地理信息科学B考试题库以及答案整理.pdf

1.什么是什么是空间插值？空间插值？ 空间插值就是利用离散点构建一个连续的曲面。 它的目的是使用有限的观测值， 通过估 计值对无数据的点进行填补。 （推论 1） 当只有内蕴量信息时， 可通过地统计分析， 弥补外蕴量信息缺口， 运用 HASM 构建高精度曲面。 空间插值常用于将离散点的测量数据转换为连续的数据曲面， 以便与其它空间现象的分 布模式进行比较，它包括了空间内插和外推两种算法。（百科） 尺度转换是指利用某一尺度上所获得的信息和知识来推测其它尺度的现象， 包括升尺度 和降尺度。 2.什么是空间降尺度？什么是空间降尺度？ 降尺度转换是指将粗分辨率数据向细分辨率转换。 （推论 2）当粗分辨率宏观数据可用时，应补充地面观测信息，并运用 HASM 对此粗粉 辨率数据进行降尺度处理，可获取更高精度的高分辨率曲面。 许多模型和数据由于空间分辨率太粗而无法用于分析区域尺度和局地尺度问题。 为了解决这个问题， 需要研发降尺度方法， 将粗分辨模型输出结果和粗分辨率数据降尺 度为高空间分辨率数据。 3.什么是空间升尺度？什么是空间升尺度？ 升尺度是指将细分辨率数据向粗分辨率转换。 在许多情况下，为了节约计算成本，需要将细分辨率数据转换为粗分辨率数据，此过程 称之为升尺度。 推论 3（升尺度）： 当运用 HASM 将细分变率曲面转化为较粗分辨率曲面时，引入地 面细节数据可提高升尺度结果的精度。 4.什么是数据融合？什么是数据融合？ 数据融合是将表达同一现实对象的多源、 多尺度数据和知识集成成为一个一致的有用形 式，其主要目的是提高信息的质量，使融合结果比单独使用任何一个数据源都有更高精度。 推论 4（数据融合）：卫星遥感信息可用时，必须补充来自地面观测信息，尚可运用 HASM 构建地球表层及其环境要素高精度曲面， 得到较遥感信息更高精度的结果。 推论 5 （数据融合）：卫星遥感信息和地面观测信息可用时，可运用 HASM 构建地球 表层及其环境要素高精度曲面，获得较卫星遥感信息和地面观测信息精度都高的结果。 5.什么是数据同化？什么是数据同化？ 数据同化就是将地面观测数据并入系统模型的过程，其目的是提高系统模型的精度。 推论 6（数据同化）：当动态系统模型可用时，补充地面观测信息可提高 HASM 构建 曲面的精度，其精度高于动态系统模型模拟结果。 推论 7（数据同化）：当动态系统模型和地面观测信息可用时，可运用 HASM 构建高 精度曲面，获得较动态系统模型和地面观测信息精度都高的结果。 6.简述空间相关性的含义。简述空间相关性的含义。 空间上相关的一系列对象表现出的特殊的统计性联系。 空间自相关(spatial autocorrelation)是指一些变量在同一个分布区内的观测数据之间潜 在的相互依赖性。Tobler(1970)曾指出“地理学第一定律：任何东西与别的东西之间都是相关 的，但近处的东西比远处的东西相关性更强”。 （百科） 7.简述简述 Morans I 的含义和应用。的含义和应用。 Morans I 是用来度量空间自相关的全局指标，反映的是空间邻接或空间邻近的区域单 元属性值的相似程度。 （中心值与周围值之和的线性回归） Moran 指数 I 的取值一般在-1，1之间，0 正的空间自相关，=0 表示表明不存在空间自相关，即观测值在空间上随机排列。 应用应用： 中国大陆省级行政区人均 GDP 的空间关联分析， 如果全局 Moran 指数均为正值； 在正态分布假设之上， 对 Moran 指数检验的结果也高度显著。 就是说各省级行政区人均 GDP 水平的空间分布并非表现出完全的随机性， 而是表现出相似值之间的空间集聚， 其空间联系 的特征是： 较高人均 GDP 水平的省级行政区相对地趋于和较高人均 GDP 水平的省级行政区 相邻， 或者较低人均 GDP 水平的省级行政区相对地趋于和较低人均 GDP 水平的省级行政区 相邻。 全局指标计算结果只有整体的一个值全局指标计算结果只有整体的一个值 局部指标是每个省份都能算出一个值局部指标是每个省份都能算出一个值 8.简述简述 LISA 指数的含义和应用。指数的含义和应用。 空间联系的局部指标（local indicators of spatial association ，缩写为 LISA）满足下列两 个条件： （1） 每个区域单元的 LISA， 是描述该区域单元周围显著的相似值区域单元之间空间集 聚程度的指标； （2）所有区域单元 LISA 的总和与全局的空间联系指标成比例。 LISA 包括局部 Moran 指数（local Moran）和局部 Geary 指数（local Geary） 应用： 将 Moran 散点图与 LISA 显著性水平相结合， 可得到 “Moran 显著性水平图”; 作 图可显示出显著的 LISA 区域，并分别标识出对应于 Moran 散点图中不同象限的相应区域， 仍以中国大陆省级行政区人均 GDP 进行计算，如果位于第 1 和第 3 象限内，为正的空间联 系，属于低低集聚和高高集聚类型，如果位于第 2 和第 4 象限内，为负的空间联系，属于低 高集聚和高低集聚类型 9.简述空间数据的特点。简述空间数据的特点。 空间自相关：相邻的点属性值相似（详见 6） 和空间异质性：一个区域内某一性状、 事件或关系的不均匀分布，可分为空间局域异质性（spatial local heterogeneity）和空间分层 异质性（spatial stratified heterogeneity） 。前者是指该点属性值与周围不同，例如热点或冷点； 后者是指多个区域之间互相不同，例如分类和生态分区。空间局域异质性可用 LISA, Gi 和 SatScan 来检验；空间分异性可用地理探测器 q-statistic 来检验。 or 它指的是一个区域内每个物种的不同浓度的不均匀分布 or 空间上的特征差异，这个 特征可以是均值、方差、空间自相关等 （课件上） 空间数据是指用来表示空间实体的位置、 形状、 大小及其分布特征诸多方面信息的数据， 它可以用来描述来自现实世界的目标，它具有定位、定性、时间和空间关系等特性。定位是 指在已知的坐标系里空间目标都具有唯一的空间位置；定性是指有关空间目标的自然属性， 它伴随着目标的地理位置 ；时间是指空间目标是随时间的变化而变化；空间关系通常一般 用拓扑关系表示。空间数据是一种用点、线、面以及实体等基本空间数据结构来表示人们赖 以生存的自然世界的数据。 空间数据具有三个基本特征：空间特征（定位）、属性特征（非定位）、时间特征（时 间尺度）。（百度） 10. 简述空间抽样三位一体原理简述空间抽样三位一体原理。（王劲峰，第二讲里面） EIV 三位一体：地学对象，空间抽样 ，统计推断 地学对象：独立同分布（）、空间自相关 (r)、空间分异性 (q)、混合 (诊断图可表达 为各种基础图的不同组合、可反映资源环境的动态变化及其驱动因素;实施图以诊断图为依 据,通过改变各种边界条件,分析推理不同控制条件下的决策方案,可为进行规划实验提供依 据和预案。 意义：地学信息图谱具有以下 4 个重要功能:借助图谱可以反演和模拟时空变化,即可 反演过去、 预测未来;可利用图的形象表达能力,对复杂现象进行简洁的表达;多维的空间 信息可展示在二维地图上,从而大大减小了模型模拟的复杂性;在数学模型的建立过程中, 图谱有助于模型构建者对空间信息及其过程的理解。 26. 用图说明人活动轨迹的时空可视化表达方法。【用图说明人活动轨迹的时空可视化表达方法。【没有没有找到确切答案，此内容来自找到确切答案，此内容来自一篇一篇 相关的中文文献，供参考】相关的中文文献，供参考】 轨迹数据具有时空属性和许多其他属性，如速度、方向、高度等，可视化技术可以用来 直观地表现其中的一种或多种属性。 （1）轨迹的空间属性可视化）轨迹的空间属性可视化 轨迹的空间属性一般是移动物体在空间中的位置及该位置周围的地理情况。 最初的显示 轨迹的方式是简单地在地图上显示孤立的记录点简单地在地图上显示孤立的记录点，如图所示早期众多研究者 多使用这种方法来调查探讨实体独立的活动， 从而在地图上找到有重要分析意义的位置， 例 如活动停止的位置。随着定位技术的进步，由原始的记录点形成的曲线或线条能更好地由原始的记录点形成的曲线或线条能更好地 表示运动的轨迹表示运动的轨迹研究人员通过使用插值来研究不完整的轨迹数据集，提供连续的轨迹，如 图所示 除了那些使用地图作为背景来直接标识轨迹数据的可视化方法外， 研究人员已 开发出了新的数据转换技术， 能更好地揭示与表达轨迹中包含的一些规律与趋势。 有人提出 一种数据转换方法， 可将数据的原始位置变换到一个抽象的空间， 使地理信息转化为有意义 的多元数据 通过对数据中实体和一些重要的位置之间的距离进行计算得到这个抽象的空间， 这些重要位置的范围可以是一个单一（或多个）的固定点、一个（或多个）移动的点，甚至 实体之间的距离 这种方法通过结合这些抽象的视图与实际空间上分布的情况进行分析， 提 供了一种帮助分析人员建立从抽象空间映射回现实空间的方法。 （2）轨迹的时间数据可视化）轨迹的时间数据可视化 时间表达具有一种在粒度上的层级系统，包括秒、分钟、小时、天、周、月、年、世纪 等时间包含自然循环周期，其中一些规律在某种程度上可以预测，如季节；其他一些不寻 常的规律包括社会周期或经济周期 当数据涉及时间时， 动画显示动画显示通常被视作分析的第一选择， 许多研究者选择用动画方式 来展示轨迹的演变动画地图被广泛用于移动数据的可视化； 但也有的心理学研究认为动画不一定优于静态展示在进行时空属性相关的可视化分在进行时空属性相关的可视化分 析设计时，通常会使用颜色来对不同的时间段进行分类析设计时，通常会使用颜色来对不同的时间段进行分类 Crnovrsanin 等的方法探讨如何在一个抽象的空间中观察可视化运动的轨迹，如图 3 所 示， 因此时间属性可以被合并入二维平面中的一个维度 这种基于抽象空间对距离可视化的 方法能在二维平面上显示时间或其他属性， 并在一定程度上保持原有的空间格局 如前所述， 时间包含自然循环和重现， 每天由组成， 传统的时钟显示被设计在一个圆形的布局上， 因此不少研究者都利用类似的布局来对轨迹的时间属性进行视觉编码Liu 等提出了一个新 的使用出租车轨迹数据对路线多样性进行分析的可视化系统， 其使用一个具有渐变颜色的圆 环来显示一天的 24h，每度代表了 240s，圆环上共有 360代表一天的 24h图中，红色代 表午夜，绿色是早晨，黄色是中午，橙色是晚上Kapler 等开发的 GeoTime 用来表现轨迹 的时间和地理信息并能跟踪事件、实体和活动，其采用一种以 x,y 轴表现空间属性，以 z 轴 表现时间属性的三维视图设计， 如图 5 所示 这种方法既保持了原有的空间信息与地理相关 知识，也在展示轨迹路径时加上了时间的信息 27. 衡量空间相关性和异质性的指标有哪些，结合自己的专业谈谈应用。衡量空间相关性和异质性的指标有哪些，结合自己的专业谈谈应用。 （资料来自于计量地理学徐建华） （1）衡量空间相关性的指标 全局空间自相关：Moran 指数，Geary 系数 局部空间自相关：LISA（局部 Moran 指数、局部 Geary 指数）、G 统计量、Moran 散 点图 （2）衡量空间异质性的指标：协方差函数、半变异函数 28. 地理探测器的应用。（王劲峰）地理探测器的应用。（王劲峰） 地理探测器模型是一种新的评价健康与其风险因子之间关系的空间分析模型。在利用 地理探测器模型评价健康与连续型风险因子之间的关系时， 需要对连续型风险因子进行离散 化处理。离散化算法的优劣直接影响着地理探测器评估结果的精度。 29. 根据可达性的相关知识，结合各自学科背景，阐述可达性度量方法及应用根据可达性的相关知识，结合各自学科背景，阐述可达性度量方法及应用。 （参考“可达性度量方法及应用研究进展评述_陈洁”） 可达性在不同的研究领域中有不同的意义，其中，有代表性的包括：在社会中产生的包 括直接来源于个体作用与来源于整个社会如交通拥堵、环境污染等副产品作用的必然花费； 在一定的交通系统中, 到达某一地点的难易程度；在合适的时间选择某种交通设施到达目的 地的能力等。 30. 阐述复杂网络健壮性评价的原理、流程与作用阐述复杂网络健壮性评价的原理、流程与作用。 复杂网络是有自组织（系统自发形成有序结构） 、自相似（系统的局域性质或结构与整 体类似） 、吸引子（系统朝稳态趋势发展） 、小世界、无标度中部分或全部性质的网络。 （原理） 网络健壮性分析的实质在于考察网络受到外界干扰或攻击时仍保持运转的能力。 以城市路网健壮性评价为例。城市路网健壮性评价主要是从以下两个方面进行评价：1、相 互连接的道路要素形成的空间结构的稳健程度；2、路网受到自然灾害或人为因素干扰时， 继续保持通行的能力。评价方法：利用无标度网络评价结果，在路链(Stroke)或社区层次上 开展。外界干扰不会导致整条路链或社区交通功能失效，而是局限在路段或局部范围内。 （流程与作用）几个基本流程及其作用如下： （1）随机攻击下路网结构变化。对于城市道路而言，一些极端天气或自然灾害的发生可能 会导致某些道路或部分路段失效， 这种情况下受到影响的道路并无特别的针对性， 是随机的。 （2）目的性攻击下路网结构变化（基于节点度） 。此种情况用于评价战