地理信息系统概论

GIS简介

什么是GIS：简单的说，地理信息系统是采用计算机管理地理空间信息，并提供各种服务。

地理信息系统简介

地理信息：
- 是指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、联系和规律的数字、文字、图像和图形等的总称。
- 是有关地理实体的性质、特征和运动状态的表征和一切有用的知识，它是对地理数据的解释。
- 在地理信息中，其位置通过数据进行标识，这是地理信息区别于其它类型信息的最显著的标志。
特性
- 定位特征：由经纬网等建立的地理坐标来实现空间位置的标识
- 多维结构特征：在二维空间的基础上实现多主题的第三维结构
- 动态变化特征：时序特征
地理信息系统的定义
- 是以地理空间数据库为基础，采用地理模型分析方法，适时提供多种空间的和动态的地理信息，为地理研究和地理决策服务的计算机技术系统。
- 其它定义：略
- 基本内容：
  1. 对象：地理信息、空间数据及其属性数据。
  2. 功能：获取、存储、检索、操作、分析和显示。
  3. 形式：计算机系统
GIS解决的问题？
- 位置（locations）
  - 在某个特定的位置有什么
- 条件（Conditions）
  - 什么地方有满足某些条件的东西
- 变化趋势（Trends）
  - 综合现有数据，以识别已经发生了或正在发生变化的地理现象。
- 模式（Patterns）
  - 分析与已经发生或正在发生事件有关的因素。将现有数据组合在一起，能更好地说明正在发生什么，找出发生事件与哪些数据有关
- 模型（Models）
  - 该类问题的解决需要建立新的数据关系以产生解决方案

GIS发展历史

这部分我认为了解为主，一些重要的时间节点稍微留意一下

世界上第一个GIS： Canada Geographic Information System (CGIS) 1960年 R. Tomlinson 用于管理加拿大土壤、农业、森林、野生动物等方面的信息。
1964，在Howard Fisher的指导下哈佛大学计算机制图与空间分析实验室在哈佛大学成立了，在1966年，哈佛实验室开发了第一个栅格GIS(SYMAP)
1969，Jack Dangermond，一个哈佛实验室的学生，和他的妻子Laura组建了ESRI（Environmental Systems Research Institute，环境系统研究所公司），从事GIS项目
1972，Landsat卫星发射，最初起名叫ERTS(地球资源技术卫星)，这是发射的第一颗地球遥感卫星
1985，全球定位系统(GPS)缓慢建立起来，但是今天却成为导航，勘测和制图的主要的数据源
1986，Peter Burrough的书Principles of Geographical Information Systems for Land Resources Assessment是第一本关于GIS的专著，它迅速的变成全世界学习GIS的学生的参考教材
1987，IJGIS 国际杂志推出
1988，美国NCGIA(国家地理信息和分析中心)和英联邦的RRL(区域研究实验室)成立
1991，David Maguire，Mike Goodchild以及David Rhind所编辑的两卷本Geographical Information Systems: principles and applications (地理信息系统：原理和应用)出版
1992，地理信息科学这一概念被提出(M. Goodchild)
1994，OpenGIS协会成立，它由GIS软件供应商、政府机构、用户组成，目的是提高GIS的互操作能力
1996，几个公司，特别是Autodesk，ESRI，Intergraph和Mapinfo几乎在同时相继推出了新一代的因特网产品。大大加速了GIS内涵的扩展
2004，OpenStreetMap创办，它提供了众源方式的空间数据采集与分享机制
2006，2005年6月世界著名的搜索引擎公司美国的Google提供了三维影像和矢量地图服务软件Google Earth供免费下载，同时发布了http://map.google.com网站，免费提供卫星影像数据查询、矢量地图搜索、GPS导航等服务
2007，M. Goodchild提出了志愿者地理信息(Volunteered Geographic Information)这一概念
随着移动互联网的发展，一系列基于位置的服务企业创办，如Foursquare(2009)、Uber(2009)、滴滴(2014)、摩拜(2016)等
2014，Google首示自动驾驶原型车成品且可全功能运行

GIS系统功能

系统功能所涉及的处理过程有：数据获取、数据预处理、查询和分析、存储与检索、交互与可视化。
涉及的输入、输出有：地理事物和现象文件和地图、原始数据、结构化数据、结果数据、制图、数据库。
GIS系统功能
同时总结可分为三项功能：空间分析、空间可视化、空间数据库
GIS三项功能

地理信息科学

定义： (Geographic Information Science, GISci) 主要研究地理信息生成、处理、存储以及应用地理信息过程中出现的基本问题
Varenius三角
- 人
  - 空间概念的理解，地理数据的认识和推理，人与计算机的交互
- 计算机
  - 表达，新技术的应用，计算，可视化
- 社会
  - 社会冲突和背景
  - 政策、制度、规范、法规

空间数据模型

数据模型
- 对于现实世界中实体的数据特征的抽象，描述数据的类型、内容、性质以及数据间的联系。
- 数据模型所描述的内容有三部分：**数据结构、数据操作和数据约束**
数据模型的三个层次
- 概念数据模型
- 逻辑数据模型
- 物理数据模型
从现实世界开始抽象
- 现实世界：现实世界是一切事实的集合，包括被人类了解和不被了解的。
- 概念世界：是自然语言的世界，和现实世界的接口称为认知接口。人们认识到事物的本质，并为其命名。
- 地理空间世界：对概念世界进行选取，去除了一些复杂的形状，“卡通化”。自上而下的视角，具有不同的维度（0,1,2,3）
- 度量世界：“当我们拥有测量工具时对地理空间世界的抽象” 在该层次的抽象包括了一些一元关系（弧的长度）和二元关系（方位关系）

场模型和要素模型

场模型
- 来自于物理学中的概念，可以表示为一个映射S->G
- 表达连续分布的现象，如温度、高度、土壤类型等
要素模型
- 可以识别的地理对象，如长江、黄河，每个要素对象具有特性的空间分布和属性
- 要素可以归属于不同的类别，如河流、山峰等

对象和场的数据结构

离散对象：很自然地用矢量结构表达为点、线或面
连续场：
- 基于划分的表达
- 基于采样与插值的表达

矢量数据和栅格数据

shiliangshange

基本矢量数据结构
- 点
- 线
- 多边形
  
  多边形存储拓扑结构
栅格数据结构

栅格值的确定

属性值的类型

命名（Nominal）量：
定性而非定量，不能进行任何算术运算，如一个城市的名字。命名式的测量尺度也称为类型测量尺度，只对特定现象进行标识，赋予一定的数值或符号而不定量描述。例如，可以用不同数值表示不同的土地利用类型、植被类型或岩石类型，但是这些数值之间无数量关系，对命名数据的逻辑运算只有 “等于”或“不等于”两种形式，而其近似均值只能使用众数。
次序（Ordinal）量
线性坐标上不按值的大小，而是按顺序排列的数，例如，事故发生危险程度的级别由大到小被标为1，2，3，…，级别的序号越低，其危险性越大，但危险性到底有多大并未给予定量的表达。序数值相互之间可以比较大小，但不能进行加、减、乘、除等算术运算。次序测量尺度是基于对现象进行排序来标识的，如可以把山峰按高度分级为极高山、高山、中山、低山和丘陵等，将坡度分为陡、中、缓等。不同次序之间的间隔大小可以不同。对次序数据的逻辑运算除了“等于”与“不等于” 之外，还可以比较它们的大小，即“ 大于”或“小于”。
间隔（Interval）量
不参照某个固定点，而是按间隔表示相对位置的数。按间隔量测的值相互之间可以比较大小，并且它们之间的差值大小是有意义的。间隔测量尺度与比例测量尺度相似，但是间隔尺度的测量值无真的零值。例如，温度是间隔尺度的数据而不是比例数据，因为它的“0” 测量值随着所使用的不同温度测量单位而不同。不能说150F的温度是75F的温度的两倍，因为这个比例在使用摄氏单位时就改变了。相反，降水量是比例数据，因为它有真的零值。比例数据和间隔数据可用于加、减、乘、除等运算，而且可以求算术平均。
比率（Ratio）量
比例测量尺度的测量值指那些有真零值而且测量单位的间隔是相等的数据，比例测量尺度与使用的测量单位无关。与某一固定点的比值计算，支持多种算术操作，如加、减、乘、除等。有关该类型属性域的例子很多，如年降雨量、海拔高度、人口密度、发病率等。比例数据或间隔数据可以比较容易地被转变成次序或命名数据。而命名数据则很难被转化成次序、间隔数据或比例数据。

不规则三角网数据

不规则三角网（Triangular Irregular Network, TIN）
- 用相互毗邻互不交叠的三角形表达表面对象
- 由大量不规则分布的点组成，每个点：(x,y,z)
- 优点：根据表面起伏的程度选择点（或三角网）的密度
TIN模型：
- 每个三角形的定点信息
- 与这个三角形邻接的其他三角形的信息
- Delaunay三角网

三维模型

分层数据模型

fenceng

空间参照系统

空间参照系统（spatial reference system）
- 确定空间目标平面位置和高程的平面坐标系和高程系
- 空间实体要进行定位，必须嵌入到一个空间参照系中
平面坐标系
- 国家坐标系
- 独立坐标系
高程系
- 国家高程系
- 地方高程系
空间参照系的两个重要基础
- 椭球体
- 基准面
  小讨论
  - 一些常见的地理现象和地理要素，如何在计算机中建模？
    - 河流
    - 山脉
    - 地下管线
    - PM2.5
    - 人口分布
    - 城市交交通流
  有哪些地理现象和地理要素不容易在计算机中建模？

地理坐标

经纬度坐标

地理投影

解决从地球曲面到空间坐标的转换
earthproject

墨卡托投影：导致面积变形
Albers投影
UTM投影
全球剖分格网

地理现象的特性

时态特性
尺度特征
- 尺度效应（1）：可变面积单元问题
- 尺度效应（2）：分形问题
地理空间数据的尺度特性

GIS的基本度量和分析

空间量算

几何量算
- 主要内容：
  - 点状地物（0维）：坐标
  - 线状地物（1维）：长度，曲率，方向
  - 面状地物（2维）：面积，周长，形状，曲率等
  - 体状地物（3维）：体积，表面积等
- 线的长度量算
  - 矢量：累加每个折线段的长度
  - 栅格：累加地物骨架线通过的格网数目，骨架线通常采用8方向连接，当连接方向为对角线方向时，还要乘上sqrt(2)
- 多边形的面积量算
  - 矢量：梯形面积累加法
  - 栅格：统计具有相同属性值的格网数目
- 多边形形状
  - 多边形长、短轴之比，周长面积比，面积长度比
- 质心量算
  - 质心通常定义为一个多边形或面的几何中心
  - 质心是描述地理对象空间分布的一个重要指标，描述的是分布中心，而不是绝对几何中心
    $$X_G=\frac{\sum_i W_iX_i}{W_i}$$
    $$Y_G=\frac{\sum_i W_iY_i}{W_i}$$
距离量算
- 非标准欧式距离
  $$d=[(X_i-X_j)^k+(Y_i-Y_j)^k]^{1/k}$$
- 欧氏距离
  - k=2
    $$d=\sqrt{(X_i-X_j)^2+(Y_i-Y_j)^2}$$
- 曼哈顿距离
  - k=1
    $$d=|X_i-X_j|+|Y_i-Y_j|$$

空间关系

空间关系的描述与度量在GIS中起着举足轻重的作用，也是我们日常表达地理位置时最重要的空间知识，为描述地理要素之间的相对位置关系提供了空间约束
空间关系类型
- 拓扑关系
- 方位关系
- 度量关系

自然语言中的空间关系

拓扑关系
方向关系
- 定量表达方式如：东北35度
- 定性表达方式如：东、东北
- 三种参照方式
  - 内部参照
  - 直接参照
  - 外部参照
主方位关系 (Cardinal Direction)模型

空间查询

概念：按一定要求对GIS所描述的空间实体及其空间信息进行访问，从众多的空间实体中挑选出用户要求的空间实体及其相应的属性
类型
- 基于属性特征的查询
  - 按属性信息的要求来查询定位空间位置
- 基于空间特征的查询
  - 利用光标，用点、线、矩形、圆、不规则多边形等工具选中地物，并显示出所查询对象的属性列表，可进行有关统计分析
  - 空间关系查询
- 空间－属性混合查询
- 基于DEM的混合查询
- 地理编码与地址匹配
  - 利用地理编码，输入街道的门牌号码，查询大致的位置或所在的街区
基于空间关系的查询
空间实体间存在着多种空间关系，包括拓扑、顺序、距离、方位等关系，利于这些关系进行查询
- 简单的面、线、点相互关系的查询包括：
- 面面查询：如北京市和哪些省相邻？
- 面线查询：如河北省内有哪些高速公路？
- 面点查询：如海淀区内有哪些电影院？
- 线面查询：如黄河流经哪些省区？
- 线线查询：如与某条河流相连的支流有哪些？某条道路跨过哪些河流？
- 线点查询：如某条道路上有哪些桥梁？某条输电线上有哪些变电站？
- 点面查询：如某个点落在哪个多边形内？
- 点线查询：如某个结点由哪些线相交而成？
  
  示例：查询同时满足以下条件的城市
  在京沪线的东部 —— 空间方位关系
  距离京沪线不超过50公里 —— 空间距离关系
  有国道经过 —— 空间拓扑关系
  城市人口大于100万 —— 属性查询

叠加分析 Overlay

将有关主题层组成的数据层（图层），进行叠加产生一个新数据层（图层）的操作，其结果综合了原来两层或多层要素所具有的属性
特征：

叠加分析不仅包含空间关系的比较，还包含属性关系的比较
不仅产生新的空间关系，而且还将输入的多个数据层的属性联系起来产生新的属性关系
参与叠加的图层必须是基于相同坐标系统的

点与多边形图层叠加
- 实际上是计算多边形对点的包含关系
- 在完成点与多边形的几何关系计算后，还要进行属性信息处理
  - 最简单的方式是将多边形属性信息叠加到其中的点上
  - 也可以将点的属性叠加到多边形上，用于标识该多边形
  - 如果有多个点分布在一个多边形内的情形时，则要采用一些特殊规则，如将点的数目或各点属性的总和等信息叠加到多边形上

通过点与多边形叠加，可以计算出每个多边形类型里有多少个点
通常不直接产生新数据层，只是把属性信息叠加到原图层中，然后通过属性查询间接获得点与多边形叠加的需要信息

实例

中国政区图（多边形）和一个全国矿产分布图（点），叠加分析

将政区图多边形有关的属性信息加到矿产的属性数据表中

查询指定省有多少种矿产，产量有多少

查询指定类型的矿产在哪些省里有分布等信息

线与多边形的叠加
- 方法
  - 比较线上坐标与多边形坐标的关系，判断线是否落在多边形内
  - 计算过程通常是计算线与多边形的交点，只要相交，就产生一个结点，将原线打断成一条条弧段
  - 并将原线和多边形的属性信息一起赋给新弧段
- 叠加的结果
  - 产生一个新的数据层，每条线被它穿过的多边形打断成新弧段图层
  - 同时产生一个相应的属性数据表记录原线和多边形的属性信息
- 应用
  - 可以确定每条弧段落在哪个多边形内
  - 可以查询指定多边形内指定线穿过的长度
多边形叠加
将两个或多个多边形图层进行叠加产生一个新多边形图层的操作
其结果将原来多边形要素分割成新要素。新要素综合了原来两层或多层的属性。
- 多边形叠加的计算方法
  - 几何求交
    1. 首先求出所有多边形边界线的交点
    2. 再根据这些交点重新进行多边形拓扑运算
    3. 对新生成的拓扑多边形图层的每个对象赋一多边形唯一标识码，同时生成一个与新多边形对象一一对应的属性表
    4. 由于矢量结构的有限精度原因，几何对象不可能完全匹配，叠加结果可能会出现一些碎屑多边形。通常可以设定一模糊容限以消除它
  - 属性分配
    - 多边形叠加结果通常把一个多边形分割成多个多边形，
    - 最典型的方法是将输入图层对象的属性拷贝到新对象的属性表中
    - 或把输入图层对象的标识作为外键，直接关联到输入图层的属性表
    - 也可以结合多种统计方法为新多边形赋属性值。

多边形叠加完成后，根据新图层的属性表可以查询原图层的属性信息，新生成的图层和其它图层一样可以进行各种空间分析和查询操作.

缓冲区分析Buffer

缓冲区
- 缓冲区就是地理空间目标的一种影响范围或服务范围
- 缓冲区分析是解决邻近度问题的空间分析工具之一
  - 邻近度（Proximity）描述了地理空间中两个地物距离相近的程度
缓冲区分析
- 对一组或一类地图要素（点、线、面）按设定的距离条件，围绕这组要素而形成的有一定范围的多边形实体，从而实现数据的二维空间扩展的信息分析方法
- 矢量地物的缓冲区表示该地物某种属性的影响范围
  - 城市噪声污染源所影响的空间范围
  - 交通线两侧划定的绿化带
  - 道路拓宽需要拆迁的房屋
缓冲区的形态
- 矢量地物的缓冲区
- 特殊形态的缓冲区
  - 点对象有三角形，矩形和圈形等
  - 线对象有双侧对称，双侧不对称或单侧缓冲区
  - 面对象有内侧和外侧缓冲区
缓冲区分析的方法——基本方法
- 给定一个空间对象或集合，确定它们的邻域，邻域的大小由邻域半径 $R$ 决定
- 对象 $O_i$ $O_{i}$ 的缓冲区定义为
  $$B_i={x:d(x,O_i) \leq R}$$
  - 距 $O_i$ 的距离 $d$ 小于 $R$ 的全部点的集合
  - $d$ 一般是最小欧氏距离，但也可是其它定义的距离
- 对于对象集合
  - 其半径为 $R$ 的缓冲区是各个对象缓冲区的并
    $$B = \bigcup_{i=1}^{n} B_i$$
    $$O={O_i:i=1,2,…,n}$$

空间插值基础

理论假设
- 空间位置上越靠近的点，越可能具有相似的特征值
- 而距离越远的点，其特征值相似的可能性越小
需要空间插值的情况
- 现有的离散曲面的分辨率、象元大小或方向与所要求的不符，需要重新插值
  - 例如将影象从一种分辨率或方向转换到另一种分辨率或方向
- 现有连续曲面的数据模型与所需的数据模型不符，需要重新插值
  - 将一个连续的曲面从一种空间切分方式变为另一种空间切分方式
  - 从TIN到栅格、栅格到TIN或矢量多边形到栅格
- 现有的数据不能完全覆盖所要求的区域范围，需要插值
  - 如将离散的采样点数据内插为连续的数据表面
数据源
- 摄影测量得到的正射航片或卫星影象
- 卫星或航天飞机的扫描影象
- 野外测量采样数据，采样点随机分布或有规律的线性分布（沿剖面线或沿等高线）
- 数字化的多边形图、等值线图
- 固定或移动监测点数据
空间插值的数据要求
- 通常是复杂空间变化有限的采样点的测量数据
- 假设采样点之间的数据变化是平滑变化
- 并假设服从某种分布概率和统计稳定性关系
插值的结果
- 如果一种插值方法计算的数据，其中采样点的计算数据等于已知的采样数据，称这种插值方法是精确插值方法；所有的其它插值方法为近似插值方法
- 统计计算值和测量值之间的差异（绝对值和平方差），是评价不精确插值方法质量常用的指标。
空间采样点分布的选择
- 规则采样和随机采样好的结合方法是成层随机采样，即单个的点随机的分布于规则的格网内
- 聚集采样可用于分析不同尺度的空间变化
- 规则断面采样常用于河流、山坡剖面的测量
- 等值线采样是数字化等高线图插值数字高程模型最常用的方法
空间插值方法:
- 整体插值
  - 用研究区所有采样点的数据进行全区特征拟合
  - 用来检测不同于总趋势的最大偏离部分
  - 将短尺度的、局部的变化看作随机的和非结构的噪声，从而丢失了这一部分信息
  - 类别
    - 边界内插方法、趋势面分析、变换函数插值
- 局部插值
  - 仅仅用邻近的数据点来估计未知点的值
  - 能弥补整体插值方法的缺陷，可用于局部异常值，而且不受插值表面上其它点的内插值影响
  - 类别
    - 泰森多边形方法、距离倒数插值、样条函数插值、克里金插值

整体插值方法

趋势面分析
- 只根据采样点的属性数据与地理坐标的关系，进行多元回归分析得到平滑数学平面方程的方法
- 先用已知采样点数据拟合出一个平滑的数学平面方程，再根据该方程计算无测量值的点上的数据
- 理论假设
  - 地理坐标(x,y)是独立变量，属性值Z也是独立变量且是正态分布的，回归误差也是与位置无关的独立变量
- 趋势面分析是一个近似插值方法
变换函数插值
- 根据一个或多个空间参量的经验方程进行整体空间插值

局部插值方法

局部插值方法只使用邻近的数据点来估计未知点的值
包括几个步骤：
1. 定义一个邻域或搜索范围；
2. 搜索落在此邻域范围的数据点；
3. 选择表达这有限个点的空间变化的数学函数；
4. 为落在规则格网单元上的数据点赋值。重复这个步骤直到格网上的所有点赋值完毕。
需要注意的几个方面
- 所使用的插值函数
- 邻域的大小、形状和方向
- 数据点的个数
- 数据点的分布方式是规则的还是不规则的

最近邻点法：泰森多边形方法

泰森多边形Thiessen，又叫Dirichlet 或Voronoi多边形
插值方法
- 采用一种极端的边界内插方法，只用最近的单个点进行区域插值
- 泰森多边形按数据点位置将区域分割成子区域，每个子区域包含一个数据点，各子区域到其内数据点的距离小于任何到其它数据点的距离，并用其内数据点进行赋值
效果
- 变化只发生在边界上
- 在边界内都是均质的和无变化的

移动平均插值方法：距离倒数插值

插值方法
- 距离倒数插值方法是加权移动平均方法的一种
- 假设未知点x0处属性值是在局部邻域内中所有数据点的距离加权平均值
- 距离倒数加权
  - r=2
  - 线性插值（r=0）
    $$\hat{z}(x_j)=\frac{\sum_{i=1}^nz(x_i)d_{ij}^{-r}}{\sum_{i=1}^nd_{ij}^{-r}}$$
    $$\hat{z_0}(x_j)=\frac{1}{n}\sum_{i=1}^nz(x_i)$$
    $$d_{ij}^2=(x_j-x_i)^2+(y_j-y_i)^2$$
效果
- 要求离散点均匀分布，并且密集程度足以满足条件
- 距离倒数法计算值易受数据点集群的影响，计算结果经常出现一种孤立点数据明显高于周围数据点的“鸭蛋”分布模式，可以在插值过程中通过动态修改搜索准则进行一定程度的改进

样条函数插值方法

样条函数
- 一类分段（片）光滑、并且在各段交接处也有一定光滑性的函数
- 采用分段（片）拟合的方法，用低阶多项式进行局部拟合，并保证连接处具有连续的曲率，从而避免使用高阶拟合
样条函数插值
- 将数据平面分成若干单元，在每一个单元上用低阶多项式，构造一个局剖曲面，对单元内的数据点进行最佳拟合，并使由局部曲面组成的整个表面连续
效果
- 样条函数是分段函数，每次只用少量数据点，故插值速度快
- 样条函数与趋势面分析和移动平均方法相比，它保留了局部的变化特征
- 缺点是样条内插的误差不能直接估算

不同插值方法的结果

泰森多边形（voronoi多边形）:要求原始数据空间分布相对均匀
距离倒数:极值和人工粗糙度
Kriging: 细微不连续
样条法:小尖锐现象

栅格及DEM分析

栅格数据表达的内容：

栅格数据擅长于表达空间上连续变化的现象
- 土地利用、高程
栅格值为离散或连续
不适合表达的内容
- 点、线对象
  如何得到栅格数据？
遥感数据
- 各种专题数据
  - 土地利用
  - 植被覆盖
- 基于采样数据的内插结果
  - 格网DEM也可简单视为栅格数据
- 矢量数据的分析结果
  - 矢量转栅格
  - 距离
  - 密度
- 专业模型分析的结果
  - 大气污染扩散模型

矢量栅格转换

gis4.1
其它示例：空间插值、距离和邻近性、密度（道路，河流，POI）、专业模型：污染物扩散
常栅格文件格式（文本格式）：

实例	含义
ncols 100	栅格列数
nrows 100	栅格行数
xllcorner 100.55	左下点X坐标
yllcorner 23.23	左下点Y坐标
cellsize 0.0083	栅格单元大小
NODATA_value -9999.00	无效值
300.00 200.00 500.00 -9999.00 …	每个栅格点数值

栅格数据操作的类型

gis2

栅格数据的Overlay
- 栅格数据的叠加分析
- 栅格数据的叠加分析是将两个或多个栅格图层进行叠加产生一个新栅格图层的操作
- 其结果将原来栅格要素分割成新要素，新要素综合了原来两层或多层的属性
地图代数与栅格计算器
矢量Mask
- 矢量Mask是指用矢量图层的边界来限制栅格图层的范围
- 通过矢量Mask可以将栅格图层中不在矢量图层范围内的部分去掉
Focal操作
- 邻域分析
  - 邻域分析是指对栅格图层中每个栅格点的值进行计算，计算时考虑该点周围一定范围内的其他栅格点的值
  - 邻域分析可以用于平滑、滤波、边缘检测等操作
  - 通过邻域分析可以提取出栅格数据中的空间特征信息
图像边缘提取
模板滤波
Zonal操作

DEM

数字高程模型（Digital Elevation Model, DEM）是地形表面的数字化表示，通常以栅格数据形式存储。DEM广泛应用于地形分析、可视化、模拟等领域。
数字地形模型中地形属性为高程时称为数字高程模型
高程z是关于平面坐标(x,y)两个自变量的连续函数：z=f(x,y)，DEM只是它的一个有限的离散表示
应用
- 土地利用现状的分析、合理规划
- 土木工程、景观建筑与矿山工程规划与设计
- 洪水险情预报
- 在军事上可用于导航及导弹制导、作战电子沙盘

DEM的数据模型

规则格网模型
等高线模型
不规则三角网（TIN）模型

规则格网模型
- 规则网格
  - 正方形，或矩形、三角形等规则网格
  - 将区域空间切分为规则的格网单元，每个格网单元对应一个数值
  - 数学上可以表示为一个矩阵，在计算机实现中则是一个二维数组
  - 每个格网单元或数组的一个元素，对应一个高程值
- 优点
  - 很容易地用计算机进行处理
  - 很容易地计算等高线、坡度坡向、山坡阴影和自动提取流域地形
  - 是DEM最广泛使用的格式
- 缺点
  - 不能准确表示地形的结构和细部
  - 可采用附加地形特征数据，如地形特征点、山脊线、谷底线、断裂线，以描述地形结构
  - 数据量过大，给数据管理带来了不方便，通常要进行压缩存储
等高线模型
- 高程值的集合是已知的
- 每一条等高线对应一个已知的高程值
- 一系列等高线集合和它们的高程值一起构成一种地面高程模型
- 等高线表示高程
  - 等高线通常被存成一个有序的坐标点对序列，是一条带有高程值属性的弧段
  - 等高线模型只表达了区域的部分高程值，往往需要一种插值方法来计算落在等高线外的其它点的高程
  - 因为这些点是落在两条等高线包围的区域内，所以，通常只使用外包的两条等高线的高程进行插值
不规则三角网（TIN）模型
- 根据区域有限个点集将区域划分为相连的三角面网络
- 区域中任意点落在三角面的顶点、边上或三角形内
- 如果点不在顶点上，该点的高程值通常用线性插值的方法得到
  - 在边上用边的两个顶点的高程，在三角形内则用三个顶点的高程
- TIN是三维空间的分段线性模型，在整个区域内连续但不可微

DEM获取

地形图等值线数字化
全球SRTM数据
- Shuttle Radar Topography Mission
  - 由美国太空总署（NASA）和国防部国家测绘局（NIMA）2000年2月联合发射的“奋进”号航天飞机测量得到。数据的覆盖范围为北纬60度至南纬56度，东经180度至西经180度之间的所有区域，覆盖全球陆地表面的80%以上。分辨率30m(1弧秒)、90m(3弧秒)两种
全球ASTER GDEM数据
地形的可视化
大尺度地形可视化

坡度和坡向

坡度为水平面与局部地表之间的正切值。包含两个成分：
- 斜度——高度变化的最大值比率（常称为坡度）
  - 地表单元的法向与Z轴的夹角，即切平面与水平面的夹角
- 坡向——变化比率最大值的方向
  - 地表单元的法向量在水平面上的投影与X轴之间的夹角
制图
- 坡度图
  - 对不同的坡度设定不同的灰度级
- 坡向图
  - 分为东、南、西、北、东北、西北、
    东南、西南8类，再加上平地，共9类
  - 用不同的色彩显示

二阶差分法计算坡度坡向的详细说明

对于规则格网DEM，栅格尺寸为D
使用3×3规则窗口
- 窗口内每点的高程为 $e_i$
- 其中中心点高程为 $e_0$
窗口中心点的坡度S、坡向A
e_5|e_2|e_6
e_1|e_0|e_3
e_8|e_4|e_7
$$S=arctan(\sqrt{S_x^2+S_y^2})$$
$$A=\pi-arctan(\frac{S_y}{S_x})+\frac{S_y}{|S_y|}\pi$$
二阶差分法
$$S_x=\frac{e1-e3}{2D}$$
$$S_y=\frac{e4-e2}{2D}$$

坡度坡向分析中的问题

DEM模型
- 网格
- TIN
空间分辨率问题
- 不同分辨率数据得到的坡度分布不同
“梯田”效果
- 垂直分辨率问题
- 源于等值线插值的影响
坡向数值的意义
- 循环量
- 水平面的坡向
- 绝对方向的定义与投影
淹没分析
- 淹没分析是指在给定的地形条件下，确定某个区域在特定水位下被淹没的范围
- 淹没分析通常用于洪水预警、城市规划、环境保护等领域
- 淹没分析可以帮助决策者了解水位变化对地形的影响，从而做出更好的规划和决策
可视域分析
- 可视域分析是指在给定的地形条件下，确定从某个观察点或区域能看到的地物范围
- 可视域分析通常用于军事、城市规划、景观设计等领域
- 可视域分析可以帮助决策者了解地形对可视范围的影响，从而做出更好的规划和决策
流水分析
流域分析
- 流域分析是指在给定的地形条件下，确定水流的汇集区域和流向
- 流域分析通常用于水资源管理、环境保护、洪水预警等领域
- 流域分析可以帮助决策者了解水流的分布和变化，从而做出更好的规划和决策
流域特征地貌自动提取和分割示例
LiDAR数据
LiDAR数据应用

空间分布模式分析

空间分析中的点

地理信息系统中的点
- 可以抽象为点的地理对象
  - 城市，地铁站 …
- 采样点
  - 气象观测站
- 事件的发生地
  - 病例，交通事故…
两种不同类型的点数据
- 带属性的点
  - 高程采样点
- 不带属性点
  - 事件分布

点分布分析

通常针对不带属性的点
三种点分布模式
- 随机(random)
- 均匀(Uniform)
- 聚集(Clustered)
一个简单的点分布模式模式发现方法：GAM
样方法
核函数估计(Kernel Density Estimation, KDE)
核函数估计的计算方法
不同类型的核函数
密度图的应用
KDE中边境（Bandwidth）的影响
- 半径越大，越平滑
- 没有绝对最适宜的bandwidth
最近邻点分析：G函数
G函数
- G函数是一个统计量，用于描述点分布的聚集程度
- G函数的值越大，表示点分布越聚集；值越小，表示点分布越均匀或随机
- G函数的计算方法是统计每个点到其最近邻点的距离，并计算这些距离的分布情况
如何利用G函数判断一个分布不是随机的

根据给定分布绘制G函数曲线
根据随机分布模拟生成相同数目的点并绘制G函数曲线
重复若干次，并对G函数排序，得到5%以及95%数值，得到一个区间。
如果观测G函数曲线在该曲线外面，则说明实际分布不是随机的

F函数
K函数 (Ripley, 1976)

选择一个点i，计算以i为圆心h为半径的圆内点的数目，得到函数K(h)
平均所有点的K(h)，得到整个区域的K函数

注意问题：边缘效应

K函数的应用
- K函数可以用于判断点分布的聚集程度
- K函数的值越大，表示点分布越聚集；值越小，表示点分布越均匀或随机
- K函数可以帮助识别热点区域、异常点等
- 如果点是随机分布的 K(h) 正比于 $πℎ^2$
- 可以将K(h)与随机分布的相比较
点分布模式的思考
- 尺度问题
Modifiable areal unit problem
- 地理学分析没有天然的边界。
- 对于地理分析，需要考虑MAUP问题。

带值点的模式分析

地理学第一定律
- Everything is related to everything else, but near things are more related than distant things.– Waldo Tobler
空间自相关(Spatial Autocorrelation)
- 如果相近的区域取值相近，则表示空间自相关强，反之，则表示空间自相关弱
- 大部分地理现象的分布都具有空间自相关特征
空间自相关对于地理空间分析的影响
- 由于空间自相关，使得插值成为可行
- 空间自相关使得样本不独立，影响了回归分析
  
  例如得到的回归关系为y=2x，由于空间自相关的存在，使得在未采样点的数值也能较好的复合这个关系，从而加强了回归关系。

Moran’s I指标

$$I = \frac{N \sum_{i} \sum_{j} w_{ij} (X_i - \bar{X})(X_j - \bar{X})}{\sum_{i} \sum_{j} w_{ij} \sum_{i} (X_i - \bar{X})^2}$$

N = 地理对象的数目
i,j –任意两个对象
X = 关注的变量
$w_{ij}$ = 空间权重矩阵
取值范围-1~1，值越高说明空间自相关越强

Moran散点图

绘制每个单元值以及其邻居单元平均值的散点图，并相关系数。
回归曲线的斜率就是Moran’s I。
如何确定权重矩阵
- 基于邻接
  - 多边形：相邻 1 不相邻 0
  - 点：确定一个阈值，点之间距离低于该阈值1，否则0
- 基于距离
  - $w_{ij} = \frac{1}{d_{ij}}$
  - $w_{ij} = \frac{1}{d_{ij}^{\beta}}$

网络分析

地理网络的抽象：
- 节点：道路交叉口，河流交汇点，城市…
- 边：道路，河段，管线…
网络数据模型：
- 节点表
- 连接矩阵(带权和不带权，方向性)

最短路径算法

Dijkstra算法
- 时间复杂度O( $n^2$ )
- 计算两个节点之间的最短路径，需要计算从起点到所有点的最短路径
Floyd算法
- 时间复杂度O( $n^3$ )
- 计算所有节点对之间的最短路径
A*算法
- 启发式算法

最短路径算法的改进—多层次网络,考虑交通网络特点的最短路径计算

多层次网络
- 将网络分为多个层次，每个层次代表不同的细节级别
- 在高层次上计算大致的路径，然后在低层次上进行精细调整
- 可以显著提高计算效率，尤其是在大规模网络中
计算最短路径要考虑的因素
- 实时路况，拥堵状况(车载导航应用)
- 道路的方向性
- 目的点在道路哪一侧
- 出行模拟应用中，是否只是选择最短路径
多目的地的线路规划问题 NP

经停点的顺序确定；
经停点的顺序不确定(Traveling salesman problem, TSP)
其他约束…

基于连续成本场的最短路径
- 每个栅格点的值表示路径穿越该栅格点的成本。
- 可以应用于道路选线

资源分配

服务区/吸引区分析
资源分配
- 分配有两种形式，
  - 是由分配中心向四周分配
  - 由四周向收集中心分配
- 应用
  - 消防站点分布和求援区划分
  - 学校选址
  - 垃圾收集站点分布
  - 停水停电对区域的社会
  - 经济影响估计等、
定位分配(Location-allocation)模型
- 一维分配问题
可达性(Accessibility)分析
- 设施为周边居民提供服务，每个居民享受到若干设施的服务。
- 如何评价每个居民的就医方便程度？
- 2-step floating catchment area method 两步搜寻法
关于可达性的讨论
- 交通网络的影响
- 距离的影响
- 公平与效率
- 服务的差异化
基于个体出行的可达性
- 时空棱柱与时空可达性
- 距离不再是决定性因素
基于网络的时空棱柱计算
一些更一般的网络
航空运输网络、列车时刻表网络、空间对象间交互网络

空间交互(Spatial Interaction)

空间中任何事物都不是孤立存在的，其必以物质、能量、信息等形式在空间不同位置之间发生着作用和联系，这种地理过程被称为空间交互（或空间相互作用）。
空间交互通常可以基于人流、物流、资金流、信息流和技术流等进行量化。
可以探讨区域内部结构和时空变化、区域空间结构与联系、区域经济，对交通地理、城市地理、区域地理、城市规划等学科具有指导性意义。

签到数据

签到数据是指用户在特定地点或时间记录的位置信息，通常通过移动设备或社交媒体平台收集。
签到数据可以反映用户的活动模式、兴趣点和社交网络等信息。
签到数据的应用
- 城市规划
- 商业选址
- 社交网络分析
- 用户行为分析
基于签到数据形成的交互网络

复杂网络度量指标

复杂网络(Complex network)
- 复杂网络是由数量巨大的节点和节点之间错综复杂的关系共同构成的网络结构。
度
- 与一个节点相连的边数
- 平均度
- 度分布(Scale-free网络)
聚集系数
- 一个节点邻点之间边越多，聚集系数越高
最短路径和平均最短路径
- 小世界网络，正比于logN
网络中心性度量
- 介中心性Betweenness (反映节点或者路段的枢纽地位)
  $$
  c_i^b = \frac{1}{(N - 1)(N - 2)} \sum_{\substack{j = 1 \ j \neq i \neq k}}^N \frac{n_{jk}(i)}{n_{jk}}
  $$
- 直中心性Straightness
  $$
  c_i^s = \frac{1}{N - 1} \sum_{\substack{j = 1 \ j \neq i}}^N \frac{d_{ij}^{ideal}}{d_{ij}}
  $$
- 邻近中心性Closeness(反映了节点在整个网络中的几何位置)
  $$
  c_i^c = \frac{N - 1}{\sum_{\substack{j = 1 \ j \neq i}}^N d_{ij}}
  $$
社区分割

制图与可视化

地图就是依据一定的数学法则，使用制图语言，通过制图综合，在一定的载体上，表达地球（或其他天体）上各种事物的空间分布、联系及时间中的发展变化状态的图形。

地图要素

图形要素
- 图形是地图的主体。把自然、社会经济等需要表示的现象通过地图符号的表示，从而形成图形要素。
数学要素
- 数学是保证地图可量和可比的基础。数学要素里包括地图投影、地图坐标系统、比例尺和控制点。
辅助要素
- 辅助要素包括地图名称、图例、地图编号、作者、绘制时间、地图参数等。这是保证地图完整的重要部分。
补充说明
- 使用统计图表、剖面图、照片、文字等形式补充地图内容的说明。
地图符号的视觉变量
地图符号的视觉变量
- 大小
  - 点符号的大小，线符号的粗细，面符号的面积
- 形状
  - 点符号的形状，线符号的形状，面符号的形状
- 色彩
  - 色相、明度、饱和度
- 纹理
  - 点、线、面的纹理变化
- 方向
  - 符号的朝向或倾斜角度
地图注记
- 地图上的文字和数字总称为地图注记，它是地图内容的重要部分
- 注记并不是自然界中的一种要素，但它们与地图上表示的要素有关，没有注记的地图只能表达事物的空间概念，而不能表示事物的名称和某些质量和数量特征
- 种类
  - 名称注记
    - 说明各种事物的专有名称，如居民点名称
  - 说明注记
    - 说明各种事物的种类、性质或特征
    - 用于补充图形符号的不足，常用简注表示
  - 数字注记
    - 用来说明某些事物的数量特征，如高程等

专题地图

概念
- 专题地图是突出地表示一种或几种自然现象和社会经济现象的地图
按内容可分为三大类：
- 自然地图
  - 表示自然界各种现象的特征、地理分布及其相互关系，如地质图、水文图等
- 社会经济地图
  - 表示各种社会经济现象的特征、地理分布及其相互关系，如人口图、行政区划图等
- 其他专题地图：不属于上述二类的专题地图，如航海图、航空图等

面状专题内容的表示方法

等值线法
- 等值线系指在地图上通过表示一种现象的数量指标的一些等值点的曲线，如等高线、等温线
- 等值线法宜用于表示地面上连续分布而逐渐变化的现象，并说明这种现象在地图上任一点的数值或强度
- 等值线的数值间隔原则
  - 最好是一个常数，以便判断现象变化的急剧或和缓，但也有例外
  - 等值线间隔的大小首先决定于现象的数值变化范围，变化范围越大，间隔也越大，反之亦然
- 根据等值线分层设色，颜色应由浅色逐渐加深，或由寒色逐渐过渡到暖色，这样可以提高地图的表现力
质底法
- 质底法又名底色法，用于将区域划分为质量相同的地段
  - 首先按现象的性质分类或分区，制成图例，在地图上绘出各分类界线
  - 然后把同类现象或属于同一区划的现象绘成同一颜色或同一的晕纹
- 可以用于表示
  - 地表面上的连续面状现象：如气象现象
  - 大面积分布的现象：如土壤覆盖
  - 大量分布的现象：如人口
- 特点
  - 优点是鲜明美观
  - 缺点是不易表示各类现象的逐渐过渡，而且当分类很多时，图例比较复杂，必须详细阅读图例时才能读图
  - 两种颜色系统不应该相互重叠，但是底色可以与晕线重合
  - 质底法易于与其他表示方法结合使用。
范围法
- 范围法又名区域法，用于表示某种现象在一定范围内的分布
  - 精确范围法：有明确的界线，可以在界线内着色或填绘晕纹或文字注记
  - 概略范围法：可用虚线、点线表示轮廓界线，或不绘轮廓界线，只以文字或单个符号表示现象分布的概略范围
- 表示范围的方法
  - 用一定图形的实线或虚线表示区域的范围
  - 用不同颜色普染区域
  - 在不同区域范围内绘以不同晕线
  - 在区域范围内均匀配置晕线符号，有时不绘出境界线
  - 在区域范围内加注说明注记或采用填充符号。
- 范围法与质底法的区别
  - 所表现的现象不布满整个编图区域
  - 不一定有精确的范围界线
点值法
- 点值法是在图上用小点表示现象的分布和数量，它适用于表示分布不均匀的现象
- 从图上点的疏密就可看出现象的集中或分散的程度
- 布点时要确定点的大小及其代表的值
  - 在最稠密的地方，点可以近于紧接但不能重迭
  - 在最稀疏的地方，也有点的表示
  - 在其他地方，则依比例显示出点的疏密
- 点值法有两种方法
  - 均匀布点法，即在一定的区划单位内均匀地布点
  - 定位布点法，即按照现象实际所在地布点
- 点值法的优点
  - 简单明了
  - 既可以表示现象的数量特征
  - 也可以表示它的质量特征和发展概况
符号法
- 用各种不同形状、大小和颜色的符号表示现象的分布及其数量特征和质量特征
  - 符号绘在现象所在的位置上
  - 符号的大小表示数量的差别
  - 符号的形状和颜色表示质量和内容的差别
- 个体符号法
  - 用于表示不依地图比例尺或所占面积小于地图符号本身的一些地物的位置，并且通常用于表示按点定位的现象
  - 几何符号、文字符号和象形符号
- 线状符号
  - 可表示几何概念的线划，如分水岭、地面上确定的各种境界线
  - 可表示线状分布的不能依地图比例尺表示其宽度的地物，如河流与道路
  - 可用线状符号强调图上按面积表示的地物的主要方向，如山脊线、山脉走向线
动线法
- 一般是用箭形符号表示现象的运动路线和方向，如人口迁移路线、洋流和货运路线等
  - 箭头和箭体上部的方向应保持一致，箭头的两翼应保持对称
  - 箭形的粗细或宽度表示运动速度强度或货运的数量
  - 箭形的长短表示风向、洋流的稳定性
  - 首尾衔接的箭形表示运动的路线
- 动线法表示面状事物的移动
统计图法
- 根据编图区域内各区划单位或典型地点的统计资料，用地图形式表达
  - 图形统计图法
    - 根据各区划单位的统计资料作成图形或图表，绘在地图上该区划单位之内。
    - 它反映一个区划范围的现象，而不是一个点上的现象
    - 图形统计图宜于表示绝对的数量指标
    - 在地图制图中采用较多的是
      - 线状统计图形——柱状和带状等，其长度与所比较的数值成正比
      - 面积统计图形——正方形、圆圈等，其面积大小与所比较的数值成正比
      - 立体统计图形——立方体、圆球等，其体积与所比较的数值成正比
  - 定位统计图法
    - 将固定地点的统计资料，用图表形式绘在地图上的相应地点，以表示该地某种现象的变化
    - 常用的图表有柱状图表、曲线图表、玫瑰图表等
  - 分级统计图法
    - 表示一定区域单位范围内某种制图现象平均密度的方法
    - 是按照各区划单位的统计资料，根据现象的密度、强度或发展水平划分等级，然后依据级别高低，在地- 图上按区划分别填绘深浅不同的颜色或疏密不同的晕线，以显示各区划单位间的差异
    - 分级时可采用等差的、等比的、逐渐增大的或任意的
    - 分级统计图适于表示相对的数量指标。绘制简单，阅读容易
DEM表示法
- 地貌晕渲图
- 首先是根据DEM数据计算坡度和坡向
- 然后将坡向数据与光源方向比较，面向光源的斜坡得到浅色调灰度值，反方向的得到深色调灰度值，两者之间得到中间灰度值
- 灰度值的大小则按坡度进一步确定
- 三维曲面

专题地图设计——制图

专题地图的总体设计
- 指任务和要求明确后初步提出的图幅基本轮廓，包括
  - 投影选择
  - 明确比例尺
  - 划定图幅范围
  - 进行图面规划
  - 绘制设计略图

可视化

可视化（Visualization）是利用计算机图形学和图像处理技术，将数据转换成图形或图像在屏幕上显示出来，并进行交互处理的理论、方法和技术。
- 计算机技术为可视化提供了无限的可能
- 可视化是技术也是艺术
- 可视化的主要目的是为了表现数据的规律和模式
  例子：
  - 可视化发现模式(北京实时交通)
  - 对中国地名的可视化
  - 飓风路径图
  - Cartogram
  - 2004年美国大选(布什 vs. 克里)
  - 个体轨迹可视化
  - 三维可视化

GIS的应用

自然资源和环境管理
城市规划与管理
灾害管理与应急响应
公共卫生和犯罪
其它领域
- 数字矿山
- 精准农业

自然资源与环境管理

基于GIS管理不同自然资源要素

全球变化研究
物种分布预测
空气污染模拟与评估 Hamilton市污染物分布
水环境监测湖泊富营养化水体富营养化
河流水质监测与评估长江流域水质监测站分布

城市规划和管理

gis28

城市规划城市三维可视化城市规划效果三维可视化
城市管理北京市东城区万米网格管理
古建筑三维重建用三维点云进行古建筑结构的三维重建

灾害管理和应急响应

GIS在公共安全系统每个环节中的作用
- 危险评估与规划
  - 什么人、财物和公共设施处于潜在的危险中？
  - 灾难的发生将给社会和国家造成多大程度的损失？
  - 相比之下，灾难发生的可能性有多大？
- 灾情缓解
  - 怎样最大限度的避免灾难事故的发生，以及尽量减轻灾难损失？
  - 建立预警系统
  - 在潜在危险规划评估中，找到可能发生的潜在事故
- 预防和准备
  - 哪个地方需要加强配备搜救队伍以提高应急质量，减少应急事件？
  - 如果应急反应速度达到5分钟，那么消费队应驻扎在什么地方？
  - 在不同的环境条件下应该选择怎样的疏散路线？有哪些备选路线？
  - 哪些设施提供避难？每个避难所应该提供多少设施？
- 快速反应
  - 快速提供区域内的相关信息：消火栓、电力开关、危险材料、房屋结构
  - GIS帮助选择救援路径并调配救援力量
- 恢复重建
  - 损失评估
  - 跟踪与监管
美国911事件中的GIS
GIS与911事件 2001年9月11日，纽约应急服务中心(EOC)随世贸大厦一起被毁，GIS需要重建
9月14日，EOC转移到哈德森河的一条大船上，图像中心装备20台GIS工作站5和台绘图仪
ESRI协助提供、制作专题地图，并开发Web的在线地图服务系统
截止到11月初，制图中心共接到1800多个制图请求，生产了7000多幅大比例尺地图和更多的小比例尺地图
2008年汶川地震灾后评估
2013年芦山地震信息发布平台芦山地震位置芦山地震信息采集与发布
2008年中国南方雪灾评估
2010年墨西哥原油泄露信息采集移动GIS WebGIS
洪水模拟
谷歌飓风地图
- 为人们提供一些基本的信息，如风暴的行进路线、可以躲避的位置、紧急呼叫电话以及快速捐款通道。
- 谷歌灾难应急响应小组（The Google crisis response team）

公共卫生和犯罪

公共卫生应用
- 疾病监测与流行病学研究
  - 疾病空间分布（历史数据）
  - 传染病（传播预测）
    - 人间传播
    - 动物传播
      - 钉螺，血吸虫
- 卫生服务管理与决策研究
  - 医疗设施配置
- 应对突发公共事件
公共卫生应用：时空模式
- 中国的癌症村
公共卫生应用：归因分析
- 美国Illinois州晚期乳腺癌病例的空间分布
公共卫生应用：传染病时空模式
- H1N1流感病例
- 我国血吸虫病分布与钉螺，特别是感染性钉螺的分布相一致。利用GIS的预测模型和多层重叠分析，可以为螺情监测和血吸虫病流行病学研究提供有力的工具。
公共卫生应用：传染病传播预测
- 人类活动导致疟疾的传播在空间尺度上超过了蚊子传播的限制条件。鉴别因人类旅行导致的疟疾感染源或感染汇，以及定位高风险的感染地区将极大地提高疟疾控制项目。本研究利用移动电话清晰的空间数据和肯尼亚疟疾流行病信息，确定人类作为疟疾载体在不同区域间输入的动态。该分析确定了在区域空间尺度上导致疟疾流行的输入路线。
- 预测H7N9如何蔓延
医疗服务评估与空间优化
GIS与SARS(2003年)
- 卫生部SARS(严重急性呼吸综合征)疫情发布地理信息系统
  - 在全国1:400万基础地形的基础上叠加SARS专题数据（全国各省、重点省市的新增确诊病例数，累计确诊病例数等），发布多种疫情专题信息
  - 全国疫情基本统计分析：分别按照性别构成、年龄构成和职业分布进行简单的统计分析
  - 全国疫情每日动态：发布当日和历史疫情的地理分布图和统计图表
  - 重点省市疫情每日动态：发布疫情严重区，例如北京、广东、内蒙、天津、山西和河北的动态疫情信息
  - 世界疫情每日动态发布WHO公布的世界疫情信息
犯罪应用：时空模式分析
犯罪应用：模拟和预测
- 芝加哥城偷窃率分布图

其它领域：精准农业

精准农业是以信息技术为支撑，根据空间变异，定位、定时、定量地实施一整套现代化农事操作与管理的系统，是信息技术与农业生产全面结合的一种新型农业。

数字矿山
- 数字矿山三维地质模型和矿区三维场景

GIS简介

地理信息系统简介

GIS发展历史

GIS系统功能

地理信息科学

相关软件和网站

空间数据模型

空间数据模型

场模型和要素模型

对象和场的数据结构

矢量数据和栅格数据

属性值的类型

不规则三角网数据

三维模型

分层数据模型

空间参照系统

地理坐标

地理投影

地理现象的特性

GIS的基本度量和分析

空间量算

空间关系

空间查询

叠加分析 Overlay

缓冲区分析Buffer

空间插值基础

整体插值方法

局部插值方法

最近邻点法：泰森多边形方法

移动平均插值方法：距离倒数插值

样条函数插值方法

不同插值方法的结果

栅格及DEM分析

矢量栅格转换

栅格数据操作的类型

DEM

DEM的数据模型

DEM获取

坡度和坡向

二阶差分法计算坡度坡向的详细说明

坡度坡向分析中的问题

空间分布模式分析

空间分析中的点

点分布分析

带值点的模式分析

Moran’s I指标

Moran散点图

网络分析

最短路径算法

资源分配

空间交互(Spatial Interaction)

签到数据

复杂网络度量指标

制图与可视化

地图要素

专题地图

面状专题内容的表示方法

专题地图设计——制图

可视化

GIS的应用

自然资源与环境管理

城市规划和管理

灾害管理和应急响应

公共卫生和犯罪

其它领域：精准农业