邻域运算栅格数据的聚类

栅格数据分析的基本模式第六章GIS空间分析原理与方法之授课目录栅格数据的信息复合分析(局部运算)栅格数据的窗口分析(邻域运算)栅格数据的聚类、聚合分析栅格数据的追踪分析一、栅格数据的信息复合分析信息复合模型(overlay)包括两类：即简单的视觉信息复合和较为复杂的叠加分类模型。简单的视觉信息复合复杂的叠加分类模型(叠置分析)叠置分析是把参与叠加的各数据层经过算术的、几何的、逻辑的运算生成新的数据层。由于该运算是基于像元及其周围像元的计算，我们称之为局部运算。两者的区别叠置分析与视觉信息复合不同，叠置分析是把参与叠加的各数据层经过算术的、几何的、逻辑的运算生成新的数据层；而视觉信息复合仅是把不同的数据层同时显示到一个屏幕上或绘制在一幅图形里，各数据层间不存在逻辑关系，没有生成新的数据文件，在同一区域内，地图投影与比例尺相同便可进行视觉信息复合。局部运算算术运算三角函数对数幂U=f(A,B,…)AABCUU掩模格网掩模格网可以实现一种特殊的局部运算，是我们在逻辑建模（是与否）中常用的方法。掩模格网是一种特殊的格网，只包含0和1以及无数据（NoData）。数据查询和再分类可实现掩模格网

MapQueryReclassify8

局部运算特点栅格数据分析中的单个单元运算对应栅格单元运算，不涉及位置运算。不受邻域单元影响产生新的栅格地图9

二、窗口分析（邻域运算、滤波）设计一个中心点单元和一组环绕其单元的栅格数据分析技术，通过所确定的邻域类型扫描整个格网。邻域运算：邻域大小与类型邻域运算要素中心点邻域大小与类型邻域运算函数

邻域运算函数统计：最大值、最小值平均值、标准差值域、总和、模、…测度：多数、少数、种类、…

空域过滤分类数学形态分类空域过滤器非线性过滤器线性过滤器带通低通高通中值最小值最大值锐化过滤器钝化过滤器处理效果分类空域过滤器低通滤波低通空域滤波的缺点和问题如果图像处理的目的是去除噪音，那么，低通滤波在去除噪音的同时也钝化了边和尖锐的细节高通滤波基本高通空域滤波的缺点和问题:高通滤波在增强了边的同时，丢失了图像的层次和亮度。低通->高通滤波低通滤波

高通滤波

平均值原图-低通滤波应用实例—DEM恢复给出的栅格层面是一个有疵点的DEM，运用窗口分析的方法找出疵点，想办法恢复DEM的正确状态。（1）计算疵点所在位置窗口分析：3×3矩形窗口取Mean值；复合分析:得到的结果与原层面相减；掩模格网：对结果进行MapQuery的运算，将远远大于或小于周围值的点提取出来，既是疵点所在位置。（2）疵点所在位置的高程值窗口分析：由格网层面进行3×3矩形窗口取Maximum值；复合分析:得到的结果与掩模格网相乘，得到疵点所在位置的高程值。邻域运算应用：地形分析

从地形分析的复杂性角度，可以分为两大部分：一部分是基本地形因子（包括坡度、坡向等）的计算，另一部分是复杂的地形分析包括可视性分析、地形特征提取、水系特征分析、道路分析等。地形分析：坡度、坡向与曲率XYNZ坡向坡度坡度：法线与垂直方向之夹角坡向：法线在水以平面投影与正北方向之夹角坡度/坡向计算有多种方法，如：四块法、空间矢量分析法、拟合平面法、拟合曲面法、直接解法。其中，拟合曲面法是最常用也是最有效的方法。拟合曲面法一般采用二次曲面，即3x3的窗口。每个窗口中心为一个高程点。点e的坡度／坡向的解求公式如下：1基本地形因子计算至于Slopewe、Slopesn的计算有很多方法，可根据自己的情况加以选择：算法1：算法2：算法示例三、栅格数据的聚类、聚合分析聚类分析把一个给定的数据对象集合分成不同的簇；簇（Cluster）:一个数据对象的集合在同一个类中，对象之间具有相似性；不同类的对象之间是相异的。应用聚类分析的例子土地使用:

在一个陆地观察数据库中标识那些土地使用相似的地区；城市规划:

根据类型、价格、地理位置等来划分不同类型的住宅；地震研究:

根据地质断层的特点把已观察到的地震中心分成不同的类；聚类在GIS中的应用

空间数据分析在GIS中，通过聚类发现特征空间来建立主题索引；在空间数据挖掘中，检测并解释空间中的簇；四、栅格数据的追踪分析

对于特定的栅格数据系统，由某一个或多个起点，按照一定的追踪线索进行追踪目标或者追踪轨迹信息提取的空间分析方法。由追踪法提取地面水流路径根据地面水流必然向最大坡度方向流动的基本追踪线索,可以得出在图上两个点位地面水流的基本轨迹。647102520191681215212534221511172432302721121425313932251472029323323211232026282520161342023231812994171817128323追踪分析的应用自动提取地面水流路径扫描图件的自动矢量化自动提取高程线污染源的追踪分析总结1栅格结构与遥感影像格式一致，利于与遥感的结合，在对遥感数