一定区域内的面积可由该区域内的栅格个数乘以栅格分辨率得到，所以按等面积分级只需考虑栅格个数即可。
标准差分级
• 标准差可以反映各数据间的离散程度，按标准差分级，首先要保证数据的分布具有正态分布的规律，才可计算平均值和标准差，然后根据数据波动情况划分等级。
• 以算术平均值作为中间级别的一个分界点，以一倍或1/2倍标准差作为分界点。
• 分级数目是由数据本身所决定的，且对于同一数据集，采用一倍标准差时，分级数目最少， 采用1/4倍标准差时，分级数目最多。
自然裂点法分级
• 任何统计数列都存在着一些自然转折点、特征点，用这些点可以把研究的对象分成性质相似的群组，因此，裂点本身就是分级的良好界限。
• 将统计数据制成频率直方图、坡度曲线图、积累频率直方图，有助于找出数据的自然裂点。如果频率最低点与峰值构成一个近似正态分布曲线，可以把任意两个正态分布曲线交点作为分级界线
• 自然裂点法是基于让各级别中的变异总和达到最小的原则来选择分级断点的。
9、地理空间分析方法在区域社会经济分析中的应用有哪些？
1、对区域经济差异特征和区域之间的相关性进行分析
在分析区域经济差异和相关性中常常会用到几种方法，如空间自相关分析、区域空间模式分析、基于DEM的县域经济空间宏观分析、反距离加权法等方法。
（1）空间自相关性分析方法：空间自相关分析是用来检验某种要素属性值和与它相邻空间要素上的属性值是否存在较大关联。空间自相关包含正相关以及负相关，正相关是表明某要素和其相邻空间要素的属性值为相似的，反则负相关。所以，空间自相关通常用来发现空间的聚集和异质性。全局自相关与局域自相关是空间自相关的两个形态。
（2）区域空间模式分析：利用分位法将数据分成几个等级，将几种等级的数据导入地图中，会直观的看到每个地区之间的差异和相关性。
（3）基于DEM的县域经济空间宏观局势分析：基于DEM的县域经济空间宏观局势分析是分析地形地貌与经济发展有一定的关联性。为揭示两者的关系，在ArcGIS平台中将省DEM与县域边界矢量图叠加，基于分区统计工具统计出各县域的平均高程，与县域经济综合指数在地统计分析模块中分别作趋势分析。
（4）反距离加权法：反距离加权法是常用的空间内插方法之一，认为与未采样点距离最近的若干个点对未采样点值的贡献最大，其贡献与距离成反比。
2、对区域经济空间格局进行分析
经济空间结构是各种经济活动在区域内的空间分布状态及空间组合形式，是区域经济的一种重要结构。区域空间结构不是单纯的空间构架，而是通过一定的空间组织形式把分散于地理空间的相关资源和要素连接起来，可以说它是各种经济活动进行的基础和前提，而且区域经济空间结构还能产生特殊的经济效益，比如节约经济，集聚经济，规模经济等多种形式。对经济的空间格局分析常用的方法：区域空间模式分析，重心分析等。
（1）区域空间模式分析：利用分位法将数据分成几个等级，将几种等级的数据导入地图中，会直观的看到经济空间格局及其变化。
（2）重心分析：重心即加权平均中心，是通过赋予空间对象几何坐标的不同权重，将空间对象的其他属性如人口，土地利用类型，经济发展指标加以考虑，并对其加权平均中心的结果进行比较，直观的表现区域经济空间格局。
3、对区域产业结构布局进行分析
由于区域产业结构受多种因素的影响，而且产业结构的合理化程度也直接影响着区域经济的发展，所以区域产业结构布局分析显得也比较重要。利用GIS技术来进行分析，关键是怎样把区域产业结构分析模型与GIS系统空间分析模块结合起来、往往通过以下两种方式进行诠释。
（1）GIS绘图法：运用 ArcMap 软件制作专题地图，将产业结构相似的县 (区)用同一种颜色或样式表达，这样我们就可以在图上看出区域之间产业结构演化的空间信息。
（2）结构偏离度研究法：产业结构空间演化是在经济发展过程中实现的，在其演化过程中，就业结构与产值结构同时发生复杂变动。将产值结构和就业结构的变动联系起来加以分析，用以测定社会经济发展水平的均衡性。
10、地理大数据的类型有哪些？举例说明大数据分析的领域有哪些？
地理大数据的类型
根据数据来源可分为：
（1）来自设备：遥感卫星数据、大小飞机数据、视频监控数据
气象台站数据、空气质量数据、传感器类数据、车辆GPS数据
手机信号数据
（2）来自人：基础测绘数据、社会统计数据、问卷调查数据
规划设计数据、行为记录数据、社交网站数据
（3）来自系统：业务系统数据、办公文档资料、网页资料数据
交易往来数据、系统日志数据
按照数据获取途径划分：
数据可分为直接的（如监控设备采集的视频影像）、自动的（如手机、公交卡获取的数据）、志愿的（如社交媒体获取的数据）。
按照关注的对象可以分为两类：对地观测和人类行为观测。
大数据分析的领域
①金融领域
中国金融行业正在步入大数据时代的初级阶段，金融行业非结构化数据迅速增长，未来的金融业将开展新一轮围绕大数据的IT建设投资。优秀的数据分析能力是当今金融市场创新的关键，资本管理、交易执行、安全和反欺诈等相关的数据洞察力，成为金融企业运作和发展的核心竞争力。
②安防领域
近几年随着平安城市、智能交通等行业的快速发展，大集成、大联网、云技术推动安防行业进入大数据时代。安防行业大数据的存在已经被越来越多的人熟知，特别是安防行业海量的非结构化视频数据，以及飞速增长的特征数据，带动了大数据应用的一系列问题。
③能源领域
能源大数据理念是将电力、石油、燃气等能源领域数据及人口、地理、气象等其他领域数据进行综合采集、处理、分析与应用的相关技术与思想。能源大数据不仅是大数据技术在能源领域的深入应用，也是能源生产、消费及相关技术革命与大数据理念的深度融合，将加速推进能源产业发展及商业模式创新。
④医疗领域
大数据分析应用的计算能力可以让我们能够在几分钟内就可以解码整个DNA。并且让我们可以制定出最新的治疗方案，同时可以更好的去理解和预测疾病。就好像人们戴上智能手表等可以产生的数据一样，大数据同样可以帮助病人对于病情进行更好的治疗。
⑤电力行业领域
大数据对该行业的应用主要体现在智能电网上，通过获取人们的用电行为信息，大数据分析对智慧城市建设的意义和智能电网是密不可分的。智能电网能够实现优化电的生产、分配以及消耗，有利于电力企业精细化运营管理等多方面，实现更科学的电力需求管理。
⑥ 国土空间规划
建立起地理信息大数据的相关平台，有了地理信息大数据平台，工作人员在空间上进行全局的把握，针对于各个领域不同的工作人员也可以相互协调。其次不同领域权责更加清晰，不会在工作领域上相互交叉。最后利用地理信息数据平台上的数据，对于现行的国土信息规划计划进行一定程度的审议。
⑦在城市研究中的应用
a.城市规划识别与评估:城市单地块与地块间出行量时序变化，揭示城市地块用地属性、不同地块之间出行活动集散程度识别城市内部功能子区、发现功能规划与实际利用的对应关系。
b.交通状态估计与优化:探测城市道路交通状况、提取城市道路的交通流量、车流速度、和拥堵程度等信息、交通预测、个性化最快路线设计、缓解交通拥堵。
c.能耗与污染物排放估算 :基于城市交通流估算能源和污染排放、根据车速、流量和平均排量计算出能耗和尾气排放情况、细粒度的空气污染预警、改进城市规划。
7. 地理空间统计模型的分为几类，它们的定义分别是什么？
（1）地统计分析：是一门以区域化变量理论为基础，以变异函数为主要工具，研究那些分布于空间上既有随机性又有结构性的自然或社会现象的科学。相对于物理机制建模，地统计是一种分析空间位置(空间结构)相关地学信息的经验性方法。
包括：区域化变量的变异函数模型、克里金估计、随机模拟
①变异函数（Variogram），又称为半变异函数、半方差函数等，是区域化变量空间结构的一种形式化表达，数学表示为两个随机变量Z(x)和Z(x+h)之间增量的方差的一半。
②克里金估计：依据协方差函数对随机过程/随机场进行空间建模和预测（插值）的区域化变量估值方法。包括普通克里金、泛克里金、协同克里金、指示克里金等。
（2）空间点模式分析: 根据实体或事件的空间位置研究其分布模式的方法称为空间点模式分析。地理学家在研究过程中发展了两类点模式分析方法：
①以聚集性为基础的基于密度的方法：
样方计数法: 通过空间上点分布密度的变化探索空间分布模式，一般使用随机分布模式作为理论上的标准分布，将QA计算的点密度和理论分布做比较，判断点模式属于聚集分布、均匀分布还是随机分布。
核密度估计法: 地理事件可以发生在空间的任何位置上，但是在不同的位置上，事件发生的概率不一样。点密集的区域事件发生的概率高，点稀疏的地方事件发生的概率低。
即：使用事件的空间密度分析表示空间点模式。
②以分散性为基础的基于距离的技术：
通过测度最近邻点的距离分析点的空间分布模式，主要包括最邻近指数、G-函数、F-函数、K-函数方法等。
（3）面状数据空间模式分析方法：
很多地理现象都通过规则的或不规则的多边形表示，这类地理现象的显著特点是空间过程与边界明确的面积单元有关。面状数据通过各个面积单元变量的数值描述地理现象的分布特征。例如气候类型区、土壤类型区、土地利用类型区、行政区、人口普查区等。面状数据的空间模式研究的是面积单元的空间关系作用下的变量值的空间模式。面积单元之间的邻接与否、距离远近等对于变量的空间分布具有重要影响。
①边界邻接法：面积单元之间具有共享的边界，被称为是空间邻接的，用边界邻接可以定义一个面积单元的直接邻接，然后根据邻接的传递关系还可以定义间接邻接，或者多重邻接。
②重心距离法：面积单元的重心或中心之间的距离小于某个指定的距离，则面积单元在空间上是邻接的。这个指定距离的大小对于一个单元的邻接数量有影响。
还包括空间自相关分析： 空间自相关是指一个区域分布的地理事物的某一属性和其他所有事物的同种属性之间的关系，它研究的是不同观察对象的同一属性在空间上的相互关系。
空间自相关性使用全局和局部两种指标来度量全局指标用于探测整个研究区域的空间模式，使用单一的值来反映该区域的自相关程度；局部指标计算每一个空间单元与邻近单元就某一属性的相关程度。全局相关使用全局莫兰指数、全局热点分析等；局部相关可以使用局部莫兰指数、局部热点分析等。
也会使用到处常规的统计分析模型或方法参与分析。
12、地理空间分类与聚类算法的差别是什么？
地理空间数据聚类是按照某种距离度量准则，在大型、多维数据集中标识出聚类或稠密分布的区域，从而发现数据集的整体空间分布模式。该方法把空间数据库中的对象分为有意义的子类，使同一子类内部的成员有尽可能多的相同属性，而不同的子类之间差异较大。目前，地理空间聚类方法主要有四类：分割法、层次法、基于密度的方法及基于网格的方法。而经典聚类法包括K-mean、K-mediods、ISODATA等。
地理空间分类与预测是根据已知的分类模型把数据库中的数据映射到给定类别中，进行数据趋势预测分析的方法。
分类和聚类算法的差别在于：聚类算法是根据一定要求将对象聚为一个集合，最后得到的分布模式是聚类之前未确知的；分类算法则是根据已知分布模式的属性要求，将数据库对象归入相应的分类中。在机器学习中，数据分类一般称为监督学习，而数据聚类则称为非监督学习。