（土壤学专业论文）面向面状地物的多尺度信息提取方法研究.pdf

摘要 g i s 经历了近4 0 多年的发展，在各领域的应用不断的拓展和深入。但是，随着应用领域的 不断拓展、应用的不断深化以及计算机技术的发展，g i s 的空间数据组织与运行模式面临着巨大 的挑战。目前“数字地球”和i n t e r a c t 技术得到了迅速的发展，使得有限的国家空间基础设施和 无限的海量空间信息与服务之间的矛盾趋于尖锐。而数据库的多重表达可以实现无级比例尺g i s 空间信息的压缩与复现，使得g i s 输出的空间数据随比例尺变化而变化，即空间数据多尺度信息 的提取。 本文立足于面状矢量数据多尺度显示，对矢量数据库的多尺度表达进行深入的研究。在 g a p - t r e e 索引机制进行了深入的研究，并在其基础上发展了改进g a p - t r e e ( i m p r o v e dg a p - t r e e ， i g a p - t r e e ) 多尺度索引机制，用于描述矢量数据的自动综合过程，从而实现了矢量数据的多尺度 信息提取。主要工作包括： g l s 数据自动综合知识规则的表达和知识规则库的自定义。本文提出从专题知识规则库 生成应用知识规则库的模式专题知识规则库用于收集存储专题相关的所有知识规则，用户根据 具体应用的需要对专题知识规则库进行设定，从而生成相应的应用知识规则库。这样一定程度实 现了应用规则库的自定义，同时也提高了系统的通用性 在g a p - t r e e 的基础上发展了i g a p - t r e e 索引机制。i g a p - t r e , e 与r t r e e 索引机制联合使 用实现了矢量数据的多尺度显示。l g a p - t r e e 对g a p - t r e e 进行了压缩，用于实现数据库的多尺度 表达，是利用离散尺度数据库模拟矢量数据的无级比例尺显示，并允许不同的专题应用可以控制 i g a p - t r e e 的深度( 离散尺度的个数) ，这样节省了存储空间，更好的适应不同应用的需求。而r - t r e e 索引机制用于提高数据库的查询速度。从而实现了矢量数据多尺度信息的快速提取。 对离散尺度的采点做了初步的探索，提出并分析了几种离散尺度值采点方法。g i s 数据 可视化过程中，用离散尺度数据模拟无级比例尺数据显示，需要确定各离散尺度的取值，即需要 解决离散尺度的采点问题。本文通过对各种方法的分析与比较，对各采点方法的优缺点进行了讨 论总结。 以面状土地利用数据综合为例，提出了基于多尺度显示的g i s 数据自动综合的实施方案 一基于专题应用知识规则库的批处理综合方案。该方案为基于批处理的矢量数据自动综合提供 了一个实现模式。并利用i g a p - t r e , e 进行了面状土地利用数据的多尺度显示实验。 关键词：i g a p 树，多尺度，多尺度表达，知识规则库，自动综合 a b s t r a c t w i t h4 0y e a r so fd e v e l o p m e n t , g i si sn o wb e i n gu s e di nm o r ea n dm o r e 矗c l d s b u t , w i t ht h e d e e p e n e dl i s ei nm o r ef i e l d sa n dt h ed e v e l o p m e n to fc o m p u t e r 默d e n t h eo r g a n i z a t i o no fs p a t i a ld a t a a n dt h eg u l lp a t t e mo fg i sa g en o wf a c e dw i t hg r e a tc h a l l e n g e s a n da l s o ，t h er a p i dd e v e l o p i n go f “d 磷t a le a r t h a n di n t e r a c tt e c h n i q u eh a sm a d et h ec o n f l i c tb e t w e e nt h el i m i t e dn a t i o ni n f o r m a t i o n i n f r a s t r u c t u r e sa n dm a s s i v es p a f i a ld a mm o r es h a r p h o wt os o l v et h i sc o n f l i c t ? t h em u l t i p l e r e p r e s e n t a t i o no f s p a t i a ld a t a b a s ei sac r u c i a lw a y s i n c et h a ti tc a nr e a l i z et h ec o m p r e s s i n ga n dr e c u r r i n g o fs p a t i a ld a t a t h em u l t i p l er e p r e s e n t a t i o no fs p a t i a ld a t a b a s ec o u l dh e l pt od e r i v em u l t i - s c a l ed a t ao i l l i n e t h i sd i s s e r t a t i o ne s t a b l i s h e di nt h em u l t i - s c a l ev i s u a l i z a t i o no f v e c t o rd a t a , h a sm a d ed e e pr e s e a r c h o nt h em u l t i p l er e p r e s e n t a t i o no fs p a t i a ld a t a b a s eo fv e c t o rd a t a t h ei g a p - t r e eh a sb e e nd e v e l o p e da sa m u l t i - s c a l ei n d e xb a s e do nt h eg a p - t r e e t h ed e r i v a t i o no f m u l t i - s c a l ed a t ai sa c h i e v e du s i n gi g a p - t r e e w h i c hd e s c r i b e st h ep r o c e s so ft h ea u t o m a t i cg e n e r a l i z a t i o no fv e c t o rd a t a t h em a i nr e s e a r c hc o n t e n t s i n c l u d e ： t h er e p r e s e n t a t i o no fr u l e sa n ds e l f - d e f i n i t i o no fm l ed a t a b a s ei ng i sd a t ag e n e r a l i z a t i o n i t i sp r o p o s e dt od e r i v et h er u l ed a t a b a s ef r o mt h et h e m a t i cr u l ew a r e h o u s e t h et h e m a t i cr u l ew a r e h o u s e s t o r e sa l lt h er u l e sw i t hr e s p e c tt oo n et h e m & u s e r sc o u l dm a k es e t t i n g st ot h et h e m a t i cr u l ew a r e h o u s e a c c o r d i n g t o t h e n e e d o f e v e r ya p p l i c a t i o n t o d a t i v e t h e r i d e d a t a b a s e o f e a c ha p p l i c a t i o n t h i s w a y , i t i s r e a i z e x t ol e tr i s e r st od e f i n et h e i ro w nr u l ed a t a b s e ，a l s ot h ev e r s a t i l i t yo f t h ea p p l i c a t i o ni se n h a n c e d d e v e l o p1 g a p - t r e eb a s e do ng a p - t r e e i g a p - t r e et o g e t h e rw i t hr - t r e ei su s e dt or e a l i z et h e m u l t i p l er e p r e s e n t a t i o n so ft h ev e c t o rd a t a , a n dm a k ei te a s yt od e r i v em u l t i - s c a l ed a t af r o mt h e d a t a b a s e w i t hd e t a i l e dd i s c u s s i o na n da n a l y s i s t h eu s e l $ z o o m i n go p e r a t i o n af e wm e t h o d sa r e p r o p o s e dt od e t e r m i n et h ev a l u eo fe v e r yd i s c r e t es q ? a l e i nt h ev i s u a l i z a t i o no fg i s ，t h ed a t au n d e r d i s c r e t es c a l e sa r eu s e dt oa p p r o x i m a t es c a l e l e s sd a t a b a s e ，s ot h ev a l u eo ft h ed i s c r e t es c ；a l em u s tb e d e t e r m i n e dp r o p e r l y b yc o m p a r eo fe v e r ym e t h o d ，t h i sp a p e ru s e dt h e 掣帕m e 州cp r o l 嘲t i o nt od e t e r m i n e t h ev a l u eo fa m ed i s c r e t es c b l e s a na u t o m a t i cg e n e r a l i z a t i o ns c h e m eb a s e d r u l ed a t a b a s eo ft h e m a t i ca p p l i c a t i o nw a s p r o p o s e df o rm u l t i - s c a l ev i s u a l i z a t i o no fg i st a k i n gl a n d - u s ea sa ne x a m p l e t h ei m p l e m e n ts c h e m a d e s c r i b e st h em a i ns t e p so fl a n d - u s ed a t aa u t o m a t i cg e n e r a l i z a t i o nb a s e do nr o l ed a t a b a s e ，a tt h es a m e t i m e ，i tp r o v i d e s a na p p l i c a b l es c h e m ef o r t h ea u t o m a t i c g e n e r a l i z a t i o no fv e c t o rd a t ab y b a t c h o p e r a t i o na tp r e s e n t k e y w o r d s ：i g a p - t r e e ，m u l t i - s c a l e ，m u l t i p l er e p r e s e n t a t i o n ，r u l ed a t a b a s e ，a u t o m a t i cg e n e r a l i z a t i o n 图1 1 空间分辨率等级圆锥 图索引 图1 2 数据库多重表达实现方式 图1 3 矢量数据多尺度信息提取示例 图1 _ 4 知识规则的分类 图1 - 5 论文的组织结构 图2 - 1 狭长图斑 图2 - 2 图斑的综合矩形框 图2 - 3 尺度采点1 图2 _ 4 尺度采点2 图2 5 尺度采点3 图2 - 6 尺度采点4 图3 1g i s 数据自动综合知识分类( 改自 图3 2 知识规则库的建立流程 图3 - 3 自动综合知识规则库组成 3 2 1 2 2 2 3 2 5 高文秀，2 0 0 2 ) 3 5 3 6 3 6图3 4g i s 数据综合智能化三层结构 图3 5 知识规则定义接口的两种实现结构。 图3 6 预存储规则方式实现应用规则库的自定义。 图4 1 数据综合的两个阶段。 图4 2r e a c tiv e - t r e e 。 3 7 图4 3r e a c t i v e t r e e 产生的错误示例。 图“最初的g a p t r e e ( v a no o s t e r o m 1 9 9 3 ) 图4 - 5 实现多尺度显示流程图 图4 6 面状地图示例 图4 - 7 对应的i g a p t r e e 图4 _ 8 对应的g a p t r e e 。3 8 5 3 5 4 5 5 5 5 5 7 6 0 6 0 印 6 2图4 - 9 多尺度数据提取实现方案 图4 - 1 0 基于i g a p t r e e 的自动综合框架。 图4 - 1 1i g a p t r e e 维护流程 图4 - 1 2 动态维护i g a p t r e e ，新增对象( 第一种情况) 图4 - 1 3 动态维护i g a p - t r e e ，新增对象( 第二种情况) 图4 - 1 4 动态维护i g a p t r e e , 删除对象 图4 - 1 5 图斑的几何化简 图4 - 1 6 在线几何化简流程1 图4 - 1 7 在线几何化筒流程2 图4 - 1 8d o u g l a s 算法化简错误示例。 图4 - 1 9 不同尺度下几何化简结果。 图5 1 多尺度在线显示的实旌框架。 图5 2 系统结构图 图5 3 批处理综合实施方案 6 3 6 4 6 5 6 6 6 6 6 8 6 8 6 9 7 0 7 4 7 5 7 8 图5 - 4 自动综合模块结构图 图5 5 实验系统主界面 图5 - 6 小对象定义界面 图5 7 尺度采样方式选择界面 7 9 m ) 8 1 8 1 8 2 8 3 8 3 8 4 图5 8 尺度采点统计图等分需要综合的图斑 图5 - 9 尺度采点统计图等比采样 图5 1 0 指标参数设定界面 图5 1 1 综合操作知识规则设定界面。 表索引 表1 1g i s 需要制图综合功能的原因 表2 - 1 固定倍数放大显示结果 表3 - 1g is 环境下数据综合的两个阶段 表3 2 自动综合所采取的综合操作。 表3 3 指标参数例外情况存储模式。 表3 - 4 小对象例外情况存储。 表3 - 5 综合操作知识规则存储模式 表3 6 图形化简算法存储模式 表3 7 重要对象存储模式 表3 8 重要对象存储示例。 表3 - 9 各综合操作例外情况存储模式 表3 1 0 删除操作例外情况存储示例 3 2 4 0 4 1 4 1 4 3 4 3 表3 1 1 各综合操作下属性处理知识规则存储模式。 表3 1 2 综合操作对应的属性处理知识规则存储示例 表3 1 3 小图斑定义指标存储模式 表3 1 4 删除操作例外情况设定结果 表3 1 5 小图斑合并例外情况设定结果 4 5 表3 1 6 小图斑合并属性处理知识规则设定结果 表3 1 7 小图斑聚合操作例外情况设定结果 表3 1 8 小图斑聚合操作属性处理知识规则 表3 1 9 小图斑融合操作例外情况 表3 2 0 小图斑融合操作属性处理知识规则 表3 2 1 小间距图斑聚合操作的例外情况 表3 2 2 小间距图斑聚合操作属性处理知识规则 表4 _ 1 取不同地参数值时d o u g l a s 算法的化简结果 表5 - 1 自动综合方案 4 8 4 9 4 9 4 9 5 0 5 0 5 0 5 1 5 1 7 1 表5 2 多尺度在线显示统计结果( d o u g l a s 算法参数为1 ) 8 5 表5 - 3 多尺度在线显示统计结果( d o u g l a s 化简算法取o 5 ) 8 8 独创性声明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成 果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发 表或撰写过的研究成果，也不包含为获得中国农业大学或其它教育机构的学位或证书 而使用过的材料。与我一同1 ：作的同志对本研究所做的任何贡献均已在论文中作了明 确的说明并表示了谢意。 研究生签名 鼬间：沙- 每6 玛 疑 关于论文使用授权的说明 本人完全了解中国农业大学有关保留、使用学位论文的规定，即：学校有权保留 送交论文的复印件和磁盘，允许论文被查阅和借阅，可以采用影印、缩印或扫描等复 制手段保存、汇编学位论文。同意中国农业大学可以用不同方式在不同媒体上发表、 传播学位论文的全部或部分内容。 ( 保密的学位论文在解密后应遵守此协议) 研究生签名 导师签名： 脚特 v 寄一 时间：伊护 年月肜日 ， i 时问：2 。 年月7 ，曰 中国农业大学博十学位论文第一章绪论 第一章绪论 地理信息系统( g e o g r a p h i ci n f o r m a t i o ns y s t e m , g i s ) 的主要功能是采集、管理、分析和表达 与地球相关的信息。地理信息系统已经成为人们研究和管理地理信息的重要工具。而海量空间数 据的管理一直以来是地理信息系统发展的瓶颈问题。随着“数字地球”和i n t e m e t 技术的发展， 使得有限的国家空间基础设施和无限的海量空间信息服务之间的矛盾日益尖锐，迫切要求g i s 输 出的空间数据随比例尺变化而自动产生信息量的增减，即无级比例尺g i s 空间信息压缩与复现。 而数字环境下的制图综合技术为无级比例尺g i s 数据库的实现提供了有力的工具。 1 1 地理尺度及相关概念 1 1 1 地理尺度( g e o g r a p h i cs c a l e ) 尺度，尺度在不同的应用领域、从不同的角度均有不同的定义。近些年，在地理学界，尺度 的概念引起了越来越多的重视，但是目前不同的地理学分支学科对尺度的概念有所不同，很难给 出一个定义( r o b e r tb m c m a s t e r , 2 0 0 4 ) 。 不同的尺度下观察地理区域的结果是不同的。如图1 - 1 。 ”o 、一 、 图1 - 1 空间分辨率等级圆锥，引自文献( 牛文元，1 2 ) 中国农业大学博七学位论文第一章绪论 1 1 2 地理数据( g e o g r a p h i cd a t a ) z 地理数据是表征地理圈或地理环境固有要素或物质的数量、质量、分布特征、联系和规律的 致字、文字、图像和图形等的总称，具有空间特征、属性特征和时间特征，由空间数据、属性数 据和时间数据组成，分为基础地理数据和专业地理数据。 地理数据具有多尺度性地理数据的多尺度性一般指的是数据表达的空间范围的相对大小、 属性变化的强弱、内容层次、以及时间的相对长短，不同尺度地理数据信息量有很大的差异( 高 文秀，2 0 0 2 ) 。地理数据包括空间数据，属性数据和时间数据。所以地理数据的多尺度也可分为 空间数据的多尺度、属性数据的多尺度和时间数据的多尺度 空间数据的多尺度：指空间数据表达空间范围的大小层次，和空间信息详细程度。 属性数据的多尺度：指属性变化的强弱、内容的层次性以及衡量的标准、量纲的多样性等 时间数据的多尺度：指时间周期即数据行程周期的长短 其中空闽尺度表征了数据表达的不同详细程度，所以具有可综合性，即根据数据内容表达的 规律性、相关性及其自身规则，由相同的数据源形成再现不同尺度规律的数据( 王家耀2 0 0 1 ) 数据综合是充分利用了数据库资源，从较详细的数据信息派生出较为概略的信息。 本文中“尺度”与g i $ 数据可视化时的显示比例尺相对应，文中将比例尺与尺度等同使用( 除 非有特别说明) ，大比例尺称作小尺度，小比例尺称作大尺度。 1 1 3 多尺度数据库( m u l t i s c a l ed a t a b a s e ) 人们对地理世界的理解是在一定尺度下的，人们对世界的观察和认识也是在一定的知识背景 下的进行的人类不可能观察到地理世界的所有细节，所以g i s 数据只能是在一定尺度或一定详 细程度条件下反映地理世界的主要信息。但在实际应用中。不同的应用需要不同尺度的数据支持， 而且需要把不同尺度下的数据表示动态的联系起来。因此g i s 数据的多尺度管理和表达成为一个 重要的研究课题。 无级比饲尺数据库存储大比例尺数据，郎更为详细的数据，在此单一数据源基础上，派生出 任意比例尺的数据( 小于大比例尺的比例尺) ，该方式以原始数据库为起点，经过适时自动综合 操作直接得到综合后的数据表达结果，本方案便于数据更新，很好的保证了数据致性。但是无 级比例尺数据库对数据库技术要求比较高，在数据库服务器端工作量比较大。就目前的数据库技 术和g i s 技术还还难以实现。 2 目前根据具体应用的需要，多用离散尺度的数据库模拟无级比例尺数据库，所以更常见的是 中国农业大学博十学位论文 第一章绪论 多尺度数据库( m u l t i - s c a l ed a t a b a s e ) 。 1 1 4 数据库多重表达( m u l t i p l er e p r e s e n t a t i o n ) 早在1 9 8 8 年，美国地理信息和分析国家中心( n c g l a s ) 提出了数据库多重表达的概念。按 照n c g i a s 的定义，数据库多重表达是指。随着计算机内存储、分析和描述的地理客体的分辨率 ( 比例尺) 的不同，所产生和维护的同一地理客体在几何、拓扑结构和属性方面的不同数字表达 形式”( a l l e n , 1 9 9 5 ；a g a t h a , 1 9 9 6 ) 。数据库多重表达是无级比例尺数据库的实现手段。 数据库多重表达的实现目前有两种实现方式，如图1 - 2 ：一、多尺度数据集是实时提取的，二、 预先生成不同比例尺数据版本。第一种方式的实时提取需要利用数据的自动综合模块，自动综合模 块可以与数据库管理系统相结合实时数据库的多重表达。笔者认为，存储大比例尺数据，实时在 线提取各专题应用所需要比例尺数据才是真正意义上的数据库多重表达，但目前的技术还难以实 现。而第二种表达方式只是在第一种表达方式难以实现的情况下而采取的一种替代方案。而且对 于现有的地理信息系统，如果为各种比例尺分别建立数据库，这将增加空间数据采集、管理和输 出的费用( 陈先伟，2 0 0 5 ) 。不论哪种方式实现数据库的多重表达，都需要从大比例尺数据经过 数据综合生成小比例尺数据。制图综合是建立数据库多重表达机制过程中不可缺少的数据转换工 具或手段( 齐清文，1 9 9 9 ) 。 a 、实时提取 图1 - 2 数据库多重表达实现方式 b 、预存储多版本数据 本文采用两种方式相结合的方式实现矢量数据的多尺度在显示，并以土地利用数据为例进行 了实验。首先进行预处理，建立多尺度索引机制i g a p - t r e e 用于描述自动综合过程。利用i g a p - t r e e 3 中国农业大学博七学位论文第一章绪论 可以实时提取各尺度下的数据予以显示。但数据库中只是存储了i g a p - t r e e 的逻辑结构，并没有 存储多个版本的数据拷贝。 1 1 5 多比例尺g i s 以多重表达数据库为核心的g i s 被称为。多比例尺g i s ”( m o g o v o r o v , 1 9 9 6 ；e vo o s t e r o m a n dv s c h e n k e l a a r s 。1 9 9 5 ；d b k i d n e ra n dc b j o n e s ，1 9 9 4 ) 。具备“多重表达”机制的g i s 能够以 不同分辨率或比例尺表达其数据库的内容。 随着g i s 广泛的应用、数字地球和i n t e r n e t 技术的飞速发展，海量的空间数据的处理与传输 面临严峻挑战。所以g i s 数据库的多重表达、多比例尺g i s 的研究成为了热点问题。 l 1 6 制图综合与g i s 制图综合是当比例尺变化时地理信息表现形式的抽象过程，它包括几何信息。和属性信息的 抽象( 高文秀，2 0 0 2 ) ，是地图制图的一种方法，即从大比例尺地图派生出小比例尺地图也称 作地图综合或制图概括，有时也称作地图概括。随着计算机技术的发展，出现了电子地图，相 应的计算机被用于制图。数字环境下的制图综合一般称自动综合。但就目前的技术水平，还难以 实现全自动的批量的制图综合操作，所以更多的还是交互式进行计算机制图综合，即人与计算机 协同工作。 国内外学者和相关专家对制图综合做了大量的研究，取得了丰硕的成果。而多尺度矢量数据 的提取过程，需要计算机进行自动综合予以实现。因此，g i s 下矢量数据多尺度索引机制的研究 可以借鉴制图综合和空间数据索引领域的研究成果。 传统纸张地图综合的目的在于“获得新的地图”，静态环境下人们只关心综合前与综合后的 状态，只能综合的结果( 比小比例尺地图) 感兴趣。而数字环境下对综合产生了新的需求( 艾廷 华，2 0 0 0 ) 齐清文认为g i s 环境下的制图综合的动机有：数据集成的需要、数据显示的需要、 数据分析的需要、数据库派生的需要，详见表1 - 1 。 衰1 1g l s 需要制图综合功能的原因( 改自齐清文博士论文，1 9 9 6 ) 数据集成 g i s 有时需要把各种不同来源的数据集成在一起。而数据集成不能仅仅靠几 何迭置处理，需要语义集成，需要对不同详细程度和分辨率的数据实施各种 归类概括。这就需要对其中部分数据实施数字制图综合，以保证数据之间的 相互协调。 数据显示在g i s 环境下，用户浏览地图时会采用缩放操作，对应显示比例尺在变化， 要保证地图窗口显示内容适宜观看，需要调用不同尺度的显示数据，如此必 4 中国农业大学博十学位论文 第一章绪论 须使用制图综合方法。 数据分析对地理数据的分析总是针对一定的空间尺度，一定的空间等级单元来进行 的。这时比例尺不是数字制图综合的原因而是结果。因此数据分析产生了对 制图综合的内在需求，需要从已有的数据中概括出适合特定空间尺度要求的 数据。 数据库派生 在g i s 中需要从已有的大比例尺数据库派生出经过综合的新数据库，以实现 一库多用，并方便于数据库管理，因为派生出来的数据库与原库之间能够建 立稳固的联系，这种对于数据的维护和管理十分有用。 本文要讨论的面状矢量数据的多尺度索引技术，立足于数据多尺度显示的需要建立多尺度索 引机制，用以描述g 1 s 数据的自动综合过程。利用该索引机制可以实时提取不同尺度下的数据予 以显示，从而实现多尺度在线显示。 在没有特别说明的情况下，本文中制图综合是对传统的手工制图综合与数字环境下的制图综 合的统称 1 2g i s 矢量数据多尺度信息提取技术 g i s 矢量数据多尺度信息提取，是要从大比例尺的地图数据派生出小比例尺数据，即从详细 的地图数据派生出更为概略的地图数据，从而提高地图的显示效果。用户在浏览地图数据时，常 采用缩放操作，其对应地图显示比例尺在不断的变化。为了提高地图显示效果，所以对于g i s 可 视化功能来说，多尺度显示尤为重要。矢量数据多尺度信息提取工作的实施过程实际是一个数据 综合的过程，如图1 - 3 所示。g i s 矢量数据多尺度信息提取依赖于数据库的多尺度表达。其发展 在一定程度上依赖于制图综合技术的发展。制图综合技术是建立多尺度数据库以实现多尺度信息 提取的有力工具。目前国内外对g i s 矢量数据的多尺度问题已经进行了一个长期的探索过程。 固枣 图1 - 3 矢量数据多尺度信息提取示倒 5 中国农业大学博士学位论文第一章绪论 1 3 矢量数据多尺度信息提取与制图综合、空间索引 多尺度索引机制可用于矢量数据多尺度信息的提取矢量数据多尺度信息提取技术与制图综 合技术、传统的空间索引技术所不同。与制图综合技术相比，矢量数据多尺度信息提取是从可视 化角度出发研究在有限的屏幕上空间信息的变化情况，受比例尺、制图区域地理特征以及制图符 号等因素的影响较小；而制图综合是从地图学的角度出发研究如何在有限的图面上表示出制图区 域的基本特征和制图对象的主要特点，受地图用途、比例尺、制图区域地理特征以及制图符号等 因素的影响较大。制图综合技术是要生一幅新的地图，而多尺度在线显示只是对同一份数据的在 不同尺度下的显示技术。 矢量数据多尺度信息提取方法的研究源于制图综合和空间数据索引理论，但与其又有一定的 差异。矢量数据的多尺度信息提取与传统的索引技术相比。它是利用索引结构动态地生成不同详 细程度的空间数据；而传统的空间数据索引技术强调的是如何根据索引信息快速地定位空间数 据，其包括磁盘数据的组织。鉴于二者的出发点不同，所以实现方式上也会有所不同所以矢量 数据多尺度信息提取可以与传统的索引技术联合使用，前者用于提取不同尺度下的数据，后者用 于快速查询到这些数据。 面向矢量数据多尺度在线显示的g i s 数据自动综合。虽然不同于制图综合。但可以借鉴制图 综合研究领域的研究成果。矢量数据多尺度信息提取方法的研究对制图综合的自动化进程具有很 大的推动作用。 1 4 矢量数据多尺度信息提取技术研究现状 多尺度索引机制是为满足用户多尺度浏览的需求，事先要利用制图综合的相关理论自动产生 一种能够描述空间实体从粗到细的变化过程的多尺度索引结构，基于这种索引结构，能够实现从 大比例尺空间数据到小比例尺空间数据的提取。 有关矢量数据多尺度信息提取方法国内外学都进行了大量的研究。但国内外的相关研究主要 集中在计算机技术研究领域，其本质都是根据制图综合和计算机图形学的理论对大比例尺空间数 据进行数据组织，一般会形成一颗检索树，根据相应的数据结构可以从空问数据库中检索到不同 详细程度的数据，从而满足多级比例尺g i s 的应用需求。根据研究对象不同，可将矢量数据多尺 度信息提取方法分为两大类： 1 4 1 面向空间实体的多尺度信息提取方法 面向空间实体的多尺度信息提取方法重点在于研究空间实体随尺度变化的取舍、合并过程。 1 9 9 1 年o o s t e r o m 提出的多尺度索引结构r e a c t i v e - t r e e ，其基本结构和算法与r 树相同，只是给 每个空间实体增加了一个表征重要性的值，值较大的空间实体有较高的显示优先权。显示优先权 较高的实体在r e a c t i v et r e e 中的层次也较高。在有限的显示条件下，数据库将根据这些重要性值 6 中国农业大学博士学位论文第一章绪论 选出一部分实体，而舍去另一部分实体。经过r e a c t i v e t r e e 过滤的数据往往会产生一些不可接受 的错误，如多个相邻的实体被舍弃后可能导致图上出现大片的空白 1 9 9 5 年，在他在r e a c t i v e - t r e e 的基础上发展了g a p - t r e e ( g e n e r a l i z e d a r e a p a x t i f i o n i n g m e ) ，并 且在后来对其进行了改进( o o s t e r o m , 2 0 0 4 ) g a p - t r e e 表达了空问实体的取舍过程及被舍弃实体 的合并过程，同时o o s l e r o m 在生成重要性值的算法中也简单地考虑了空间实体的面积、长度等 信息r e a c t i v e - t r e e4 - g a p - t r e e 避免了r e a c t i v e t r e e 单独作用带来的上述错误。但是g a p - t r e e 在 描述空间数据自动综合的过程中，没有很好的融入专题应用的知识规则；并且g a p - t r e e 是一个很 深的二又树。产生了大量的新数据( 新对象) ，占用了大量的磁盘空间，同时也降低了查询速度 笔者认为，g a p - t r e e 的使用只是为了弥补r e a c t i v et r e e 的错误而提出，利用g a p - t r e e 生成 了一些数据避免了利用r e a c t i v e - t r e e 进行数据提取造成的空白现象，而最终多尺度数据的提取还 是通过r e a c t i v e - t r e e 实现，即g a p - t r e e 的逻辑结构没有发挥作用，其作用受到了限制。所以 r e a c t i v e t r e e + g a p - t r e e 可以看作是改进了的r e a c t i v e - t r e e 。 多尺度h l b e r tr - t r e e 将对象分解成多个子对象进行存储，并且为每个对象赋一个优先权值。 h i l b e r tr - t r e e 是在r - t r e e 与h i b e r tr - t r e e 基础上发展而来该结构只支持对象的选取操作 ( s e l e c t i o n ) ( j o o n - h e ek w o na n dy o n g - i ky o o n , 2 0 0 2 ) ，同样会造成综合后的数据会出现缝隙等 错误。 其后也出现了一些索引结构，其中多数是基于选择、合并操作的索引结构都以r e a c t i v e - t r e e 、 g a p - t r e e 为原型进行扩展和改进。例如v - r e a c t i v et r e e ( v i s u a l - r e a c t i v et r y ) 是r e a c t i v e - t r e e 在三 维空间的扩展和改进。c t r e e ( c o m b i n e t r e e ) 是将多路g a p t r e e 改为二叉树，从而更精细地表 达了空间实体循序渐进的合并过程，常用于多比例尺g i s 中f 田鹏，2 0 0 1 ) 。但由于ct r e e 大大 加深了树的深度，使这个非平衡二叉树的检索效率变得更低，面对海量数据，不宜采用。 i a 2 面向实体内节点的多尺度信息提取方法 面向实体内节点的多尺度信息提取方法重点在于研究实体随尺度变化的几何简化过程，即实 体内节点的取舍过程。代表性的研究有p r - f i l e ( b r u n ob e c k e t ) 、s t r i p - t r e e ( m 鹏，2 0 0 1 ) 、b l g ( b i n a r y l i n eg e n e r a l i z a t i o n ) t r e e ( o o s t e r o m , 1 9 9 3 ) 、z - v a l u e 索i ；i c x i a o f a n gz h o u ，s h a mp r a s h e r , m a s a r u i q t s u r e g a w a ) 。 p r - f f l e 是基于r f i l e 数据结构设计的，它将利用线简化算法把g e o m e t r y 分为具有不同详细 程度的几个片段，并分开存储。g e o m e t r y 的非原子性是if - f i l e 的最大缺点；因为它与多数的空 间数据库管理系统背道而行，难以在现行的空间数据管理系统上扩展实现。 s t r i p - t r e e 和b l g - t r e e 是用二叉树来描述曲线从粗到细的渐进逼近过程，因此，在 s t r i p - t r e e ( b l g - t r e e ) 上遍历那些满足精度需求的结点便可得到详细程度不同的曲线。但若用它们 来描述多边形的逼近过程，则需要多边形带有拓扑信息；否则将导致综合后的多边形出现部分重 叠或相离的现象。目前较成熟的空间数据库管理系统基本不支持多边形拓扑信息的存储，因此在 7 中国农业大学博十学位论文第一章绪论 i i r | 曼鼍曼曼! 曼皇曼曼曼晕皇曼量蔓曼曼曼量e 詈量曼詈曼皇曼皇e 量量量量曼鼍曼皇舅詈詈曼蔓! 皇量喜皇量量量置! 詈曼量量毫曼曼量曼詈曼皇皇皇詈皇舅! 曼曼童 s t r i p - t r e e ( b l g - t r e e ) 和现有空间数据库管理系统的结合过程中出现了障碍。另外，现有空间数 据库管理系统g e o m e t r y 字段的结构既不支持s t r i p - t r e e 的六元组的表达，也不能支持b ig 肌e 的四元组的表达。由此可见，虽然s t r i p - t r e e 和b l g - t r e e 是一种对逼近过程较为精细的描述，但 目前它们与现有空间数据库系统集成的条件尚未成熟，这将有待于空间数据库管理系统的进一步 发展。a r c - t r e e 用于曲线的化简不适合于多边形的化简。m u l t i - s c a l el i n et r e e ( j o n e sa n d a b r a h a m , 1 粥6 ) 用于多边形综合时会造成很多不连续的细节层次( o o s t e r o m ) 。p f - f i l e 是基于r - f i l e 数据 结构设计的，它将利用线简化算法把g e o m e t r y 分为具有不同详细程度的几个片段，并分开存储。 g e o m e t r y 的非原子性是p f - f i l e 的最大缺点；因为它与多数的空间数据库管理系统背道而行。难 以在现行的空间数据管理系统上扩展实现。 以上这些线数据结构( l i n ed a t as t r u c t u r e ) 只是解决制图综合和存储方面的部分问题，不涉 及到多个对象之间的组织，即只是面向实体内结点的多尺度数据结构，不能解决实体层次的问题。 b s p - t r e e ( v a n o o s t e r o m , 1 9 8 9 ) 索引机制既可以用于实体的组织，也可以用于多个细节层次表达， 但最大的不足是b s p - t r e e 是一个静态树 1 4 3 存在的问题 通过上述国内外研究现状可以看出目前矢量数据多尺度信息提取技术还不成熟，有待进一步 研究完善，主要存在以下不足： ( 1 ) 尚未充分融入制图综合领域的知识规刚 目前，矢量数据多尺度信息提取方法的研究集中计算机技术研究领域，注意力主要集中在空 间数据索引结构、索引算法上，与制图综合学科的交叉不够充分。主要表现在：1 ) 矢量数据多 尺度信息提取方法没有充分融入制图综合领域的一些知识规则，不同的应用对应不同的知识规 则，g i s 下的制图自动综合必须在定的知识规则下完成。如：在空间实体的取舍、合并中除了 要考虑实体面积、周长等信息外，还要考虑实体类型等专题信息，尽管沙漠中的绿洲面积很小， 但由于两种地类差别太大及绿洲的重要性，不能简单地将绿洲归并为沙漠；2 ) 各种索引结构只 涉及了制图综合的部分操作，不能很好地模拟制图综合的全过程，如：制图综合涵盖了取舍、合 并，聚合、简化等众多简化操作，两上述索引只涉及了其中的部分操作。 ( 2 ) 没有真正与屏幕可视化相结合 如上文所述，研究主要集中在空间数据结构和算法上，没有充分与屏幕可视化相结合，或者 说没有从屏幕可视化角度出发进行深入研究。可视化与制图综合的本质不同是输出介质不同，可 视化考虑的是计算机屏幕。对于用户来说，进行指标参数的定义主要是从屏幕显示角度出发。如 小对象的定义( 最小砸积、最小长度等等) ，考虑到屏幕的显示效果，更为直观的是以像素为参 考，这一点不同于制