地球表层系统是一个复杂的巨系统，不仅组成要素繁多，而且各要素间的相互关系复杂，地学分析就是运用系统论、信息论、控制论、高性能计算机、网格计算等现代科学方法和技术手段，综合空间技术和计算技术，揭示地标信息流的地球表层动力学机制与时空特性，反映区域分异和解释区域发展过程。
    时空信息是对地理实体、地理系统以及所有具有时空标签的时空实体、科学数据的特征、时间变化、空间分布的描述；是对区域分异和区域发展等地面科学特征的综合，空间、属性、时间是其三要素。区域分异区域内部的结构和区域外部的对比；区域发展是历史过程和社会经济、人文景观的形成、演化。
      时空数据库是大量不同历史的和不同尺度的时空数据和非时空数据的积累，是“数字地球”战略最重要的信息来源，当前，世界上每年通过传感器采集的时空数据量之大都以TB甚至PB计，而被提取和利用的数据仅占获取数据的10～15%，而由大型科学装置产生的数据更以几何级数的速度增加。如何快速、定量、准确地从这些大型时空数据库中挖掘有用的特征和发现过程性知识已经成为目前时空数据处理和分析的瓶颈问题，发展时空数据的处理和分析模型是目前时空数据不断积累过程中所提出的迫切要求，目的是通过定量、快速地提取实际应用目标相关的游泳信息和模式，加强对海量数据处理的能力，提高地学分析的深度，开拓地学决策分析的技术手段。
      地学分析研究经历了瞬时信息的定性分析、时空信息的定位分析、时间信息的趋势分析以及环境信息的综合分析等几个阶段。时空数据处理和分析的应用模型不断深化，已从单一数据的分析发展到多源数据的综合分析；从定性调查制图发展到定量化的树立统计分析，从资源与环境的静态发展到事态过程分析；从事物和过程的表面描述发展到对内在规律的探求。时空信息的处理和分析方法研究大致经历了以下几个阶段

1. 传统处理分析方法  手工制图或计算机处理手段分别从人工或自动两个方面对时空信息进行获取、表达、查询、特征提取、区域划分等处理分析，来获得反映地球表层分布和动态发展对了的地学信息，
2. GIS、遥感等技术手段综合下，以GIS和RS信息相结合的综合地学分析——时空数据具有比较确定的地学属性和时空信息，通过GIS分析模型来辅助时空数据的 处理和分析已经成为基本手段。GIS主要是建立在数据层的集成框架中，从而使得和思考信息模型与GIS分析模型之间相互独立，因此时空数据的集成需要向着更高层次的模型层集成的方向发展，其发展方向是建立基于特征的时空数据模型
3. 人工智能理论支持下的智能化时空信息处理和分析——地学分析需要在地学规律知道下，几何图题的地学知识和地理信息，通过地学分析和人工智能等技术手段，获得更精确的反映地学规律的分析结果。
4. 集成现代信息基础设施的在线时空信息处理分析——时空信息的处理和分析要涉及到大量搜的数据调度，单个的研究结构和研究者越来越难以通过单个的力量对海量的时空数据进行处理和分析，现代信息基础设施(cyberspace,infrastructure)为时空信息的处理和分析提供了技术框架，分布在世界各地的科学家们通过网格技术、云计算技术等贡献自己的时空数据和计算能力，并同时也使用由其他科学家和研究机构提供 的计算能力、存储能力和时空数据。在地理时空分析中除了存储能力和计算能力的共享外，更重要的时空分析模型的共享。

      时空数据处理和分析研究的前沿是在地学分析方法和树立统计、神经计算、演化计算等智能计算理论与技术支持下，建立集成地学知识、时空信息等为一体的时空信息处理分析模型，目标是建立地理智能系统，以时空信息地学模型为支持，通过地学知识来表达时空信息，以统计分析、神经计算、知识模型、地学优化等智能技术为分析手段，快速、定量、自动地实现对蕴涵着的地学特征提取、空间划分等功能。如何在时空数据处理模型中通过地学知识处理系统来挖掘时空特征，是实现智能化时空数据处理和分析模型的关键。
      地学知识、时空信息的集成包括了3个阶段：

1. 早期发展——时空信息、地学知识之间相互独立，一般通过以下几种方式进行数据集成——数据格式转换、传统分析方法（如区划法、相关分析、主岛因素、分层分类、统计分析等）、知识处理和融合能力较弱，没有专门的知识库和推理机、人工和计算处理分析相互对立、时空数据集成需要在同一表达模型下才能实现数据间的相互调用，不能充分利用相互的分析手段
2. 研究现状——时空信息与地学知识的初步综合，运用智能处理与分析方法，形成数理统计、人工神经网络和符号逻辑推理等三个流派
3. 发展趋势——综合数理统计、神经计算、符号逻辑扽高技术，在基于特征的地学处理和分析模型基础上，建立一整套的时空信息及地学知识的获取、表达、存储、判断、推理、分析、决策等机制，来模拟领域专家对时空信息的认识、解释、信息提取、分类、决策等综合地学分析过程。最后集成空间地学统计模型、基于特征的地理信息处理分析模型、统一时空数据库管理模型、地学知识库、时空分析模型、时空认知模型等，并结合基于心理学的宏观模型和基于生理学的微观模型，建立智能化地理决策分析系统
4. 在Cyberinfrastructure框架下的发展：在现代计算机技术、网络技术的技术基础上，建立基于开放标准和格式的时空信息处理Web 服务库、将时空时空数据库管理模型、地学知识库、时空分析模型、时空认知模型以做为通用的网络接口，以网络服务的方式向科研人员提供。建立cyber空间的时空地理处理分析决策中间件。

     
关键问题：时空数据处理和分析的地学技术基础是建立知识库系统，地学知识是知识库的核心，其中的关键技术包括地学知识的表达、获取及运用推理在此基础上建立层次结构的空间认知模型，通过智能计算，来模拟地学专家的分析决策过程——包括视觉、记忆、联想、推理等认知过程

1. 地学知识的表达
2. 地学知识的获取——时空数据日益积累，形成海量的时空数据库，在空间决策分析过程中，由于时空数据库中大量的时空数据或时空信息本身就是大自然和人类社会活动双重作用的产物，许多放映地学现象和地学过程的知识本身就蕴涵在长期积累的时空数据库中。在地学知识获取模型库的建立中，需要在建立传统方法基础之上的以仿生技术的神经计算理论和进化计算理论为基础的人工神经网络方法和遗传算法在知识发现中的应用，cyberinfrastructure为这些算法所需要的大量的范本库、网络训练提供了分布式、并行存储的知识。
3. 空间认知模型——时空认知是用计算机系统来模拟地学专家对时空数据综合地学认知和决策分析的过程，目的是通过对时空数据特征的描述、识别、分类和决策，提取地学属性（如判别目标的大小、结构、相互关系、内部特征、形成机理），进一步融合地学分析模型，预测地理现象和地理过程的空间分布和发展趋势。需要

地理信息系统技术体系的发展是面向空间实体及其时空关系的数据组织与融合，从而改变以图层为基础的时空数据组织方式，实现不同尺度时空数据的互动，实现矢量、影像数据的互动，实现多维属性与嵌套表组织，实现多源时空数据的装载与融合，支持数据库仓库和知识发现机制，，包括数据集成、模型表达、知识处理和认知方法等

1. 多尺度时空数据集成——基于多尺度时空数据的视觉尺度效应，建立空间推理体系，进行不同尺度时空数据的特征级融合
2. 高维时空数据的混合密度降解及特征模型化表达——对空间特征的混合密度进行分解，用多个参数化密度分布模型的组合来表达整体复杂分布的分解，并作为时空数据统计分析模型表达的基本工具。
3. 地学知识表达和推理体系——包括针对时空分析的地学知识分类；在传统符号逻辑表达基础上，与时空信息结构化和非结构化的集成方法；与神经计算、统计模型等结构化集成的知识表达和推理模型。
4. 有效、快速的时空数据智能化处理和分析方法——智能化特征提取和分类算法、基于知识的神经网络模型、空间结构特征的联想记忆模型、演化计算机地学优化问题

GIS 不仅是一个简时空数据库管理系统，也不仅是计算技术和地学模型的简单组合，而是以地球系统中信息流的地球动力学发生机理与时空发展特征为目标，通过揭示时空信息传输过程中所引起的地球信息的不确定性（多解）与不可预见性（多维）等地学特征，来发展对地球观测系统的特定技术手段和对地学过程进行数字模拟的技术方法，因此对时空信息的处理和分析要突出挖掘其深层地学特征，加强对海量时空数据定量、快速的处理能力，开拓时空信息处理和分析的技术手段。同时在知识库系统基础上，通过模拟地学专家对地理对象的理解和分析过程，提高了地学分析的深度。

【Reference】    

骆剑承, 周成虎, et al. (2001). "时空数据智能化处理与分析的理论和方法探讨." 中国图形图像学报 6(9): 836-841.

转载本文请联系原作者获取授权，同时请注明本文来自郭旦怀科学网博客。
链接地址：https://blog.sciencenet.cn/blog-204718-305210.html

上一篇：外甥女的鼓励
下一篇：T400 PCI未知设备