分布式GIS（共9篇）
分布式GIS 篇1
0 引言
分布式数据库是目前我国在地籍管理系统中应用最广泛的数据库建立方式之一, 由于其自身所具有的特性, 促使其在我国地籍信息管理过程中发挥着重要作用。本文就GIS、分布式数据库、地籍管理信息系统以及籍信息GIS系统分布式数据库的数据特性进行了讨论。
1 对GIS、分布式数据库、地籍管理信息系统的定义
1.1 对GIS系统的定义
GIS技术就是我们俗称的地理信息系统, 它是一种和多个学科都有联系的综合性系统, 像计算机的图形学、网络应用学、数据库的建立学等都是GIS技术的主要内容, GIS技术自面世以来得到了比较广泛的应用。GIS技术的基本运用原理就是在实际状况的前提之下, 实现地理位置相关特点和属性分析过程, 并把分析记过以一种通俗易懂、真实准确的形式传递给用户, 为用户对于相关地理问题的研究提供一定的便利。在GIS技术中最重要的功能之一就是能够对空间进行系统分析, 并且把其结果以可视化形式进行呈现, 从而为相关人员的决策提供依据。GIS技术的发展时间并不是特别长, 大约在20世纪60年代左右第一个GIS系统才被建立, 在此之后, GIS系统开始被各个国家所接受。随着技术条件的不断改善, GIS技术所应用的范围也逐渐扩大, 在70年代左右, 有些国家开始把GIS技术应用到水资源管理的过程中去。我国发展GIS技术的时间更是晚, 大约在80年代后, 如今随着各国对GIS技术研究力度的不断增大, GIS技术的应用的范围被进一步扩大, 基本每个学科领域都能够有GIS的身影。GIS作用的实现需要多个学科的协调参与, 它的本质还是属于计算机技术的一种, 和普通的计算机技术相比。GIS不仅具有信息的搜集、储存以及更新的过程, 还能够在一定程度上实现对所获得的地理信息数据进行分析和处理。从总体上来看, GIS就是一个集于计算机硬软件、相关的地理信息以及GIS系统操作人员的集合体, 只有各个参与成分都达到了相关的要求, GIS作用才能够最大程度的得到发挥。
1.2 对分布式数据库的定义
所谓的分布式数据库顾名思义就是对相关地理信息以多种形式为载体进行分布发布的方式。分布式数据库的组成离不开若干不同节点, 在分布式数据库中每一个节点都能够作为独立的数据库进行数据的处理与传送, 这些不同节点联合的实现主要依据的就是互联网技术。因此分布式数据库就是由若干子数据库通过特定方式相结合的综合性数据库系统。各个节点从一定层面上分析可以把其视为同一系统, 但是在基本功能发挥的过程中, 其都能够保持运行的独立性。分布式数据库和传统一体性数据库相比, 具有很多的优点, 整体的性能在一定程度上由于传统数据库。首先分布式数据库能够实现就地访问, 这能够极大程度的使系统通信开销得以降低, 使得数据库能够保证运行的顺畅。其次在扩充性方面, 分布式数据库的优势也比较明显, 集中式数据库一经建立, 要想对其数据内容进行扩充就必须对整个数据库进行调整, 这在一定程度上增加了数据库的建设成本, 分布式数据库则很好的改善了这个缺点, 设计者可以根据现实需求对数据库节点进行增加或减少, 在节点增加或减少的过程中对于数据库整体性能的发挥并没有太大的影响。再者就是数据库可用性能以及自治性能都比集中式数据库好, 当分布式数据库部分数据遭受损坏时, 其余节点仍能够保持正常工作状态, 把数据库损害带来的损失降至最低。除此之外, 由于现代许多企业或者部门对于数据库的要求为既能够实现对自我数据的管理又能够与其它部门或机构进行数据共享, 分布式数据库是目前为止最能够满足这种要求的数据库之一。
1.3 地籍管理信息系统
所谓的地籍就是一种能够对土地的基本信息进行表示的图薄册, 像土地的位置、数量、质量等都应该在地籍信息中被明确标示。随着科学技术的不断发展, 对于地籍的管理方式也在不断的变化着, 目前我国对地籍进行管理的最主要的方式就是通过GIS数据库的建立来实现相关地籍信息的统计与管理。这种以土地的基本信息为输入单元, GIS数据库终端为输入场所的信息系统就被称为地籍管理信息系统。通地籍管理信息系统的建设能够极大程度的促进相关人员地籍信息管理工作的效率的提升。
2 地籍信息GIS系统分布式数据库的数据特性
2.1 地籍信息GIS系统分布式数据库数据具有精确性
在GIS分布式数据库中采集数据过后为了使得数据的精确性能够达到要求, 一般情况下都会对数据进行平差校正, 换个角度说, 平差校正的精度对于数据精确度有着直接的影响。一般的平差校正所考虑的只不过是二维空间内数据的误差, 但是GIS系统的分布式数据库能够在进行数据的平差校正中引入三维空间数据误差, 从而使得数据库中的数据信息的准确性达到一定要求。精确的信息能够为地籍的管理过程提供一定的便捷性, 能最大程度保证地籍信息管理工作的顺利进行。
2.2 地籍信息GIS系统分布式数据库数据具有分布性
分布式数据库最大的特点就是能够实现分布数据的收集和管理。在我国对于地籍信息管理的部门是层层递进的, 每一个等级的管理部门都建有自己的地籍管理信息系统, 从而促进在其管辖范围内地籍信息的管理。为了更高级别的管理部门能够及时的了解其管辖区域内地籍信息的状况, 就必须对比其等级低的管理部门的信息进行汇总, 这一过程的实现主要就得依据分布式数据库的建立。分布式数据库其数据具有分布性, 并且其具有就地访问的特性, 当高级别的管理部门需要访问分布的信息时可以直接对其相关数据库进行访问。这种信息的管理模式能够一定程度上降低信息系统建立成本, 对于提升地籍信息的管理效率也有一定的积极影响。
2.3 地籍信息GIS系统分布式数据库数据具有拓展性
随着土地状况的不断变化, 地籍信息一直处于一个动态过程, 相关部门必须及时的对地籍信息进行更新和维护。分布式数据库能够很好的实现这个过程, 当相关地籍信息发生变化时, 相关的管理部门只需要对和地籍变换有关的节点数据库进行修整即可, 除此之外, 相关部门也可以根据地籍情况通过增加节点的形式对分布式数据库进行拓展, 从而使得数据库信息的准确性更高。
3 结束语
分布式数据库是一种能够通过网络技术把相关子数据库进行联结的数据库, 和集中式数据库相比, 其在许多方面具有优势性, 像在其可用性方面、拓展性方面、访问性方面等都具有比较大的优势。由于我国地籍信息的管理所采用的模式就是逐级管理的方式, 在各级的管理过程中都建有自己的数据库, 这在一定程度上决定了分布式数据库在我国地籍信息管理系统中的应用。
摘要：随着社会的不断发展, 传统的地籍信息管理系统已经不能够满足现代社会的要求, 因此基于GIS系统的地籍信息管理系统就逐渐的被建设和完善。目前在我国地籍信息管理系统发挥主要作用的就是分布式数据库, 分布式数据库和集中式数据库相比具有很多优点, 譬如其拓展性能、可用性能更好等。分布式数据库的应用极大程度地提升了我国地籍信息管理工作的效率与准确性, 为促进我国地籍信息管理科学化的实现奠定了基础。
关键词：地籍信息,GIS,分布式数据库
参考文献
[1]吴长彬.城乡一体化地籍信息系统研究[D].南京师范大学, 2012 (06) .
[2]孙紫英, 郭晓虹.土地管理信息系统地籍数据库模型探讨[J].内蒙古科技与经济, 2013 (08) :65-66.
[3]刘小生, 翁和霞.基于GIS的地籍管理信息系统的数据库的建立[J].有色金属, 2013 (08) :98-99.
[4]徐世武.GIS在地籍管理应用中若干关键技术探讨[J].测绘信息与工程, 2012 (09) :121-122.
[5]钟耳顺.土地信息系统建设中的若干问题[R].中国科学院地理信息产业发展中心, 2012.
[6]重庆市土地房屋勘测院.土地房产信息一体化技术研究报告[R].2013.
分布式GIS 篇2
外来物种入侵已经成为人类历史上最重大的生态事件之一,它直接威胁到了包括中国在内的世界上很多国家的经济、公众健康、农业生产力和生态的完整性.该研究利用遥感和GIS的方法进行了外来入侵物种的相对适生区分析,预测了外来物种-豚草在中国的潜在分布,并在信息理论的框架下建立了一种改进的`加权平均逻辑回归模型.利用logit阈值和频率统计的方法对入侵物种的生境进行相对适应性划分,减小了生物多样性数据的不对称带来的影响.
作 者：陈浩 陈利军 CHEN Hao CHEN Li-jun 作者单位：陈浩,CHEN Hao(武汉大学,遥感信息工程学院,湖北,武汉,430079;国家基础地理信息中心,北京,100080)
陈利军,CHEN Li-jun(国家基础地理信息中心,北京,100080)
分布式GIS 篇3
关键词：木林子自然保护区；GIS技术；物种分布调查
【作者简介】汪洋（1982-）男，硕士研究生，助理工程师，从事生态环境影响评价工作
木林子自然保护区位于湖北省恩施土家族苗族自治州鹤峰县，地理坐标为东经109€?9′30〞~110€?7′58〞，北纬29€?5′59〞~30€?0′47〞，总面积约210km2。该自然保护区已鉴定的维管植物203科918属2689种（含种下等级），陆生野生脊椎动物有26目75科302种，其中前者包括6种国家Ⅰ级保护、24种国家Ⅱ级保护、72种列入CITES附录、32种列入IUCN红色名录和110种列入《中国物种红色名录》的种类，后者包5种国家Ⅰ级保护、50种国家Ⅱ级保护和65种列入《中国物种红色名录》的野生动物。
本文以上述自然保护区为例，对该自然保护区物种分布进行预测和制图，具体工作步骤如下：
1.指示物种的选取
选取中国特有且列入IUCN物种红色名录濒危等级物种，或属于国家重点保护野生动物名录和国家重点保护野生植物名录中的物种，确定了88个指示物种（见表1）。
2.指示物种分布点位的确定
在木林子自然保护区植被（群系一级）图的群系单元收集物种的分布数据。根据林地板块数目（286块）和面积（201，999，880m2），计算出每个群系单元格平均面积为0.706km2。确定每个群系单元格系统内物种存在分布的可能性，大致确定物种分布点位，分别制作指示动植物分布点位图，具体见图1，2。
3.建立物种-栖息地关系模型
通过实地调查和大量的文献的整理，建立指示动物物种的生境信息数据库（表2），主要包括植被类型、地形、高程等特征，进而建立物种-栖息地关系模型。
4 .木林子自然保护区生物多样性热点地区确定
本文采用下列定性和定量的指标作为选择保护区生物多样性热点地区的标准：
（1）出现指示物种种数数量多的单元；
（2）自然植被保存相对完整，认为活动影响较小的地区；
（3）地域上相对独立的地理单元或单元组合的地区；
（4）物种的热点值超过0.5的地区。
按如下赋值原则对地区热点值进行计算：
①中国特有并处于濒危或受威胁状态的物种，赋值0.3;
②绝大多数种群分布在中国的特有并处于濒危或受威胁状态的物种，赋值0.25；
③国内濒危的物种(国家Ⅰ级保护物种)，赋值0.2；
④国内受威胁的物种(国家Ⅱ级保护物种)，赋值0.1。
地区热点值的计算：
H=HCS €?.3+ HCT €?.25+H1€?.2+ H2€?.1
其中：
H－代表该地区热点值；
HCS－代表该地区中国特有并处于濒危或受威胁状态的物种种数；
HCT－代表该地区绝大多数种群分布在中国的特有并处于濒危或受威胁状态的物种种数；
H1－代表该地区国家Ⅰ级保护物种种数；
H2－代表该地区国家Ⅱ级保护物种种数；
在评价中，首先分别对每个类群的指示物种制作分布图，分析各类群的热点地区，然后将三个类群的分布图综合成保护区物种多样性热点地区评价图，根据保护对象的集中分布程度，划分生物多样性热点地区等级。
根据表2，利用MapGIS 6.5在群系单元基础上进一步预测物种的分布，结合保护区指示植物分布点位的指示动植物物种生境分布见图3，并根据现有的资料和观测情况确定每个单元格中的热点值。
在MapGIS 6.5属性库管理中，对指示动植物生境分布进行分析，发现这些指示植物在286块群系单元中的137块里出现，这些单元格热点值见表3。
根据群系单元热点值的差异，将热点值超过0.5的群系单元划入保护区生物多样性热点地区，并依热点值的高低进行排列，热点值越高，其对应的保护级别相应越高。
参考文献
[1]黄金燕, 周世强,谭迎春等. 卧龙自然保护区大熊猫栖息地植物群落多样性研究:丰富度、物种多样性指数和均匀度[J]. 林业科学. 2007.03
[2]梁仁君, 林振山, 陈玲玲. 不同栖息地状态下物种竞争模式及模拟研究与应用[J]生态学报, 2006.10
分布式GIS 篇4
人口分布指人口在某一特定时间、空间的集散状态、。它是人口地理学研究的核心问题, 同生产分布及经济社会发展息息相关。人口分布不单指人口数量的分布, 还包括其他人口现象在地理空间的聚集与扩散状态, 如人口质量、人口结构、人口自然增长与机械变动、人口居住地类型等空间的组合特征和空间联系[1]。
人口密度是指特地定范围内单位土地面积上的常住人口数, 它是表现人口分布的主要形式和衡量人口分布地区差异的主要指标。通过人口密度指标便于比较区域间的人口分布的稠密情况, 显示区域间人口分布的差异性[1]。
人口区划是在一个国家或较大的区域范围内, 根据人口分布的基本特点及其影响因素的区内类似性与区间差异性而划分的人口区域。区划的具体指标包括自然地理特征指标 (例如地形、气候、水文、土地资源和矿产资源特征等) 和社会经济条件指标 (例如生产力水平、产业结构、文化特点等) [2,3,4]。
基于遥感和GIS技术研究人口的文献[5,6,7,8,9,10,11,12,13,14,15,16,17], 主要是通过自然 (遥感影像信息、地形、海拔、坡度、坡向、水文、气候、土壤、交通、居民点、土地利用类型等) 、经济 (GDP、第一、二、三产业产值等) 等因子与人口数据进行相关性分析, 得出与人口分布较为密切的关键因子, 并建立人口模型和生成人口密度空间分布图, 采用的方法主要有格点生成法、复合面积内插法、分区建模法和多因子加权建模法等。
2 研究区域概况
根据国务院发展研究中心的报告指出, 中国的东、中、西区域划分方法已经不合时宜, 为此, 报告提出“十一五”期间中国划分为东部、中部、西部、东北四大板块, 再将四个板块划分为八大综合经济区的具体构想[11,12,13,14,15,16,17,18,19,20]。本文的研究范围是在报告提出的八大综合经济区所包括的北部沿海综合经济区 (包括北京、天津两市、河北、山东两省) 、东部沿海综合经济区 (包括上海市、江苏、浙江两省) 和南部沿海经济区 (包括福建、广东、海南三省) , 因数据获取等问题, 暂时不考虑我国的港澳台地区。
该区域从北往南属暖温带湿润半湿润地区、亚热带湿润地区和热带湿润地区, 年降水量均在400mm以上, 北部和东部沿海区域一年四季分明, 南部沿海区域长夏无冬。水量丰富, 汛期长, 地貌以平原和丘陵为主, 交通网络稠密, 水陆运输条件好, 农业发展基础好, 工业状况北部偏重工业, 东部和南部偏轻工业。经济基础较我国中西部有明显的优势[21]。
3 研究材料
3.1 自然数据
3.1.1 沿海区域省级、县级行政区域数据
来自中国2003年行政区域图, 数据格式为Coverage, 比例尺为1:100万。
3.1.2 沿海区域河流水系数据
来自国家测绘科学数据共享网的1:400万三级以上河流、1:400万四级河流和1:400万五级河流, 时间为1997年, 数据格式为EOO。
3.1.3 沿海区域DEM数据和土地利用类型数据
来自中国科学院地理科学研究所, 时间为2000年, 数据格式分别为GRID和Coverage格式。
3.1.4 沿海区域气候数据
来自中国气象科学数据共享服务网, 时间范围为1951-2005年, 数据格式为Shape格式。
3.1.5 沿海区域地形地貌数据
对李炳元先生主编的1:100万形态地貌图进行数字化形成1:400万地貌图, 时间为1996, 数据格式为Coverage格式。
3.2 经济数据
3.2.1 沿海区域第五次人口普查数据
来自中国科学院资源环境科学数据中心, 时间为2000年, 数据格式为EXCEL。
3.2.2 沿海区域2000年GDP数据
来自中国科学院资源环境科学数据中心和国家统计局综合司编制的《中国区域经济统计年鉴2001》, 时间为2000年, 数据格式为EX-CEL。
3.2.3 沿海区域2000年非农业户口人口比重数据和第一、二、三产业人口占行业人口比重数据
来自中国科学院资源环境科学数据中心, 时间为2000年, 数据格式为EXCEL。
3.2.4 沿海区域公路数据和铁路数据
来自国家测绘科学数据共享网的1:400万基础地理信息数据, 时间为1997年, 数据格式为EOO格式。
4 研究方法
4.1 基础数据处理
4.1.1 河流数据
在Arc info软件中, 通过“Import”命令把E00格式转换为coverage格式;通过“Project”功能设置投影参数 (同行政区域数据) , 通过“Merge”合并三级、四级和五级河流数据;通过“Intersect”叠加合并后的河流和县级行政区域数据, 通过“Length”计算各县的河流长度。
4.1.2 DEM数据
在Arc GIS软件中, 通过“Mosaic to new raster”功能把DEM数据转换成分辨率为250米的GRID数据, 通过“Zonal statistics as table”计算出各县的DEM平均值。
4.1.3 土地利用类型数据
在Arc GIS软件中, 通过Feature to raster”转换成分辨率为250米的GRID数据;通过“Tabulate area”功能, 计算出各县级的各土地利用类型的面积, 并按照人口分布的影响因素和土地利用类型分类的标准, 将相关的类型合并计算[例如非适宜区包括水域 (代码为41-46) 和未利用类型 (代码为61-67) , 适宜区包括居住区 (代码为51-53) 和非居住区, 非居住区包括耕地 (代码为11-12) 、林地 (代码为21-24) 和草地 (代码为31-33) ]。
4.1.4 气候数据
在Arc GIS软件中, 采用克里金法 (Kriging) 插值方法对气象站点数据的插值, 形成分辨率为250m的GRID数据;通过“Zonal statistics as table”功能, 计算各县的气候数据均值。
4.1.5 地形地貌数据
在Arc GIS软件中, 通过“Import cover”命令把EOO格式的数据转换成coverage格式;通过“Dissolve”功能, 按照地貌类型的代码融合地貌类型数据的属性表;通过“Feature to raster”功能转换成分辨率为250米的GRID数据, 通过“Tabulate area”功能, 计算出各县的各地貌类型的面积, 并根据平原、丘陵和山地三大地貌类型标准重新合并计算面积 (平原类型[合并代码:2-21, 23, 26-34, 36-40, 43-44, 67-85, 88, 90-96, 98-107, 109], 山地类型[合并代码:24, 25, 35, 41, 45, 46, 51-53, 86, 89, 97, 110], 丘陵类型[合并代码:22, 42, 55, 87, 108], 其他[合并代码:其余代码]) 。
4.1.6 公路和铁路数据
在Arc info软件下, 通过“Import”命令把E00格式的数据转换为Coverage格式;通过“Intersect”叠加公路数据 (和铁路数据) 和县级行政区域数据, 通过“length”计算属性表中各县的公路和铁路长度。
4.1.7 经济数据
校正第五次人口普查数据、GDP、非农业户口人口比重数据和第一、二、三产业人口占行业人口比重数据的统计口径, 以保证经济数据的统计范围和县级行政数据中的空间范围保持一致。
4.2 后期处理分析
随机选取85%的县级区域数据做分析, 剩余的15%的数据作为最后的模型验证数据。
首先, 在SPSS软件中得出三个区域内各数据的散点矩阵图, 重点分析人口普查数据和其他数据间的散点图趋势。然后, 剔除与人口普查数据相关性较差或无关的数据, 把与人口普查数据相关性较好的数据重新建立散点矩阵图和相关性矩阵, 选取与人口普查人口数据相关性大于等于0.6, 且无明显自相关性的指标作为关键指标[22,23,24,25,26,27,28,29,30,31,32,33]。
最后, 建立人口指标与各关键指标间的模型, 再对各模型进行权重相加[34], 得出最终的人口模型, 权重系数由各关键指标与人口普查数据的绝对系数R2确定, 用剩余的15%的数据检验各区域模型的精确度并分析其原因。
5 研究结果
5.1 各区域指标间的散点图矩阵
5.1.1 北部沿海综合经济区 (如图1 (a-e) )
存在线性或非线性关系的指标:GDP、road (公路) 、rail (铁路) 、river (河流) 、耕地面积、居民区面积和平原面积。
不存在关系的指标:第一、二、三产业人口比重、非农业人口比重、DEM、水域面积、aat (年均温) 、jw (大于0℃年积温) 、aap (年降水) 、aah (相对湿度) 、aas (日照时数) 、林地面积、草地面积、未利用面积、非适宜区面积、适宜区面积、丘陵面积和山地面积。
5.1.2 东部沿海综合经济区 (如图2[a-e]q)
存在线性或非线性关系的指标:GDP、耕地面积、居民区面积和平原面积。
不存在关系的指标:第一、二、三产业人口比重、非农业人口比重、road (公路) 、rail (铁路) 、river (河流) 、DEM、水域面积、aat (年均温) 、jw (大于0℃年积温) 、aap (年降水) 、aah (相对湿度) 、aas (日照时数) 、林地面积、草地面积、未利用面积、非适宜区面积、适宜区面积、丘陵面积和山地面积。
5.1.3 南部沿海综合经济区 (如图3[a-e])
存在线性或非线性关系的指标:GDP、第一产业人口比重、DEM、水域面积、耕地面积、居民区面积和平原面积。
不存在关系的指标:第二、三产业人口比重、非农业人口比重、road (公路) 、rail (铁路) 、river (河流) 、aat (年均温) 、jw (大于0℃年积温) 、aap (年降水) 、aah (相对湿度) 、aas (日照时数) 、林地面积、草地面积、未利用面积、非适宜区面积、适宜区面积、丘陵面积和山地面积。
5.2 提取各区域内关键性指标, 并建立人口模型
5.2.1 北部沿海综合经济区
选定本区域R2大于0.36的GDP、rail、river和平原面积四个指标, 并做散点矩阵图和相关性矩阵分析, 查看指标间的自相关性, 可以确定三个指标间没有明显的自相关性。散点矩阵图如图4所示。
根据三个指标与人口普查数据间的R2值确定三指标的权重系数分别是:GDP为0.36, rail为0.24, river为0.15, 平原面积为0.25。
5.2.2 东部沿海综合经济区
选定本区域R2大于0.36的GDP、耕地面积、居民区面积和平原面积四个指标, 并做散点矩阵图和相关性矩阵分析, 查看指标间的自相关性, 可以发现平原面积和耕地面积间的R值为0.961, 剔除平原面积指标。散点矩阵图如图5所示。
根据三个指标与人口普查数据间的R2值确定三指标的权重系数分别是:GDP为0.34, 耕地面积为0.30, 居民区面积为0.36。
东部沿海综合经济区人口模型:
5.2.3 南部沿海综合经济区
选定本区域R2大于0.36的GDP、水域面积和居民区面积三个指标, 并做散点矩阵图和相关性矩阵分析, 查看指标间的自相关性, 三个指标间没有明显的自相关性。散点矩阵图如图6所示。
根据三个指标与人口普查数据间的R2值确定三指标的权重系数分别是:GDP为0.41, 水域面积为0.20, 居民区面积为0.39。
(x1为GDP, x2为水域面积, x3为居民区面积)
6 结果及存在的不足
6.1 结果讨论
6.1.1 北部沿海综合经济区
T检验结果:sig值为0.334>0.05, F值为0.949。说明此区域模型人口数据的均值与人口普查数据的均值差异不显著。模型人口数据与人口普查数据作相关性分析 (图7所示) 可以看出, R2值为0.6679。
北部沿海综合经济区人口模型有四个关键指标:GDP, rail (铁路长度) , river (河流长度) 和平原面积, 并且GDP的线性相关性R高达0.9358, 其次为平原面积、rail和river长度。该区整体气候适宜, 地势较为平坦, 比较适合人类居住, 经济发展水平整体较高, 交通便利, 河流较多, 人口分布整体上较为稠密, 特别是沿海城市人口分布较为密集。
6.1.2 东部沿海综合经济区
T检验结果:sig值为0.290>0.05, F值为1.147。说明此区域模型人口数据的均值与人口普查数据的均值差异不显著。模型人口数据与人口普查数据作相关性分析 (图8所示) , 可以看出, R2值为0.6668。
东部沿海综合经济区人口模型有三个关键指标:GDP, 耕地面积和居民区面积, 并且居民区面积指标的影响程度最高, 其次分别为GDP和耕地面积。该地区为我国经济发达地区, 整体生产力发展水平较高, 交通十分便利, 区内经济发展差异相对较小, 地势较为平坦, 上海、南京、杭州和宁波等大型城市的人口分布十分密集, 居民区面积和耕地面积的大小很大程度上决定着该地区人口的容纳程度。
6.1.3 南部沿海综合经济区
T检验结果:sig值为0.281>0.05, F值为1.181。说明此区域模型人口数据的均值与人口普查数据的均值差异不显著。模型人口数据与人口普查数据作相关性分析 (图9所示) 可以看出, R2值为0.6915。
南部沿海综合经济区人口模型有三个关键指标:GDP, 水域面积和居住区面积, 并且GDP和居住区面积对人口分布的影响程度较高, 水域面积的影响较低。该地区气候整体较为湿热, 交通便利, 广东、福建地区的经济发达, 内陆河流水系分布较为密集, 是人口高密集地区, 海南地区经济发展较落后, 气候炎热, 人口分布相对稀少。
6.2 存在的不足
6.2.1 数据方面的问题
影响人口分布的因素包括自然、社会经济、历史、文化背景等方面。本文由于部分数据不易定量、获取难等问题没有考虑。
空间数据的处理算法不可避免的存在不同程度的误差, 这些误差同样会影响研究结果。
6.2.2 区划标准的精确性
社会经济数据一般是以行政区域为统计单元, 而其他自然数据在行政区域边界是自然连续过度, 要把两种不同口径下统计的数据统一到行政区域单元内, 势必会影响行政区域边界地区数据过渡的不连续, 从而影响到将来人口分布在行政边界上过渡的连续性。
6.2.3 人口模型指标权重的确定
本文人口模型中各指标的权重是通过客观赋权法确定的, 这种方法具有较强的数学理论依据, 较主观赋权法可以避免评价结果的主观随意性, 但是这种方法在一定程度上不能体现决策者的意愿, 可能与决策者考虑的结论有较大的差异。
摘要：该文运用GIS空间分析方法和数理统计方法, 分析我国北部沿海、东部沿海和南部沿海综合经济区人口空间分布与其相关因子 (自然和经济因子) 间的定量关系, 筛选与人口分布密切相关的关键指标并建立人口数学模型, 最后对模型进行精度验证, 分析该区域人口分布的特点及其影响因素。本文具体结论如下: (1) 北部沿海综合经济区人口分布特点:地势平坦的内陆平原地区和沿海地区经济发达, 交通便利, 人口分布较为密集, 内陆山地、丘陵地区人口分布稀少; (2) 东部沿海综合经济区人口分布特点:人口分布整体比较密集, 特别是交通便利、经济发达的地区人口分布尤为密集; (3) 南部沿海综合经济区人口分布特点:内陆河流分布密集、积温较低的地区人口分布较为密集, 积温较高、丘陵低地区域人口分布稀少。
分布式GIS 篇5
关键词：GP服务,GIS,噪声分布
1 概述
随着现代工业生产、交通运输和城市建设的迅速发展以及城市化进程的不断加快,城市环境噪声作为日益突出的环境污染的问题,日趋严重地影响着人们的正常生活。因此如何有效地预防噪声污染、减少噪声的产生,得到了人们广泛的关注。城市噪声监测已成为整个环境噪声的必要组成部分。城市噪声监测的主要目的是确定各区域的环境噪声水平,研究各区域噪声的变化趋势,以求能够及时、准确地反映当前噪声状况,有利于相关部门对噪声污染进行宏观控制,制定合理的环境保护政策和措施。因此,城市环境噪声的监测不可缺少。
然而,噪声污染不是仅靠监测点得到的简单数据就可以直观地展现出来的。它具有复杂的空间分布特征,结合地理信息系统(即GIS),利用插值,将噪声数据展现到地图上,形成等值面模型,按照国家标准的环境质量级别分类,就可以达到直观的效果。研究表明,基于GIS的噪声分布图的实现是环境噪声评价的有力依据,具有较好的实用价值和应用前景。
李红星、张斌、杨志国、靖常峰等人分别提出了基于GIS的区域环境噪声的评价方法、GIS在噪声分布图领域的应用及基于GP服务的降雨分布图全自动制图方法等。本文在结合前人研究的基础上,实现了基于GIS(地理信息系统)平台的城市噪声全自动分布图,以直观的方式表达城市噪声的地理分布,清楚明了的显示城市各区域的噪声情况,方便了区域环境噪声的评价和研究,可使人们对环境噪声污染的评价更加准确和深入。
2 GIS及相关技术简介
Geographic Information System,地理信息系统,简称GIS,这是一门新兴的地理和计算机结合的技术,在国内80 年代才从国外引入,目前正处于高速发展时期。而ESRI这个公司,是一个定位工作于地理信息系统的公司,为地理空间数据和属性数据提供各种显示和处理的方法,它的产品即Arc GIS。本文使用的是Arc GIS系列软件中Arc GIS Desktop桌面软件中的Arc Map、Arc Catalog、Arc Toolbox应用程序以及Arc GIS Server服务器软件。
Arc Map是在Arc GIS Desktop中进行制图、编辑、分析和数据管理时所用的主要应用程序。Arc Map可用于所有2D制图工作和可视化操作。Arc Map可将地理信息表示为地图视图中的图层和其他元素的集合。Arc Catalog是组织和管理各类地理信息的应用程序。可在Arc Catalog中进行组织和管理的信息类型包括:地理数据库;栅格文件;地图文档、globe文档、3D scene文档和图层文件;使用Arc GIS Server发布的GIS服务等。 Arc⁃Toolbox用于对地理数据执行一些非常重要的小操作,例如提取和叠加数据、更改地图投影、向表中添加列、计算属性值、面叠加和最优路径等等。
Arc GIS Server是发布各种服务的GIS服务器。Arc GIS Server允许以跨企业和跨Web网络的形式共享GIS资源。GIS资源指的是要与其他人共享的地图、地球、地址定位器、地理数据库和各种工具。共享GIS服务器上的GIS资源的主要好处与通过任何一种服务器技术来共享数据是相同的:可对数据进行集中管理、支持多个用户以及可为客户端提供最新的信息。
本文利用地图文档.mxd资源在Arc GIS Server发布地图服务,然后构建的等值面模型资源发布了地理处理服务(即GP服务);登录Arc GIS Server管理器,可以查看发布的服务的路径和各图层的要素信息。
3 噪声分布图的制图流程及实现
本文将噪声分布图的实现过程如下:下载地理底图数据,实现监测点的分布;根据噪声值计算标准,模拟噪声值数据;利用Arc Catalog中Arc Toolbox工具箱构建了等值面模型,并用Arc GIS Server发布地理底图和该模型,然后用Java Script调用GP服务和地图服务信息,经过调试得到噪声分布图,从而实现全自动制图。
3.1 噪声监测点的分布和噪声的测量
由中华人民共和国国家标准《城市区域噪声测量方法》中的附录A《城市区域环境噪声普查方法》(补充件)可以知道,监测点的分布方法一般为网格测量法;噪声的测量方法为:在规定的测量时间内,每次每个测点测量10min的连续等效A声级(LAeq)。
本文由以上分布方法基本确定了20 个监测点,监测点分布如图1所示。由于目前测量条件有限,还无法真正的测量昼间和夜间的等效A声级,本文中监测点的噪声值数据是模拟的,环境质量级别是按照城市区域环境质量级别如表1所示:
3.2 建立等值面模型
本文实验中所使用的等值面模型的构建,是先将噪声值数据用插值法得到栅格数据集,然后将得到的相等的栅格数据集化为面,最后进行裁剪得到输出参数:面要素类。等值面模型的建立需要Arc Toolbox的一些工具的帮助。构建等值面模型的具体步骤如下:
1)选用反距离权重插值法。该工具所使用的插值方法可通过对各个要处理的像元邻域中的样本数据点取平均值来估计像元值。点距离要估计的像元的中心越近,则其在平均过程中的影响或权重越大。使用反距离权重法将点要素类插值成栅格数据集,形成噪声晕眩图。
2)转为整型工具。使用转为整型工具通过截断将栅格的每个单元值转换为整型,输出为栅格数据集,形成噪声晕眩图。
3)栅格转面工具。使用栅格转面工具将栅格数据集转换为面要素集。
4)裁剪工具。使用裁剪工具时,要先确定裁剪范围和裁剪要素集。这里的裁剪范围是区县要素集,裁剪的要素集是上一步得到的面要素集。
通过以上四个步骤,构建的等值模型如图2所示:
3.3 发布和调用服务
发布服务常用的工具是Arc GIS Catalog或者Arc GIS Serv⁃er。本文使用Arc GIS Catalog来发布地图服务和地理处理服务(即GP服务)。系统网页分布图用Java Script调用服务信息,需要完成三个目标:可以查看区县图层的区域信息;全自动生成等值面图层;显示图例信息。显示区域信息需要用到已发布的地图服务的范围信息(如图3 所示)、区县图层的制图信息(如图4 所示)及字段信息(如图5 所示)。等值面图层的实现需要使用Java Script调用地理处理服务(即GP服务),获得输出参数的GRIDCODE字段(即表示噪声值区域的字段),并对其值按照环境质量级别划分并分别用规定的颜色表示。用不同颜色的块和对应的图例标签来表示环境质量级别,形成图例,显示在页面上。
3.4 城市噪声全自动分布图的实现
图6 所示即为本文实现的噪声分布图。头部是当前时间显示;左下角为图例显示,标注了环境质量级别;右边为噪声分布图显示,即是采用第3 节中的全自动制图技术完成;图中所弹出的信息窗口即为点击区域的相关信息。
图7 所示即为监测点测量的噪声值更新后的噪声分布图。本文实现了城市噪声分布的全自动动态显示。
4 结论
本文阐述如何制图,调用GIS服务器的资源发布全自动噪声分布图。制图使用的是Arc GIS Desktop中的应用程序:Arc⁃Map,数据管理时使用的是Arc GIS Desktop中的应用程序:Arc⁃Catalog,而发布服务则使用的是Arc GIS Server。本文探索了等值面如何显示分级色彩,图例如何添加,区域要素信息如何显示等等问题,最终实现了GIS平台的城市噪声全自动分布图。
基于GIS的城市噪声全自动分布图的实现方法,不仅适用于噪声方面,而且可以应用到水文管理、经济发展评估等各个方面,具有良好的应用前景。本文中对城市噪声全自动分布图研究还有很大的发展空间,例如关于噪声预测模型的实现需要后续的研究和探索等。
参考文献
[1]刘立辉.基于嵌入式系统平台的城市噪声分布地图[D].山东科技大学,2010.
分布式GIS 篇6
旅游资源是旅游目的地吸引旅游者的最重要因素, 也是确保旅游开发成功的必要条件之一[1]。近年来, 国内学者十分关注旅游资源的研究。目前, 国内对旅游资源的研究多集中在对旅游资源普查与评价、旅游环境承载力、旅游业的可持续发展、旅游资源的空间结构等问题进行研究[2,3,4], 而对旅游资源的空间分布以及GIS技术在旅游资源研究中的利用等方面的研究甚少[5,6,7]。本文应用GIS技术对秦皇岛市旅游资源的空间分布进行了研究, 旨在揭示该地区旅游资源的空间分布规律, 为该地区旅游资源的合理规划、利用和管理提供科学依据。
1 秦皇岛市旅游资源概况
秦皇岛市位于河北省东北部, 北依燕山, 南临渤海, 西近京津, 是我国著名的旅游胜地, 风光秀丽, 气候宜人, 自然旅游资源和人文旅游资源丰富, 享有“京津后花园”的美誉。秦皇岛市境内共有主要旅游景区 (景点) 54处, 其中自然景观景点19处, 人文景观景点35处。2012年, 全市国家A级以上景区 (点) 34家 (36处) , 其中国家5A级景区1家 (3处) , 国家4A级景区15家, 国家3A级景区6家, 国家2A级景区12家。有世界文化遗产1处 (山海关万里长城) 、全国十大风景名胜区1处 (山海关万里长城) 、国家级风景名胜区2处 (北戴河海滨、祖山) 、国家历史文化名城1处 (山海关) 、国家森林公园1处 (长寿山) 、国家地质公园1处 (柳江盆地) 、国家海洋自然保护区1处 (黄金海岸) 。
2 研究方法
以秦皇岛市旅游交通图为底图, 结合秦皇岛市统计年鉴和旅游局发布的旅游资源信息, 基于Arc GIS10.0软件的空间分析功能进行分析。首先, 利用Arc GIS10.0软件对底图进行矢量化, 分别提取秦皇岛市行政中心、行政界线、主要国道与省道道路图层以及旅游资源点图层, 并将各图层叠加, 得到秦皇岛市旅游资源空间分布图 (如图一所示) 。其次, 运用Arc GIS10.0软件空间分析功能中的缓冲区分析对旅游资源进行空间分析, 包括基于点的缓冲区分析和基于线的缓冲区分析。基于点的缓冲区分析, 分别以7个县 (区) 级行政中心为点, 以25km为最大缓冲半径、以5km为间隔距离建立缓冲区, 揭示秦皇岛市旅游景点相对于县 (区) 级行政中心的空间分布特征。基于线的缓冲区分析, 以秦皇岛市境内五条主要交通线路为线, 以8km为最大缓冲半径、以2km为间隔距离建立缓冲区, 为旅游者合理选择可达景点提供信息。
3 秦皇岛市旅游资源空间分布分析
3.1 基于点的缓冲区分析
将秦皇岛市旅游资源分布图层与行政中心图层叠加, 并以7个县区行政中心为点, 以25km为最大缓冲半径、以5km为间隔距离建立缓冲区 (如图二所示) , 以此分析秦皇岛市旅游资源点相对于行政中心的空间分布状况。从图二可以看出, 在最大缓冲半径的区域内, 共有旅游景点50处, 约占秦皇岛市地区旅游景点总数的92.6%。其中, 人文景观景点33处, 占该地区人文景观景点总数的94.3%;自然景观景点17处, 占该地区自然景观景点总数的89.5%。
其中, 山海关市区范围内 (辐射半径10km以内) 共有景点10处, 自然景观景点3处, 人文景观景点7处;市郊范围内 (辐射半径10km~15km以内) 有自然景观景点1处。其中, 北戴河市区范围内 (辐射半径10km以内) 共有景点11处, 自然景观景点2处, 人文景观景点9处。其中, 海港市区范围内 (辐射半径10km以内) 共有景点5处, 全部为人文景观景点。其中, 昌黎县城区范围内 (辐射半径10km以内) 共有景点6处, 自然景观景点2处, 人文景观景点4处;市郊范围内 (辐射半径10km~20km以内) 共有景点4处, 自然景观景点1处, 人文景观景点3处。其中, 抚宁县城区范围内 (辐射半径10km以内) 共有人文景观景点3处;市郊范围内 (辐射半径10km~25km以内) 共有景点6处, 自然景观景点5处, 人文景观景点1处。其中, 卢龙县城区范围内 (辐射半径10km以内) 有自然景观景点1处;市郊范围内 (辐射半径10km~20km以内) 共有景点2处, 自然景观景点1处, 人文景观景点1处。其中, 青龙县市郊范围内 (辐射半径20km~25km以内) 有自然景观景点1处。从图二可以看出, 山海关区、北戴河区、昌黎县和抚宁县分布的旅游景点数量居多, 且大部分旅游景点分布在市区或县区范围内, 表明秦皇岛市旅游资源分布呈明显的“圈状”分布的特征。
3.2基于线的缓冲区分析
将秦皇岛市旅游资源分布图与交通路线分布图叠加, 通过GIS点与线的邻近关系分析, 可以得出秦皇岛市的旅游资源具有明显的沿主要交通线路呈“带状”分布的特征。GIS空间分布结果表明, 该地区旅游资源的分布有如下几条带:102国道沿线旅游带、205国道沿线旅游带、沿海高速公路沿线旅游带、京沈高速公路沿线旅游带、364省道 (滨海公路) 沿线旅游带。因此, 基于区域内这五条主要交通线路, 以8km为最大缓冲半径、以2km为间隔距离建立缓冲区, 可以得到不同辐射半径内景点分布状况, 进而为自驾车旅游者提供可达景点的空间信息。
由图三可以看出, 在最大缓冲半径8km的范围内, 五条主要交通线路沿线共有旅游景点43处, 约占该地区旅游景点总数的76.6%。其中, 自然景观景点共11处, 占该地区自然景观景点总数的57.9%;人文景观景点共32处, 占该地区人文景观景点总数的91.4%。其中, 102国道沿线共有景点16处, 自然景观景点12处, 人文景观景点4处:缓冲半径2 km范围内有人文景观景点3处;缓冲半径2km~4 km范围内有人文景观景点1处;缓冲半径4km~6 km范围内有自然景观景点4处, 人文景观景点4处;缓冲半径4km~6 km范围内有人文景观景点4处。其中, 205国道沿线共有景点26处, 自然景观景点5处, 人文景观景点21处:缓冲半径2km范围内有人文景观景点4处;缓冲半径2km~4 km范围内有自然景观景点2处, 人文景观景点4处;缓冲半径4km~6 km范围内自然景观景点2处, 人文景观景点9处;缓冲半径6km~8km范围内有自然景观景点1处, 人文景观景点4处。其中, 沿海高速公路沿线共有人文景观景点8处, 其中缓冲半径2km范围内有人文景观景点1处;缓冲半径6 km~8 km范围内有人文景观景点7处。其中, 京沈高速公路沿线共有景点30处, 自然景观景点7处, 人文景观景点23处:缓冲半径2 km范围内有自然景观景点1处, 人文景观景点3处;缓冲半径2km~4 km范围内有自然景观景点1处, 人文景观景点7处;缓冲半径4km~6 km范围内有自然景观景点5处, 人文景观景点7处;缓冲半径4km~6 km范围内有人文景观景点6处。其中, 364省道沿线共有景点30处, 自然景观景点3处, 人文景观景点27处:缓冲半径2km范围内自然景观景点2处, 人文景观景点21处;缓冲半径2km~4 km范围内有自然景观景点1处, 人文景观景点2处;缓冲半径4km~6 km范围内有人文景景点4处, 如图三所示。
4结束语
本文运用Arc GIS10.0软件的空间分析功能对秦皇岛市旅游资源的结构和空间分布进行分析。结论如下:
(1) 以秦皇岛市7个县级行政中心为中心、以25km为最大缓冲半径、以5km为间隔距离作缓冲分析, 结果表明, 山海关区、北戴河区、昌黎县和抚宁县分布的旅游景点数量居多, 且大部分旅游景点分布在市区或县区范围内, 秦皇岛市旅游资源呈明显的“圈状”分布的特征。
(2) 基于区域内五条主要交通线路, 以8km为最大缓冲半径、以2km为间隔距离作缓冲分析, 结果表明, 秦皇岛市旅游资源具有明显的沿主要交通线路呈“带状”分布的特征。
摘要：运用ArGIS10.0软件的空间分析功能, 对秦皇岛市旅游资源的空间分布状况进行分析, 首先以秦皇岛市7个县 (区) 级行政中心为点, 建立点的缓冲区, 分析秦皇岛市旅游景点相对于县 (区) 级行政中心的空间分布特征;以秦皇岛市区域内五条主要交通线路为线, 建立线的缓冲区, 分析秦皇岛市旅游景点相对于主要交通线路的空间分布特征。结果表明, 秦皇岛市旅游资源具有以城市为中心呈“圈状”分布的特征和以主要交通线路为中心呈“带状”分布的特征。
关键词：GIS,旅游资源,空间分布,秦皇岛市
参考文献
[1]周生超, 石培基, 李巍, 等.玛曲旅游资源空间结构特征分析[J].干旱区资源与环境, 2010, 24 (04) :195-200.
[2]舒惠芳, 李萍, 江玲.基于GIS的深圳旅游资源评价与区划[J].热带地理, 2010, 30 (02) :205-209.
[3]孙睦优, 王叶峰.旅游环境承载力与旅游业可持续发展——以秦皇岛市为例[J].地域研究与开发, 2005, 24 (02) :70-72.
[4]程晓丽, 黄国萍.安徽省旅游空间结构演变及优化[J].人文地理, 2012, 128 (06) :145-150.
[5]张继平, 常学礼, 曹艳英, 等.基于GIS的烟威地区旅游资源空间分析[J].测绘科学, 2007, 32 (06) :182-184.
[6]赵静静, 金石柱, 程火生.基于GIS的延边地区旅游资源的空间分布研究[J].国土与自然资源研究, 2009, (03) :72-73.
分布式GIS 篇7
我国的区域经济伴随着计划经济向市场经济的转变, 得到了突飞猛进的发展。在各种学科交叉发展的大环境下, 区域经济研究的领域越来越宽广[2] 。在渭河流域经济总体发展水平不高, 经济分布不平衡, 同时在市场经济坏境下, 各区域政府以追求利润最大化为目标。为实现该区域经济的快速可持续发展, 必须协调政府之间的关系, 合理确定政府行为、充分发挥各区域的作用, 创造区域经济发展的和谐环境, 利用各地区生产要素方面的差异性以及产业结构上的互补性, 共享资源、要素和市场, 实现该区域经济利润的最大化。
1 研究区域概况
渭河甘肃段位于渭河中上游, 东与陕西相连, 北与宁夏、内蒙古接壤。渭河流经定西市的陇西、渭源、通渭、漳县、岷县、临洮、安定, 天水市的秦安、甘谷、武山、清水、张家川、秦城、北道, 平凉市的庄浪、静宁, 白银市的会宁共17 个县区。流域面积2.579 万km2, 占整个渭河流域面积13.5万km2的19.1%。渭河南岸及中下游气候属温带半湿润区, 降水量较多, 气候温和;北岸及上游区气候较干旱, 属温带半干旱区。流域年平均气温4~10℃; 年降水量在400~600mm之间, 东南部多于西北部, 且多集中在夏秋二季;流域内光照充足, 蒸发量较大, 年日照时数2030~2420h, 蒸发量1270~1660mm;年平均风速1.3~2.9m/s;无霜期138~206d, 适宜农作物生长。干旱、暴雨、山洪、霜冻和冰雹是流域内的主要灾害性天气。
2 研究的数据和方法
本研究的数据来源甘肃境内渭河流域数字高程模型DEM、居民点、水系、人均GDP等数据层。方法:利用空间分析是基于地理对象的位置和形态特征的空间数据分析技术, 提取和传输地理对象的位置和属性特征的空间物体之间的关系, 包括距离、方向、连通和拓扑等四种空间关系。利用arcgis软件对数字高程空间模型DEM进行地势和地形分析, 然后分别结合水系、交通、人均GDP数据层进行空间关系分析。
3 结果与分析
3.1 经济分布与海拔坡度关系的分析
经济相对发达地区都集中在地势相对平坦地区, 这与海拔高度, 坡度大小对农业生产、工业、交通及城镇布局限制性有密切的关系[3] 。相对平坦地区易于发展农业, 可成为农产品生产基地, 交通与城建条件好, 有利于二、三产业的发展, 为城市发展提供良好的发展条件。在地势起伏坡度较大地区, 农业条件恶劣, 难以规模化发展, 且地形起伏, 交通条件难以在短期内达到通畅, 限制了人口的发展, 从而制约经济的发展。
借助于arcgis, 利用数字高程模型DEM, 进行相关的海拔分析, 坡度分析, 然后分别结合工业总产值、农业总产值、人均GDP进行分析, 可看出渭源、彰县、岷县地势海拔最高, 坡度最大, 陇西、武山、庄浪、张家川、通渭、会宁海拔地势逐渐降低, 静宁、甘谷、秦安、清水、天水这五区域地势海拔最低。大体在甘肃境内的渭河流域地势自西向东逐渐递减, 然后地势逐渐增加, 流域的中间部分地势最低。
3.2 经济与交通关系的分析
交通运输在经济发展中扮演着极为重要的角色。人们在长期生产过程中选择便于出行的区域作为定居点, 道路是影响居民点分布格局的重要因子[4] 。研究区属于地势较高地带, 只有河谷与道路两侧较为平坦, 随着与外界的经济交往频繁, 靠近道路定居就成为一种必然的选择。铁路运输对地区经济开发会产生重大的影响。
从渭源、陇西、甘谷, 到天水这一线存在铁路干线, 同时具备便利的公路交通条件, 从总体上这一区域人均GDP、工业总产值、农业总产值数量相对较大。而在其他县区主要是以公路为主要交通方式, 同时交通水平相对落后, 相应地经济发展水平相对较低。从而看出, 经济与交通有着密切的联系, 交通作为生产要素的一种投入, 使得原料、劳动力、产品在生产和消费地外部或内部不间断的流动, 从而促进经济的发展。
3.3 经济分布格局与河流关系的分析
河流是人类文明的发源地, 江河湖海等天然水体或者为人们提供了水源, 提供了便利的交通条件, 深刻地影响着人口的分布, 影响经济的发展[5] 。离水源较近的地方生产、生活环境较好, 往往分布较多的居民点和人口、便利的交通, 经济发展水平较高。黄河流域很早就是我国农业经济开发地区, 其中大城市兰州、西安、郑州位于黄河沿岸。在我国历史上六朝时期的秦淮河是当时都城建康的命脉, 都城建康的经济发展是建立在秦淮河航运和秦淮河沿岸农业发达的基础之上的[6] 。渭河干流流经甘肃境内的渭源、陇西、甘谷、天水这四个区域, 水资源比较丰富, 为经济的发展提供了便利的条件, 这四区域的经济发展水平相对较高。而其他区域水系较小, 水资源不能满足经济发展的需要, 限制了经济的发展, 造成经济发展水平相对较低。所以说水资源是基础性的自然资源和战略性的经济资源, 是生态与环境的控制性要素, 是经济发展的基本保证[7] 。
4 总结和讨论
借助arcgis软件对甘肃境内渭河流域经济分布格局研究表明, 甘肃境内渭河流域经济与海拔高度、坡度大小, 水系, 交通有着紧密的联系。区域经济是在一定区域内经济发展的内部因素与外部条件相互作用而产生的生产综合体。每一个区域的经济发展都受到自然条件、社会经济条件和技术经济政策等因素的制约。水分、热量、光照、土地和灾害频率等自然条件都影响着区域经济的发展, 有时还起到十分重要的作用。
为实现甘肃境内渭河流域区域经济可持续发展, 根据美国学者弗里德曼 (J.R.Friedman) 中心-外围理论中心-外围理论, 需要培养该区域增长极, 激发增长极发展能力和潜力, 通过增长极的辐射效应, 带动周围地区经济的增长, 在此过程通过行政性力量对市场规范的达成共识, 统一规划, 制定区域市场经济一体化的规则, 扫除行政壁垒, 加强沟通, 建立跨行政区域的制度性组织机构, 促进区域内部要素的流动, 实现资源的有效配置[8] , 强化统筹, 实现区域内基础设施建设和使用一体化, 最终形成一个统一的地域经济组织, 使得该地区的经济得到快速发展。
参考文献
[1]胡志斌, 何兴元.岷江上游居民点分布格局及影响因子分析[J].辽宁工程技术大学学报, 2006, 25 (4) :623-624.
[2]刘东华, 李琴.区域经济发展与地方政府间关系:以长三角为例[J].上海理工大学学报, 2005, 27 (3) :76-79.
[3]叶明.城市人口空间分析及其G IS应用模型[J].地域研究与开发, 2002, 21 (2) :5-8.
[4]高红光.交通运输与经济带的发展[J].公路运输文摘, 2004 (8) :7-11.
[5]梁会民, 赵军.基于G IS的黄土塬区居民点空间分布研究[J].人文地理, 2001, 16 (6) :81-83.
[6]张军, 倪绍祥, 于文静, 等.三江并流区居民点空间分布规律[J].山地学报, 2003, 21 (1) :121-125.
[7]牛最荣, 李德生.甘肃境内渭河流域水资源变化趋势预报模型研究[J].水文, 2008, 28 (2) :51-55.
分布式GIS 篇8
土壤是在气候、生物、水等自然因素和人类活动因素共同作用下形成的自然历史复合体。由于成土因素的复杂性,土壤在空间尺度上会产生空间变异,空间分布以组合形式出现,呈一定的规律性。区域土壤类型分布图是客观地表达自然界土壤空间分布形式和面积比例关系的图形方式,可直观地反映土壤空间变异特征和规律,是土壤水盐运移研究、盐碱地改良、土壤肥力评估、灌溉工程规划设计、土壤资源合理利用[1,2,3]的基础资料,对于农业生产和土地规划管理等工作具有重要的实际意义。传统的土壤类型分布图制图一般采用野外调查以有限点的剖面土壤类型为基础按地貌、地形、物候景观等因素划分土壤类型边界和手工绘图方法[4,5]。该方法依赖于制图者对土壤特性变异性的理解及其主观判断,因而缺乏定量的理论基础,在很多情况下确切地描述土壤特性和土壤类型边界方面仍有困难,难以满足土壤类型分布图制图特别是大比尺专业土壤类型分布图制图的需要,同时存在人工耗费较大、效率不高的缺点。土壤类型分布图制图方法有待于进一步研究。
地理信息系统(Geographical Information System,简称GIS)是采集、存储、管理、分析与表现(制图输出)空间信息的计算机系统,可实现对具有区域分布特征的土壤类型原始数据和土壤属性信息的高效管理和处理,并对其进行空间分析,为土壤类型分布图制图提供了良好的技术平台和手段。Thiessen多边形法是根据有限已知点集对具有空间属性的物理量进行平面分割的科学方法,具有接近于自然现象本质的许多优良性质,形成了较完善的理论体系,已成为解决相关几何问题强有力的工具,在气象、地质、测绘、生态学等领域中都有较深入的研究与应用。Thiessen多边形已有成熟的成图算法并作为成图工具被嵌入到GIS应用软件如ArcGIS 9.2中。本文探讨了基于GIS技术和Thiessen多边形的区域土壤类型分布图制图方法,并采用内蒙古河套灌区沙壕渠灌域有限个土壤剖面采样点数据在ArcGIS 9.2环境下绘制了其区域土壤类型分布图。
1 Thiessen多边形
Thiessen多边形又称Voronoi图,Dirichelet铺盖,是荷兰气候学家A·H·Thiessen提出,最初用于从离散分布气象站的降雨量数据中计算平均降雨量[6,7]。其原理是在每个样点周围建立一个多边形,使该多边形内部的点较多边形外的任意点至样点距离最近。其数学定义[8,9,10]为:
式中:P=(P1,P2,…,Pn),3≤n,为平面上的离散控制点集;x为平面上的任意点;d(x,Pi)和d(x,Pj)分别为x到Pi和Pj的欧氏距离;V(Pi)为点Pi的Thiessen多边形。
Thiessen多边形可采用做图法生成:即将平面上离散点集P中的相邻控制点用直线两两相连,并作连线的中垂线,各中垂线相交形成若干个多边形便是Thiessen多边形,如图1所示。
其定义决定Thiessen多边形具有许多适合于区域分割问题的优良性质[11]。每个Thiessen多边形内有且仅有一个离散控制点,Thiessen多边形内的点到相对应的离散控制点的距离最小,该点的属性可以代表区域内任意点的属性,反映了控制点的空间影响范围,或势力范围。各Thiessen多边形将相应的离散控制点联系在一起,隐含地表达了其邻近信息。
在地学现象中,大量具有空间属性的物理量如土壤水盐、肥料、物理参数以及地下水位、岩体类型等具有结构性,即距离相近的空间属性比距离远的空间属性具有更大的相关性或相似性。依据土壤发生学理论,土壤类型空间分布常以组合形式出现,呈一定的规律性或结构性。在区域土壤类型分布图制图中,针对有限离散采样钻孔土壤类型数据,依照结构性原理,采用Thiessen多边形法推断其他位置的土壤类型、确定土壤类型边界是一科学合理的方法。
2 基于GIS和Thiessen多边形区域土壤类型分布图的制图方法
2.1 土壤采样点分布图层创建
随着GIS技术的迅速发展,所开发的GIS应用软件有多种。ArcGIS 9.2是美国环境系统研究所(ESRI)开发的新一代GIS软件[12],目前已成为世界上应用最为广泛的GIS技术平台之一。ArcGIS 9.2内置有Thiessen多边形工具,可快捷、高效地创建Thiessen多边形实现区域土壤类型分布图的制图。
使用Thiessen多边形工具生成Thiessen多边形依赖于土壤采样点分布图层。在ArcGIS 9.2环境下进行区域土壤类型分布图制图时,应首先在ArcCatalog中创建研究区域土壤采样点分布图层和相应的属性表,然后依据采样点坐标位置在ArcMap中绘制采样点,并完成属性表的编辑。同时创建研究区域边界图层,确定研究区域土壤类型分布图范围。
2.2 ArcGIS 9.2的Thiessen多边形工具
ArcGIS 9.2软件的Thiessen多边形工具[12]为“Create Thiessen Polygons”,位于ArcToolBox中,在该工具中输入土壤采样点分布图层可以直接完成绘制Thiessen多边形。同时也可在ArcMap中的Window主菜单下选择Command Line命令,按“Create Thiessen Polygons <in_features> <out_features_class> {ONLY_FID | ALL}”命令行格式调用并创建Thiessen多边形。其中,Create Thiessen Polygons为创建Thiessen多边形命令;<in_features>为输入数据采样点图层文件的路径;<out_features_class>为输出数据Thiessen多边形图层文件的路径;{ONLY_FID | ALL}为输出Thiessen多边形属性值的设置选项,ONLY_FID为仅输出采样点图层属性值中FID一项,ALL为输出采样点图层属性值中的所有项。
2.3 土壤类型分类标准与属性编码
土壤类型分类标准是土壤类型分布图制图的基础,也是ArcGIS 9.2 的Thiessen多边形工具创建Thiessen多边形所使用的唯一属性。土壤分类标准有多种,应根据土壤类型分布图的应用目的或制图要求选择土壤类型分类标准。在使用ArcGIS 9.2 的Create Thiessen Polygons工具创建Thiessen多边形时,所依赖的属性字段要求必须是数值型,而按土壤类型分类标准确定的土壤类型往往是字符型数据,所以事先必须对所有可能出现的土壤类型进行数值编码,并对土壤采样点分布图层添加相应土壤类型代码属性。这样处理后,在Create Thiessen Polygons工具根据离散采样点进行Thiessen多边形分区时,所依赖的属性字段方能设置成土壤类型的代码。
2.4 聚类分析
由Create Thiessen Polygons工具生成的Thiessen多边形分区图只是每个采样点所影响的子区域范围内的土壤类型图。根据分类标准,相邻Thiessen多边形可能具有相同的土壤类型。因此,需要对各个Thiessen多边形进行聚类分析[13,14],将相同土壤类型的多边形进行整合,以最终得到土壤类型分布图。在ArcGIS 9.2环境下,Thiessen多边形的聚类分析可以通过ArcToolBox中的“Dissolve”工具,选择土壤类型代码作为依据来完成,生成研究区域内土壤类型分布矢量图。该矢量图中不同土壤类型的面积计算比较复杂,而栅格图形能够在其属性表中统计不同土壤类型栅格的数量,从而计算面积比例,最后根据区域总面积计算不同土壤类型的实际面积。因此,在Spatial analysis模块下,使用“Convert Features to Raster”工具将矢量图转化成研究区域内的栅格图形,即土壤类型分布栅格图。该矢量图和栅格图均为区域土壤类型分布图,只是表现形式不同。
2.5 制图流程图
在ArcGIS 9.2环境下,从土壤类型数据采集到完成土壤类型分布图的制图流程见图2。图中实线箭头具有指示流程下一级的作用,虚线箭头表示箭尾项对箭头所指项的参考作用。
3 应用实例
3.1 研究区域概况
沙壕渠灌域地处巴彦淖尔市杭锦后旗陕坝镇北部,地理位置为40°52′～41°00′N,107°05′～107°10′E,是内蒙古河套灌区解放闸灌域内的一子灌域。该灌域总面积52.4 km2,南窄北宽,外形似一狭长的倒三角形[15]。该地区地势平坦,土壤母质为黄河冲积物,且母质含盐,土壤呈碱性,部分属于非盐化土壤,部分为盐化土壤。由于在成土过程中土壤母质的沉积时间、环境和条件不同,土壤呈沙、黏互层的土体构型。这些土体的千变万化造成了灌区具有“一步三换土”[16]的土体特征,土壤类型离散性和复杂性明显。按照中国土壤系统分类方法,该地区土壤属于灌淤土土类,又称为草甸土[17]。
3.2 数据采集
在国家自然科学基金项目(50869006)的支撑下,本应用实例采用的数据来源于2009年11月开展区域土壤水盐动态模拟研究时在沙壕渠灌域上进行的土壤调查采样。
土壤调查中采样点布设,剖面取样,土壤质地、土壤类型和代码的确定依据中国科学院土壤所与水电部土壤队参照前苏联土壤调查技术规定专门为河套灌区开发而制定的土壤调查技术规范,这套技术规范符合河套灌区的特殊水文地质条件和开发要求,在该地区的农业水土研究中一直沿用至今。采样点选用比例尺为1∶10 000的沙壕渠灌域底图按照每平方公里7个的密度均匀布设。共采集土样343个,各采样点均使用GPS定位采集经、纬度坐标。由于沙壕渠灌域范围内土壤属于非盐化和盐化土壤,在采样点垂直方向上分5层取土,分别是0～10 cm、10～20 cm、20～40 cm、40～60 cm和60～100 cm,每个土样500 g。对土样进行实验室颗粒分析,计算粒径大于或者小于0.01 mm的土壤颗粒百分含量,并根据该技术规范的土壤质地分类标准(表1)判定土壤质地。经分析,沙壕渠灌域内的土壤质地类型有沙壤土、轻壤土和轻黏土。沙壕渠灌域土壤为草甸土土类,土壤类型制图按照采样点垂直剖面上土壤质地的不同确定土壤亚类:当剖面上无黏土出现时,根据出现的土壤质地进行命名;当剖面上有黏土出现时,称黏土为“胶泥”,同时根据黏土出现的深度和厚度不同又分为不同的土壤类型,命名规则见表2。例如,“深位厚层胶泥轻沙壤质土”为采样点土壤垂直剖面上既有沙壤土,又有轻壤土,同时有轻黏土出现,且黏土在深度为60～100 cm的位置开始出现,厚度大于60 cm。采用数据分析表明,沙壕渠灌域内共出现9种土壤亚类,见表3。在GIS环境下进行土壤制图时采用该技术规范规定的土壤代号,草甸土土类的土壤类型代码均以“3”为第一个数码,沙壕渠灌域土壤类型对应的代码见表3。
3.3 制 图
在ArcGIS 9.2环境下,按上述基于GIS和Thiessen多边形的区域土壤类型分布图制图方法,首先由GPS测得的采样点经纬度坐标创建土壤采样点分布图层,按E:＼shahao＼point.shp路径和文件名存盘,并将各采样点按表3对应的土壤类型代码输入属性表,同时根据沙壕渠灌域底图绘制出沙壕渠灌域边界。然后在ArcMap中编写命令行“Create Thiessen Polygons E:＼shahao＼point.shp E:＼shahao＼point_thiessen.shp ALL”绘制Thiessen多边形,其中E:＼shahao＼point_thiessen.shp为Thiessen多边形的存盘路径和文件名。最后依据沙壕渠边界图层,采用ArcToolBox中的Clip工具,对Thiessen多边形进行裁剪,得到沙壕渠灌域的采样点和Thiessen多边形分布图,如图3所示。
对图3中沙壕渠灌域的Thiessen多边形图,采用Dissolve工具对相同的相邻土壤类型泰森多边形聚类,生成沙壕渠灌域土壤类型分布图(矢量图),如图4所示。最后使用Convert Features to Raster工具,将矢量图转化成栅格图,通过栅格数量计算不同土壤类型的面积比例,分别与沙壕渠灌域的控制面积(52.4 km2)相乘得到各种土壤类型的实际面积,如表4。
从图4和表4中可以看出,沙壕渠灌域的土壤类型呈现出“插花状”分布,直观地反映了“一步三换土”的土体特征。其中,全剖面沙壤-砂土的土壤分布最广,面积为21.85 km2,占总面积的41.7%,而薄层间黏轻沙壤质土的分布最少,面积为0.56 km2,仅占总面积的1.1%。图4与1996年巴彦淖尔水利科学研究所针对河套灌区配套建设世界银行贷款项目的水盐监测任务人工绘制的河套灌区解放闸灌域小比例尺区域土壤类型分布图比较,两者所表达的该区域土壤类型分布特征总体相似。由于本次采样点布设较密集,图4更能较好地反映沙壕渠灌域土壤类型分布的实际情况。
4 结 语
(1)基于GIS和Thiessen多边形的区域土壤类型分布图制图方法使区域土壤类型分布图制图建立于定量的理论基础之上,可克服传统制图方法中依赖于制图者对土壤特性变异性的理解及其主观判断确定土壤分布特性和土壤类型边界的缺陷,并可提高制图效率。
(2)Thiessen多边形是依据有限离散控制点对二维平面进行最优分割的一种方法,可最大限度地反映控制点的势力范围或信息,适合于具有相似性或结构性的土壤类型分布平面分割问题。
(3)针对实测土壤剖面采样点数据使用该方法在ArcGIS 9.2环境下绘制了内蒙古河套灌区沙壕渠灌域土壤类型分布图。与含有该区域的解放闸灌域小比尺土壤类型分布图比较表明,两者具有相似土壤类型分布特征。
(4)Thiessen多边形的空间属性只是一个采样控制点的估计,采用该方法获得的区域土壤类型分布图的制图精度与采样控制点的多少有关。采样点布设越密集,所得到的土壤类型分布图越逼近实际情况。在使用该方法时,特别是土壤类型分布离散性和复杂性较大时情况下,若要得到符合实际的土壤类型分布图,应注意加大采样点密度。
摘要：区域土壤类型分布图是土壤水盐运移研究、灌溉工程规划设计、灌溉管理、土壤肥力评估等方面的基础资料,对于农业生产和土地资源利用管理具有重要的实际意义。本文提出了在有限个土壤采样条件下利用GIS技术和Thiessen多边形绘制区域土壤类型分布图的方法,可克服传统制图方法中依赖制图者对土壤变异性的主观理解、判断和手工绘图效率低的缺陷,使土壤类型分布图制图更为科学、高效。应用实例表明,该方法所绘制的区域土壤类型分布图能较好地吻合实际情况。
分布式GIS 篇9
关键词：地理信息系统,流行性出血热,Poisson分布,预警
传染病预警是在传染病暴发流行事件发生前或发生早期发出预警信号, 以警示传染病的流行有可能扩大, 表现为流行趋势的异常[1]。本研究利用Poisson分布的方法, 针对吉林市各县 (市) 区的流行性出血热流行的异常趋势特征, 结合地理信息系统 (GIS) 的空间分布信息, 对预警信号进行分析[2], 现将分析结果报告如下。
1 对象与方法
1.1 资料来源
《中国疾病信息监测系统》2008-2012年吉林市各县 (市) 区流行性出血热分月发病数据 (按发病日期统计) 。
1.2 原理和方法
1.2.1 Poisson分布的概率函数P (X) , 其算式为P
1.2.2参数的设定 从《中国疾病信息监测系统》中导出2008-2012年吉林市各县 (市) 区流行性出血热分月发病数, 与2013年进行趋势分析的月份相同前5年同月发病数, 及上下各移动1个月的发病数, 共15条数据, 计算均数。设总体均数λ;分别计算各县 (市) 区每月预警应用模型的总体均数λ, 设各县 (市) 区当月发病数为X, 利用Poisson分布计算X的概率P (X) ;当X大于总体均数且P (X) <0.05时, 判定为小概率事件, 认定存在超出正常发病水平的趋势[3]。
将每月各县 (市) 区分析结果与吉林市GIS地图数据相连接, 完成预警分析在空间信息的表达。
1.3 应用软件
Excel 2003, Arcgis 10。
2 结果
利用吉林市各县 (市) 区2008-2012年流行性出血热数据计算各县 (市) 区每月总体均数λ, 见表1。
2013年吉林市各县 (市) 区流行性出血热发病趋势平稳, 仅船营区10月份出现了预警信号, P (X) =0.043 2, GIS地图表达见图1。无同月多地预警现象, 无同一地区多次预警现象。
利用2013年吉林市各县 (市) 区流行性出血热分月数据, 即X (详见表2) , 与对应总体均数λ进行Poisson分布模型计算, 得出各县市区分月Poisson分布概率P (X) , 见表3。
3 讨论
对传染病的发病趋势进行分析, 及时发现发病趋势的异常变化, 是传染病预警的主要内容。异常变化的发现, 方法较多, 本文利用Poisson分布方法探查异常信号。Poisson分布是描述小概率事件发生规律性的一种重要分布, 对于散发无流行病学关联的传染病亦可利用Poisson分布进行预测[4]。应用Poisson分布时, 另一限制研究区域单位时间的发病总体均数λ要<20, 吉林市各县 (市) 区流行性出血热的分月发病均<10, 适合应用此模型。此模型简单方便, 适合于基层疾病预防控制人员的应用, 随着计算机的广泛应用, 可以减少大量复杂与重复的计算过程, 本文中的大量计算过程是在Excel 2003中函数公式的复制完成。
地理信息系统是用于收集、检查、处理、集成和分析, 与地表相关信息的计算机系统[5]。在公共卫生领域, GIS系统已成为很多公共卫生和流行病学项目的一个重要组成部分[6], 被用于分析疾病的空间分布、空间和时间发展趋势、潜在高危人群分布、疾病及突发公共卫生事件的监测预警、病因及危险因素分析、环境健康分析、资源分配辅助决策等[7]。通过地理信息系统完成流行性出血热趋势分析的表达, 使分析结果得到更直观和全面诠释。
传染病的预警分析是一个连续的过程, 笔者在工作中通过对预警数据的整理与完善, 在Excel2003中完成预警模型的搭建后, 每月只需输入新的发病数便能得到分析结果, 从而保证了预警分析工作的长期有效的开展[8]。
参考文献
[1]李如, 杨健平, 廖勇, 等.移动平均数法与泊松分布在手足口病疫情监测预警中的应用[J].实用预防医学, 2013, 20 (8) 957-958.
[2]林君芬, 何凡.基于Poisson分布的传染病预警技术研究[J].浙江预防医学, 2008, 20 (5) ;16-17.
[3]方立群, 曹务春, 吴晓明, 等.应用地理信息系统分析中国肾综合征出血热的空间分布[J].中国流行病学杂志, 2003, 24 (4) :265-268.
[4]陈慧中, 王路.传染病预警模式的应用探讨[J].实用预防医学, 2008, 15 (6) :1987-1988.
[5]唐继海.地理信息系统技术在疾病预防控制中的应用[J].实用预防医学, 2008, 15 (6) :2011, 17 (2) :113-115.
[6]江涛.地理信息系统技术在传染病数据分析中的应用[J].浙江预防医学, 2011, 23 (3) :88-89.
[7]谢学勤.地理信息系统在传染病疫情分析中的应用[J].医学信息学杂志, 2011, 32 (2) :7-10.