1、.元胞自動(dòng)機(jī)cellular automate ca 具有強(qiáng)大的空間運(yùn)算能力，常用于自組織系統(tǒng)演變過程。它是時(shí)間空間狀態(tài)都離散，空間相互作用和時(shí)間因果關(guān)系都為局部的網(wǎng)格動(dòng)力學(xué)模型，具有模擬復(fù)雜系統(tǒng)演化過程的能力。自下而上的研究思路，充分體現(xiàn)了復(fù)雜系統(tǒng)局部的個(gè)體行為產(chǎn)生全局有秩序模式的理念。地理現(xiàn)象屬于典型的動(dòng)態(tài)復(fù)雜系統(tǒng)， 具有開放性、 動(dòng)態(tài)性、自組織性、 非平衡性等耗散結(jié)構(gòu)特征。ca 可以模擬復(fù)雜城市系統(tǒng)的某些特征， 但是單個(gè)的 ca 很難準(zhǔn)確模擬復(fù)雜城市系統(tǒng)的所有特征，可以將復(fù)雜城市系統(tǒng)進(jìn)行分解，用不同的ca 模擬城市系統(tǒng)的不同特征。gis能夠很好的解決部分空間相關(guān)問題以及靜態(tài)問題但對(duì)復(fù)雜的

2、時(shí)空動(dòng)態(tài)變化地理現(xiàn)象難以實(shí)現(xiàn)，空間建模方面具有一定的局限性。動(dòng)態(tài)系統(tǒng)的建模：計(jì)算領(lǐng)域的動(dòng)態(tài)影響， 大量的迭代運(yùn)算， 確定與空間位置相關(guān)的具有指示性的因素， 多層疊加要素信息的提取， 通達(dá)性的動(dòng)態(tài)變化， 迭代過程中空間變量的更新， 動(dòng)態(tài)變化過程的可視化，模型的校正ca 增強(qiáng) gis空間動(dòng)態(tài)建模的功能，可謂gis空間分析的引擎。 gis在空間分析和空間決策方面有很好的應(yīng)用，但在動(dòng)態(tài)空間建模和操作方面有較大的局限性。ca 強(qiáng)大的時(shí)間建模能力能夠豐富 gis 現(xiàn)有的時(shí)空分析功能。模擬各種現(xiàn)象隨時(shí)空變化的動(dòng)態(tài)性。多智能體系統(tǒng)成為一種進(jìn)行復(fù)雜系統(tǒng)分析與模擬的思想方法和工具，單個(gè) agent 具備一定的功能

3、， 但對(duì)現(xiàn)實(shí)中復(fù)雜的大規(guī)模的問題，單個(gè) agent 無法描述和解決，多個(gè)智能體之間具有互動(dòng)性交互性反應(yīng)性自主性特點(diǎn)，相互協(xié)作達(dá)到共同的整體目標(biāo)。定義為有多個(gè)可以相互交互的 agent 計(jì)算單元所組成的系統(tǒng)。地理空間系統(tǒng)是一個(gè)典型的復(fù)雜系統(tǒng)，動(dòng)態(tài)發(fā)展是基于微觀空間個(gè)體相互作用的結(jié)果。多智能體系統(tǒng)思想的核心就是微觀個(gè)體的相互作用能夠產(chǎn)生宏觀全局的格局。當(dāng)把多智能體系統(tǒng)引進(jìn)地理模擬時(shí)， 多智能體就帶有空間屬性和空間位置，其空間位置往往是變化的，與傳統(tǒng)的多智能體有明顯的不同。ca 側(cè)重的是自然環(huán)境要素，無法考慮復(fù)雜的空間決策行為及人文因素，ca 與多智能體系統(tǒng)結(jié)合起來， 將社會(huì)經(jīng)濟(jì)及行為等屬性賦給多智

4、能體，使模型可以反映影響土地利用格局演變的人文因素。gis空間分析一般方法空間查詢和檢索，空間量算?？臻g插值，疊置分析，緩沖區(qū)分析ca 基本特征元胞分布在按照一定規(guī)則劃分的離散的元胞空間上系統(tǒng)的演化按照等間隔時(shí)間分步進(jìn)行，時(shí)間變量取等步長的時(shí)刻點(diǎn)每個(gè)元胞都有明確的狀態(tài)，并且元胞的狀態(tài)只能取有限個(gè)離散值元胞下一刻演化的狀態(tài)值是由確定的轉(zhuǎn)換規(guī)則所決定每個(gè)元胞的轉(zhuǎn)換規(guī)則只由局部鄰域內(nèi)的元胞狀態(tài)所決定優(yōu)點(diǎn)：在 ca 中，物理和計(jì)算過程直接的聯(lián)系是非常清晰ca 能用比數(shù)學(xué)方程更為簡單的局部規(guī)則產(chǎn)生更為復(fù)雜的結(jié)果能用計(jì)算機(jī)對(duì)其進(jìn)行建模，而無精度損失能模擬任何可能的自然系統(tǒng)行為ca 不能在約簡gis提供了豐

5、富的空間信息和強(qiáng)有力的空間數(shù)據(jù)處理平臺(tái)，滿足在空間格局方面分析的需要，但是時(shí)空動(dòng)態(tài)發(fā)展過程比最終形成的空間格局更為重要。gis與時(shí)空動(dòng)態(tài)模型的耦合將會(huì)極大的增強(qiáng)現(xiàn)有g(shù)is分析復(fù)雜自然現(xiàn)象的能力。gis 能解決時(shí)空動(dòng)態(tài)模型海量數(shù)據(jù)的獲取儲(chǔ)存;.更新等問題。城市動(dòng)態(tài)性自組織性突變性復(fù)雜特征需要?jiǎng)討B(tài)模型的模擬城市 ca 的基本原理是通過局部規(guī)則模擬出全局的復(fù)雜的城市發(fā)展模式。ca 要素元胞狀態(tài) 鄰域轉(zhuǎn)換規(guī)則面向?qū)ο蠓诸惙▊鹘y(tǒng)的遙感影像分類方法主要是基于遙感影像光譜信息極其豐富，地物間光譜差異較為明顯，光譜特性差異進(jìn)行像元級(jí)別的分類，以像元為單位描述地表模式， 很少考慮內(nèi)部紋理結(jié)構(gòu)等信息， 一級(jí)相鄰像

6、元之間的關(guān)聯(lián)信息。但高分影像包含了更多的紋理、結(jié)構(gòu)等信息，傳統(tǒng)的分類方法會(huì)造成空間數(shù)據(jù)的大量冗余，分類結(jié)果呈現(xiàn)椒鹽現(xiàn)象，不利于空間分析。 因此需要一種更加適宜的分類方法。 面向?qū)ο蠓诸惙椒紤]同質(zhì)性對(duì)象，區(qū)別分析的是基本實(shí)體，是有意義的影像對(duì)象， 不是單個(gè)像元， 不再是簡單的影像對(duì)象的光譜信息，包含更多的對(duì)象的空間信息和語義信息。主要是根據(jù)具有類似光譜信息的像元進(jìn)行結(jié)合，而成為一個(gè)對(duì)象，綜合考慮對(duì)象的空間、紋理、結(jié)構(gòu)和光譜信息的差異，進(jìn)行利用影像分割和分類器的構(gòu)建。分割尺度和空間結(jié)構(gòu)特征，對(duì)象生成主要是根據(jù)影像的顏色和形狀特征進(jìn)行分割，空間插值方法原理特點(diǎn)，每個(gè)對(duì)象的屬性隸屬概率和空間相關(guān)特征

7、，進(jìn)行語義信息提取。影像分割是把影像分成各具特性的區(qū)域的技術(shù)和過程，是要素表達(dá)的基礎(chǔ)， 對(duì)特征和屬性測量具有重要影響，位置形狀大小。影像分割的要素提取特征提取和參數(shù)測量可以將原始影像轉(zhuǎn)換為更抽象更緊湊的形式，使得高層次的影響分析和理解成為可能。景觀識(shí)別。核電站選址問題智能體相關(guān)問題空間優(yōu)化定量分析方法有哪些應(yīng)用特點(diǎn)可見光 近紅外波段定量遙感 熱紅外波段定量遙感 微波遙感研究計(jì)劃1、說明緩沖區(qū)分析及其在地學(xué)中的應(yīng)用例子(10 分)簡述 gis空間分析功能，并試以實(shí)例說明其在地學(xué)中的應(yīng)用及意義。答：空間分析是基于地理對(duì)象的位置和形態(tài)的空間數(shù)據(jù)的分析技術(shù)，其目的在于提取空間信息或者從現(xiàn)有的數(shù)據(jù)派生出

8、新的數(shù)據(jù)，是將空間數(shù)據(jù)轉(zhuǎn)變?yōu)樾畔⒌倪^程。利用空間分析可以得到緩沖區(qū)，對(duì)購房、學(xué)校選址等各方面都有作用二、 試解釋緩沖區(qū)分析和疊置分析的概念，并舉例說明這兩種空間分析方法的用途。答：緩沖區(qū)分析 : 是對(duì)一組或一類地物按緩沖的距離條件，建立緩沖區(qū)多邊形，然后將這一圖層與需要進(jìn)行緩沖區(qū)分析的圖層進(jìn)行疊加分析，得到所需結(jié)果的一種空間分析方法。明確分析和評(píng)價(jià)目的收集基礎(chǔ)數(shù)據(jù)包括空間數(shù)據(jù)和屬性數(shù)據(jù)利用 gis 軟件進(jìn)行分析處理獲取分析結(jié)果并進(jìn)行分析專題如輸出道路拓寬改建過程中的拆遷指標(biāo)計(jì)算計(jì)算道路拓寬而需要拆遷的建筑面積和房產(chǎn)價(jià)值道路拓寬改建標(biāo)準(zhǔn)明確分析道路拓寬改建項(xiàng)目和標(biāo)準(zhǔn)要求收集所需資料 空間屬性數(shù)據(jù)

9、空間操作選擇拓寬的道路，建立緩沖區(qū)將緩沖區(qū)圖與建筑物分布圖進(jìn)行拓?fù)浏B加，包含所有部分或全部位于拓寬區(qū)內(nèi)的建筑物信息統(tǒng)計(jì)分析選擇落入拆遷區(qū)內(nèi)的樓層條件，拆遷物，拆遷指標(biāo)計(jì)算;.2、矢量數(shù)據(jù)與柵格數(shù)據(jù)在結(jié)構(gòu)表達(dá)方面有什么特色，它們的優(yōu)劣比較是什么？ (10 分)3、如何利用 gis進(jìn)行選址？請(qǐng)列出相應(yīng)步驟(20 分)空間選址是指在一定地理區(qū)域內(nèi)為一個(gè)或多個(gè)選址對(duì)象選定位置,使某一指標(biāo)或綜合指標(biāo)達(dá)到最優(yōu)的過程。 1909 年,weber 研究了在平面上確定一個(gè)倉庫的位置,使 得倉庫與多個(gè)顧客之間的總距離最小的問題5 (稱為 weber 問題 ),正式開始了空間選址問題的研究。gis的功能覆蓋數(shù)據(jù)采集

10、分析決策應(yīng)用的全部過程,并能回答和解決以下5 類問題 : 1)位置 即在某個(gè)地方有什么 ;2)條件 即符合某些條件的實(shí)體在哪里;3)趨勢(shì) 即某個(gè)地方發(fā)生的某個(gè)事件及其隨時(shí)間的變化過程 ; 4)模式 即某個(gè)地方存在的空間實(shí)體的分布模式;5)模擬 即某個(gè)地方如果具備某種條件會(huì)發(fā)生什么。確定需要選址的目標(biāo)對(duì)象以及問題的基本要求準(zhǔn)備、收集、整理、分析涉及到的地理數(shù)據(jù)及其他相關(guān)選址資料根據(jù)目標(biāo)和問題的具體需求，利用gis 的有關(guān)技術(shù)，得出一系列的候選地點(diǎn)構(gòu)造選址模型從候選點(diǎn)中評(píng)價(jià)優(yōu)選現(xiàn)場實(shí)地勘察和評(píng)議決策由于技術(shù)和數(shù)據(jù)等方面的限制， 得到的選址結(jié)果可能與現(xiàn)實(shí)不符或收到客觀條件的限制， 因此需要對(duì)所有結(jié)果

11、進(jìn)行實(shí)地勘測驗(yàn)證，確保選址結(jié)果的可行性和正確性，進(jìn)而進(jìn)行評(píng)議和通過決策面積區(qū)位特征自然區(qū)位因素社會(huì)綜合因素經(jīng)濟(jì)因素經(jīng)濟(jì)狀況 土地價(jià)格 選址對(duì)象維護(hù)費(fèi)用作用范圍4、gis空間數(shù)據(jù)的內(nèi)插方法有哪幾種？(20 分)空間內(nèi)插方法的定義及其分類空間數(shù)據(jù)內(nèi)插，就是根據(jù)一組已知的離散數(shù)據(jù)或分區(qū)數(shù)據(jù)，按照某種數(shù)學(xué)關(guān)系推求出其他未知點(diǎn)或未知區(qū)域的數(shù)學(xué)過程?？臻g數(shù)據(jù)內(nèi)插是數(shù)據(jù)處理的一項(xiàng)重要任務(wù)，在很多情況下必須進(jìn)行內(nèi)插，如采樣密度不夠，采樣分布不合理，采樣存在空白區(qū)，等值線的自動(dòng)內(nèi)插， 數(shù)值等高模型的建立，區(qū)域邊界分析，曲線光滑處理，空間趨勢(shì)預(yù)測，采樣結(jié)果的三維可視化等。內(nèi)插要體現(xiàn)漸變特征，以能較好地表示連續(xù)的空

12、間漸變模型為原則。進(jìn)行空間內(nèi)插的方法多種多樣，可依據(jù)：全局或局部；點(diǎn)與面； 確定或隨機(jī)等標(biāo)準(zhǔn)分類。本文依據(jù)內(nèi)插方法的基本假設(shè)和數(shù)學(xué)本質(zhì)，把空間內(nèi)插分類為以下幾種方法，函數(shù)方法、統(tǒng)計(jì)方法、 隨機(jī)模擬方法、分形內(nèi)插法、遺傳神經(jīng)網(wǎng)絡(luò)內(nèi)插法。常用的內(nèi)插方法空間統(tǒng)計(jì)方法空間統(tǒng)計(jì)的基本假設(shè)建立在空間相關(guān)的先驗(yàn)?zāi)Ｐ椭?，距離較近的采樣點(diǎn)比距離遠(yuǎn)的采樣點(diǎn)更相似， 相似的程度、或空間協(xié)方差的大小，是通過點(diǎn)對(duì)的平均方差度量的。其最大優(yōu)點(diǎn)是能克服內(nèi)插中誤差難以分析的問題，對(duì)誤差做出逐點(diǎn)的理論估計(jì)，不會(huì)產(chǎn)生回歸分析的邊界效應(yīng)。缺點(diǎn)是復(fù)雜， 尤其當(dāng)變異函數(shù)是幾個(gè)標(biāo)準(zhǔn)變異函數(shù)模型的組合;.時(shí)，計(jì)算量很大； 另一個(gè)缺點(diǎn)是變

13、異函數(shù)需要根據(jù)經(jīng)驗(yàn)人為選定?？臻g統(tǒng)計(jì)方法以及其各種變種（等）為代表。統(tǒng)計(jì)方法統(tǒng)計(jì)方法的基本假設(shè)是一系列空間數(shù)據(jù)相互相關(guān)，預(yù)測值的趨勢(shì)和周期是與它相關(guān)的其它變量的函數(shù)。 其優(yōu)點(diǎn)是計(jì)算開銷不大， 能對(duì)誤差做出整體估計(jì)。但如果采樣過程不能反映出表面變化的重要因素，如周期性和趨勢(shì)，則不能取得好效果。常用的統(tǒng)計(jì)方法有趨勢(shì)面方法和多元回歸方法。趨勢(shì)面法趨勢(shì)面法是根據(jù)有限的觀測數(shù)據(jù)擬合曲面，進(jìn)行內(nèi)插。多元回歸法在各種統(tǒng)計(jì)方法中，使用較多的是回歸分析， 其特點(diǎn)是不需分布的先驗(yàn)知識(shí)。趨勢(shì)面分析有內(nèi)在的多重共線性問題；而在多元回歸中，盡管也存在多重共線性，但它并非內(nèi)在的，可通過逐步回歸解決。因此，相對(duì)于趨勢(shì)面的選擇次數(shù)，多元回歸的核心問題是選擇變量和區(qū)分模型。函數(shù)方法使用函數(shù)逼近曲面， 在空間內(nèi)插領(lǐng)域大多用于一些特殊場合，如利用高密度的高程數(shù)據(jù)產(chǎn)生等高線、為提高網(wǎng)格數(shù)據(jù)的空間分辨率而內(nèi)插數(shù)據(jù)等。該方法不適于利用有限的觀測數(shù)據(jù)進(jìn)行缺值預(yù)測和內(nèi)插網(wǎng)格，因?yàn)樗y以滿足內(nèi)插的精度，也難以 估計(jì)誤差。 函數(shù)方法的特點(diǎn)是不需要對(duì)空間結(jié)構(gòu)的預(yù)先估計(jì)和統(tǒng)計(jì)假設(shè)。缺點(diǎn)是難以估計(jì)誤差。 常用的函數(shù)方法有：傅里葉級(jí)數(shù)、樣條函數(shù)、雙線性內(nèi)插、立方卷積法等。隨機(jī)模擬方法隨機(jī)模擬的基本假設(shè)與空間統(tǒng)計(jì)方法不同，認(rèn)為地理空間具有非平穩(wěn)性，是空間異質(zhì)的。對(duì)應(yīng)不確定性， 隨機(jī)模擬可以接受可選的多個(gè)估計(jì)結(jié)