国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

點(diǎn)狀地圖空間信息量的度量方法研究

2013-07-25 05:12:08劉慧敏樊子德
測(cè)繪學(xué)報(bào) 2013年1期
關(guān)鍵詞:點(diǎn)狀信息量度量

劉慧敏,鄧 敏,樊子德,徐 震

中南大學(xué) 地球科學(xué)與信息物理學(xué)院,湖南 長(zhǎng)沙 410083

1 引 言

地圖是空間信息的載體,而圖形要素是地圖傳遞空間信息的主要形式。地圖設(shè)計(jì)與制作的目的在于傳遞空間信息,通過(guò)對(duì)空間信息的獲取、感知、加工、分析和綜合,可以揭示區(qū)域空間分布、變化的規(guī)律。文獻(xiàn)[1]指出:“信息是用來(lái)消除隨機(jī)不確定性的東西”。文獻(xiàn)[2]把信息的概念引入地圖制圖學(xué),此后地圖的信息傳輸功能受到制圖學(xué)界廣泛關(guān)注,開(kāi)創(chuàng)了現(xiàn)代地圖學(xué)的新領(lǐng)域——地圖信息傳輸理論,并將地圖信息傳輸理論與制圖綜合理論、地圖感知論、地圖模型論、地圖符號(hào)學(xué)并列為現(xiàn)代地圖學(xué)理論的基本內(nèi)容[3]。

鑒于地圖傳輸空間信息的屬性,地圖設(shè)計(jì)、制圖綜合的一個(gè)重要問(wèn)題是地圖載負(fù)的信息量容量(即信息量度量問(wèn)題),同時(shí)該問(wèn)題也是地圖質(zhì)量評(píng)價(jià)的一個(gè)重要方面。為了合理地計(jì)算地圖信息量,則需要科學(xué)地界定地圖信息的來(lái)源、內(nèi)容構(gòu)成以及地圖信息量的度量方法,這亦是地圖信息論需要解決的主要問(wèn)題。鑒于此,本文以點(diǎn)狀地圖為例,基于點(diǎn)狀地圖信息本質(zhì),從點(diǎn)要素分布特征的視角分析點(diǎn)狀地圖空間信息內(nèi)容的構(gòu)成,并結(jié)合人的認(rèn)知特點(diǎn)確定地圖信息量度量模型,最終建立點(diǎn)狀地圖空間信息量的度量方法。

2 現(xiàn)有的地圖信息量度量方法、存在的主要問(wèn)題及本文的研究策略

2.1 現(xiàn)有的地圖信息量度量方法

文獻(xiàn)[4]將信息論引入制圖領(lǐng)域,提出地圖的符號(hào)信息熵概念和計(jì)算模型。文獻(xiàn)[5]從地圖實(shí)體多樣性和差異性角度提出度量地圖信息的拓?fù)湫畔㈧?。文獻(xiàn)[6]分析認(rèn)為地圖信息源由多樣性的地圖實(shí)體及其差異性的特征集合描述,提出了基于Voronoi鄰接階數(shù)的拓?fù)湫畔㈧?、基于Voronoi鄰接距離差異的度量信息熵和基于點(diǎn)數(shù)的位置信息熵的度量方法,并將信息量度量用于評(píng)價(jià)制圖質(zhì)量。文獻(xiàn)[7]將地圖信息內(nèi)容分為幾何信息、拓?fù)湫畔⒑蛯n}信息,借助Voronoi空間劃分,采用Shannon信息熵模型建立了點(diǎn)狀地圖基于Voronoi區(qū)域面積的幾何信息度量、基于Voronoi鄰接度的拓?fù)湫畔⒍攘亢蛯n}信息度量方法。文獻(xiàn)[8]提出了基于統(tǒng)計(jì)數(shù)量的點(diǎn)要素信息度量方法,并對(duì)這幾種度量方法進(jìn)行了評(píng)價(jià)研究,并探討了基于Voronoi區(qū)域的點(diǎn)要素信息量的規(guī)范化問(wèn)題。文獻(xiàn)[9]發(fā)展了一種地圖信息量計(jì)算的柵格方法,并建立了地圖數(shù)據(jù)量與信息量之間的非線性關(guān)系。隨后文獻(xiàn)[10]驗(yàn)證了該方法得到的信息量與人所認(rèn)知的信息量有一定的線性關(guān)系。最近,文獻(xiàn)[11]從元素層次、鄰域?qū)哟魏驼w層次對(duì)地圖上等高線信息進(jìn)行描述,結(jié)合等高線表達(dá)地形的差異性和多樣性特征建立了相應(yīng)的信息度量方法。

總的說(shuō)來(lái),現(xiàn)有工作主要是從不同角度分析地圖信息類型和內(nèi)容構(gòu)成,并采用Shannon信息熵理論,分別針對(duì)地圖的幾何信息、拓?fù)湫畔ⅰn}信息提出了相應(yīng)的度量方法。

2.2 存在的主要問(wèn)題分析

縱觀現(xiàn)有的地圖信息量度量方法,大都套用建立在通信領(lǐng)域信息論基礎(chǔ)上的Shannon信息熵模型,并以某個(gè)特征上個(gè)體與總體的比值代替Shannon熵模型中的概率。這種機(jī)械套用的方式用于地圖空間信息量度量時(shí),存在的最大問(wèn)題是忽略了地圖空間信息主要產(chǎn)生于點(diǎn)要素空間分布的多樣性和差異性。如圖1所示,相同圖幅范圍的兩幅地圖具有相同點(diǎn)要素?cái)?shù)目,其中圖1(a)點(diǎn)要素分布均勻,點(diǎn)要素間相對(duì)空間位置關(guān)系差異性較小,而圖1(b)不均勻,點(diǎn)要素間相對(duì)空間位置關(guān)系差異性較大,因而圖1(a)點(diǎn)要素空間分布比圖1(b)更復(fù)雜多樣化,相應(yīng)的,圖1(a)包含的點(diǎn)要素分布空間信息量較小。而根據(jù)現(xiàn)有度量方法(如文獻(xiàn)[7]的方法),“均勻平衡狀態(tài)”下信息量最大,即圖1(a)空間分布特征產(chǎn)生的幾何信息量比圖1(b)大。表明,簡(jiǎn)單的以個(gè)體與總體的比值作為概率;不考慮個(gè)體之間特征差異性的方法,將導(dǎo)致度量結(jié)果有悖于空間認(rèn)知和信息產(chǎn)生的本質(zhì)(特征的多樣性和差異性)。

圖1 不同空間分布的點(diǎn)狀地圖Fig.1 Two point-shaped maps with different spatial distributions

此外,在地圖信息內(nèi)容的劃分方面,現(xiàn)有研究普遍將點(diǎn)狀地圖的信息內(nèi)容分為幾何信息、拓?fù)湫畔ⅰn}信息。這種劃分方式考慮了要素個(gè)體分布特征,卻忽略了地圖上大量潛在的由要素組合形成的聚群結(jié)構(gòu)特征。事實(shí)上,聚群結(jié)構(gòu)是地圖表達(dá)和空間分析的一類重要集合對(duì)象[12-14],通過(guò)聚群結(jié)構(gòu)分析可以提取客觀世界中存在的空間相關(guān)規(guī)律,輔助決策支持。同時(shí),點(diǎn)的聚群分布空間結(jié)構(gòu)信息通常是進(jìn)行點(diǎn)要素合并或典型化等操作的依據(jù)[15]。由此可見(jiàn),聚群結(jié)構(gòu)信息是點(diǎn)狀地圖信息內(nèi)容的重要組成部分。

2.3 本文研究策略

地圖信息產(chǎn)生的根源是地圖上要素及其分布的多樣性與差異性。因此,在地圖信息量計(jì)算模型的選取與確定中,既要滿足信息量的非負(fù)性、可加性、反轉(zhuǎn)對(duì)稱性,同時(shí)又要能夠恰當(dāng)?shù)孛枋鲆丶捌浞植继卣鞯亩鄻有院筒町愋浴?jù)文獻(xiàn)[16],本文選擇基于特征的信息量計(jì)算模型作為地圖信息量度量模型,表達(dá)為

式中,wi為特征w上第i個(gè)標(biāo)準(zhǔn)化的定量描述指標(biāo)值;Iw為特征w的多樣性或差異性產(chǎn)生的信息量。

如圖2所示,3組點(diǎn)狀地圖中圖(a)與(d)之間的差異主要體現(xiàn)在點(diǎn)要素幾何分布方面,與點(diǎn)要素間的分布密度直接相關(guān),稱這類空間差異產(chǎn)生的信息為幾何分布信息;圖(b)與(e)之間的空間差異主要體現(xiàn)在點(diǎn)要素拓?fù)溧徑雨P(guān)系方面,與點(diǎn)要素的拓?fù)溧徑雨P(guān)系相關(guān),稱這類差異產(chǎn)生的信息為拓?fù)溧徑有畔?;圖(c)與(f)之間的差異主要體現(xiàn)在點(diǎn)要素的聚群結(jié)構(gòu)分布方面,包括點(diǎn)群結(jié)構(gòu)的數(shù)量、點(diǎn)群結(jié)構(gòu)中點(diǎn)要素?cái)?shù)量及其分布特征存在的差異,稱這類空間差異產(chǎn)生的信息為聚群結(jié)構(gòu)信息。

結(jié)合點(diǎn)狀地圖的空間特征及信息內(nèi)容構(gòu)成,本文分別從點(diǎn)要素分布的幾何分布特征、拓?fù)溧徑犹卣骱途廴航Y(jié)構(gòu)特征出發(fā),分別提取這些特征的定量描述指標(biāo),并采用基于特征的信息量模型來(lái)度量點(diǎn)狀地圖的幾何分布信息量、拓?fù)溧徑有畔⒘亢途廴航Y(jié)構(gòu)信息量,具體研究策略如圖3所示。

圖2 點(diǎn)狀地圖包含的空間信息內(nèi)容Fig.2 Potential spatial information content contained in point-shaped maps

圖3 點(diǎn)狀地圖信息量度量的策略Fig.3 A strategy for measuring the information content of a point-shaped map

3 點(diǎn)狀地圖空間信息的內(nèi)容構(gòu)成分析

文獻(xiàn)[4]從制圖學(xué)角度首次將信息概念引入地圖學(xué)并提出符號(hào)類型信息熵,明確了地圖信息產(chǎn)生于地圖要素的多樣性。文獻(xiàn)[5]指出地圖信息產(chǎn)生于空間差異性。從地圖信息的內(nèi)涵可知,能夠從地圖上獲得豐富的信息,是由于感知到地圖要素及其分布特征的多樣性和差異性。點(diǎn)要素不具備形狀和大小特征,若不考慮專題屬性,點(diǎn)狀地圖的信息主要產(chǎn)生于點(diǎn)要素空間分布的多樣性與差異性,這主要表現(xiàn)在幾何分布密度、拓?fù)溧徑雍途廴航Y(jié)構(gòu)等方面。下面分別從幾何分布特征、拓?fù)溧徑犹卣骱途廴航Y(jié)構(gòu)特征等方面來(lái)描述點(diǎn)狀地圖的空間分布特征。

在點(diǎn)狀地圖的幾何分布特征方面,點(diǎn)要素分布密度的差異性反映分布的均勻性程度。點(diǎn)要素的分布密度與相鄰點(diǎn)要素間的距離和方向關(guān)系共同決定,數(shù)值上與對(duì)應(yīng)Voronoi區(qū)域面積成反比。Voronoi區(qū)域面積越大,要素分布越稀疏,總體上要素?cái)?shù)量越少,對(duì)應(yīng)信息量也越少。Voronoi區(qū)域面積差異越大,點(diǎn)位分布越不均勻,分布形式越豐富,因而信息量越大。由此可見(jiàn),由點(diǎn)要素幾何分布特征產(chǎn)生的幾何信息量與點(diǎn)要素Voronoi區(qū)域面積及其差異性的大小分別成負(fù)相關(guān)和正相關(guān)的關(guān)系。在點(diǎn)狀地圖的拓?fù)溧徑犹卣鞣矫妫琕oronoi圖對(duì)應(yīng)的拓?fù)湎噜徥侵饕泥徑雨P(guān)系,一般用拓?fù)溧徑佣缺硎?。拓?fù)溧徑佣确从骋刂g的連通性,鄰接度的差異反映空間連通關(guān)系的差異,差異越大則拓?fù)湫畔⒘吭酱蟆T邳c(diǎn)要素分布的局部結(jié)構(gòu)特征方面,聚群結(jié)構(gòu)是空間分布分析的重要對(duì)象。目前國(guó)內(nèi)外學(xué)者對(duì)于聚群的描述進(jìn)行了大量研究,概括點(diǎn)群描述參數(shù)包含點(diǎn)數(shù)、Voronoi面積及鄰接度、點(diǎn)間距離、分布范圍、分布密度、分布形狀和分布軸線[12-15]。從空間認(rèn)知角度,點(diǎn)群中的點(diǎn)數(shù)反映點(diǎn)群規(guī)模;幾何分布范圍反映點(diǎn)群的聚集性程度;分布密度與點(diǎn)數(shù)及分布范圍相關(guān),但同時(shí)也反映松散耦合性,具有獨(dú)立特征性質(zhì)。如圖4,點(diǎn)群①與②的分布范圍、①與③的點(diǎn)數(shù)分別接近,但由于分布密度存在差異而使點(diǎn)群結(jié)構(gòu)不同,①的分布密度大,顯然其耦合性程度高。②與③中的點(diǎn)數(shù)、分布范圍雖有較大差異,但其分布密度非常接近,群內(nèi)松散耦合性程度基本相等。而③與④的點(diǎn)數(shù)和密度接近,但③呈圓盤狀分布而④呈帶狀分布,致使③的分布面積比④的大,從而點(diǎn)群存在差異,視覺(jué)上點(diǎn)群③與④具有不同的結(jié)構(gòu)。據(jù)此,本文選擇點(diǎn)要素?cái)?shù)量、分布密度、分布面積指標(biāo)描述聚群結(jié)構(gòu)特征。

圖4 點(diǎn)群結(jié)構(gòu)特征Fig.4 The characteristics of point clusters

4 點(diǎn)狀地圖空間信息量的度量方法

4.1 幾何分布信息量的度量

如前所述,幾何分布信息由點(diǎn)要素分布密度及其差異性產(chǎn)生,信息量的大小與總體密度大小和局部密度間的差異大小成正相關(guān)關(guān)系。局部密度分布可由Voronoi圖間接表達(dá),大小與各點(diǎn)要素的Voronoi區(qū)域面積成反比。Voronoi區(qū)域面積在物理意義上表達(dá)的是點(diǎn)要素的輻射范圍,這不僅與周圍點(diǎn)要素分布相關(guān),同時(shí)也受點(diǎn)要素自身輻射能力的限制。如圖5所示,地圖表達(dá)的點(diǎn)要素及其分布完全相同,圖幅范圍不同,所對(duì)應(yīng)的Voronoi圖不盡相同,這主要產(chǎn)生于邊界處。因此,本文通過(guò)設(shè)置閾值對(duì)邊界進(jìn)行收縮處理構(gòu)建Voronoi圖,其中閾值可取Delaunay三角網(wǎng)內(nèi)部邊長(zhǎng)的平均值。該改進(jìn)方法構(gòu)建的Voronoi圖只與要素及其空間位置分布相關(guān)。

圖5 不同圖幅范圍地圖對(duì)應(yīng)不同的Voronoi圖Fig.5 Different map sheets with different Voronoi diagrams

改進(jìn)后的Voronoi圖建立后,考慮到點(diǎn)要素對(duì)應(yīng)Voronoi區(qū)域面積與局部分布密度成反比的關(guān)系,取Voronoi區(qū)域面積作為這個(gè)層次特征的描述指標(biāo),建立相應(yīng)的信息量模型,得到點(diǎn)狀地圖的幾何分布信息量IG為

4.2 拓?fù)溧徑有畔⒘康亩攘?/h3>

點(diǎn)要素間的拓?fù)潢P(guān)系只有兩種:相離和相重,若不考慮專題屬性,則相重的關(guān)系通常沒(méi)有含義,亦即點(diǎn)狀地圖的拓?fù)潢P(guān)系都為相離。進(jìn)而,可以借助點(diǎn)要素的Voronoi區(qū)域間的關(guān)系將相離關(guān)系進(jìn)一步區(qū)分為一階鄰接、二階鄰接和n階鄰接[17]。這里,鄰接程度選擇點(diǎn)要素所對(duì)應(yīng)Voronoi區(qū)域的一階拓?fù)溧徑佣茸鳛辄c(diǎn)要素拓?fù)湫畔⒍攘康拿枋鲋笜?biāo),并對(duì)其進(jìn)行規(guī)范化處理后代入基于特征的信息量模型,可得由拓?fù)溧徑犹卣鳟a(chǎn)生的點(diǎn)狀地圖拓?fù)溧徑有畔⒘縄T,表達(dá)為

4.3 聚群結(jié)構(gòu)信息量的度量

點(diǎn)狀地圖上的群體現(xiàn)象相關(guān)的知識(shí)通過(guò)點(diǎn)群結(jié)構(gòu)表達(dá)。例如,通過(guò)分析病例的聚群結(jié)構(gòu)特征可以了解地域、環(huán)境、氣候特征與疾病的相關(guān)性;提取城市群結(jié)構(gòu)可以研究城市生長(zhǎng)規(guī)律等。研究點(diǎn)群首先需要提取聚群結(jié)構(gòu),這通常是通過(guò)聚類來(lái)實(shí)現(xiàn)的。目前,很多學(xué)者對(duì)空間聚類方法開(kāi)展了研究[18-20]。考慮到點(diǎn)群結(jié)構(gòu)內(nèi)部耦合性強(qiáng)而點(diǎn)群間點(diǎn)要素呈現(xiàn)松散的特點(diǎn),本文采用基于Delaunay三角網(wǎng)的距離密度約束聚類方法提取點(diǎn)群結(jié)構(gòu)[21]。如圖6所示,點(diǎn)狀地圖(a)構(gòu)建Delaunay三角網(wǎng)得到圖(b),并聚類得到點(diǎn)群結(jié)構(gòu)的分布圖(c),視覺(jué)上該結(jié)果較好地顧及群內(nèi)和群間的點(diǎn)要素距離約束,使得群內(nèi)凝聚程度高而群間凝聚度低。

圖6 點(diǎn)要素聚類過(guò)程Fig.6 Clustering of a set of points

5 試驗(yàn)與結(jié)果分析

為了驗(yàn)證本文所提出的空間信息量度量方法的合理性,下面分別用兩組點(diǎn)狀地圖進(jìn)行試驗(yàn)。

第1組試驗(yàn)截取相同地圖范圍大小和相同要素?cái)?shù)量而分布均勻程度不一的一組數(shù)據(jù),如圖7所示(多邊形為點(diǎn)要素的改進(jìn)Voronoi區(qū)域)。分別采用本文方法和文獻(xiàn)[7]方法計(jì)算其信息量,結(jié)果列于表1。從圖中可以看出,均勻分布相對(duì)簡(jiǎn)單,而非均勻分布的整體復(fù)雜度大,要素的空間分布特征較多元化。這一方面反映在各要素Voronoi區(qū)域面積的差異上,在均勻分布情況下,各要素Voronoi區(qū)域面積差異較小,而在非均勻分布情況下,各要素Voronoi區(qū)域面積差異較大。分析幾何分布信息量的計(jì)算表達(dá)式(2)可知,Voronoi區(qū)域面積差異越大,計(jì)算得到的幾何分布信息量越大。另一方面,均勻分布的點(diǎn)狀地圖,各點(diǎn)要素間的拓?fù)溧徑犹卣鹘咏?,而非均勻分布的點(diǎn)要素間的拓?fù)溧徑犹卣鞑町愐噍^大。圖7(b)中各要素的一階鄰接度的差異明顯要比圖7(a)大。由式(3)可知,一階拓?fù)溧徑佣炔町愒酱?,?jì)算得到的拓?fù)溧徑有畔⒘吭酱蟆4送?,從空間認(rèn)知角度,容易判斷圖7(b)由于點(diǎn)要素間空間距離、拓?fù)溧徑拥忍卣鞯牟町愋愿?,因而更為?fù)雜多樣化,導(dǎo)致包含的信息量更多。從表1中可以看出,本文方法的計(jì)算結(jié)果與空間認(rèn)知結(jié)果相一致。同時(shí)也發(fā)現(xiàn),文獻(xiàn)[7]方法計(jì)算得到的信息量結(jié)果出現(xiàn)了相反的趨勢(shì),即與空間認(rèn)知結(jié)果不一致。因此,本文方法較文獻(xiàn)[7]方法更具有合理性。

圖7 不同空間分布的點(diǎn)狀地圖Fig.7 Two point-shaped maps with different spatial distributions

表1 不同空間分布的點(diǎn)狀地圖空間信息量計(jì)算結(jié)果Tab.1 The results of spatial information content of pointshaped maps with different distributions bit

第2組試驗(yàn)的數(shù)據(jù)源自某疾控部門提供的新生兒低體重病例分布,根據(jù)一定范圍大小區(qū)域內(nèi)病例數(shù)量差異選取了具有代表性的3個(gè)區(qū)域地圖數(shù)據(jù),分別如圖8(a)、(b)、(c)所示。

試驗(yàn)中,首先對(duì)原始地圖點(diǎn)要素構(gòu)建約束Voronoi圖獲得各點(diǎn)要素對(duì)應(yīng)的Voronoi區(qū)域,分別如圖8(d)、(e)、(f)所示。計(jì)算各點(diǎn)要素對(duì)應(yīng)Voronoi區(qū)域面積,分別利用Voronoi區(qū)域面積和Voronoi一階鄰接度作為特征描述指標(biāo),計(jì)算地圖的幾何分布信息量和拓?fù)溧徑有畔⒘?。然后根?jù)點(diǎn)要素Voronoi鄰接關(guān)系建立Delaunay三角網(wǎng);進(jìn)而,對(duì)三角網(wǎng)的邊依次施加整體到局部的統(tǒng)計(jì)距離約束,打斷三角網(wǎng)中的不一致邊(長(zhǎng)邊或鏈結(jié)構(gòu)),獲得一系列子圖;最后,搜索通過(guò)三角網(wǎng)邊連接的子圖,每個(gè)子圖形成一個(gè)空間簇,即空間聚群結(jié)構(gòu)。圖8(g)、(h)、(i)所示為聚群后的結(jié)果,其中未被聚入任一空間簇的點(diǎn)為離群點(diǎn)。對(duì)每個(gè)聚群結(jié)構(gòu)分別統(tǒng)計(jì)其點(diǎn)要素?cái)?shù)目、分布面積、分布密度等特征描述指標(biāo),即可計(jì)算得到點(diǎn)狀地圖聚群結(jié)構(gòu)信息量。同時(shí),根據(jù)文獻(xiàn)[7]方法,利用點(diǎn)要素的Voronoi區(qū)域面積和Voronoi鄰接度計(jì)算獲得點(diǎn)狀地圖的幾何信息量、拓?fù)湫畔⒘浚?jì)算結(jié)果列于表2。

圖8 分布不等的3組試驗(yàn)數(shù)據(jù)及對(duì)應(yīng)Voronoi圖、聚群結(jié)果Fig.8 Three groups of experimental data with different spatial distributions

表2 圖8中3幅地圖所包含的點(diǎn)要素及聚群數(shù)量及地圖信息量Tab.2 Numbers of points and clusters in the three maps of figure 8and their information content bit

分析表2中3幅地圖的幾何分布信息量、拓?fù)溧徑有畔⒘?、聚群結(jié)構(gòu)信息量的計(jì)算結(jié)果,可以得到如下結(jié)論。

(1)隨著點(diǎn)要素的增加,3個(gè)層次的空間信息量都在逐步增加。隨著點(diǎn)要素增多,要素分布也越復(fù)雜,不論是從幾何分布特征或是拓?fù)溧徑雨P(guān)系特征來(lái)看,要素分布的多樣性都在逐步增加,點(diǎn)要素Voronoi區(qū)域面積、拓?fù)溧徑佣鹊牟町愋栽龃?,因而包含的幾何分布信息量、拓?fù)溧徑有畔⒘吭截S富,而形成的各種聚群結(jié)構(gòu)數(shù)亦可能隨之增加,聚群結(jié)構(gòu)之間包含點(diǎn)要素?cái)?shù)目、分布面積、分布密度的多樣性或差異性增加,由此聚群結(jié)構(gòu)信息量也逐漸增加。

(2)隨著點(diǎn)要素的增加,幾何分布信息量、拓?fù)溧徑有畔⒘侩S點(diǎn)要素?cái)?shù)目增長(zhǎng)的速度逐漸變小,這主要有兩方面的原因:其一,隨著點(diǎn)要素基數(shù)的增大,地圖信息載負(fù)漸趨飽和,因而信息量的增長(zhǎng)速度越來(lái)越緩慢;其二,地圖信息量大小取決于分布多樣性程度,不考慮點(diǎn)要素專題屬性時(shí),隨著點(diǎn)要素基數(shù)的增大,要素分布的復(fù)雜性程度漸趨平穩(wěn),信息量的增長(zhǎng)速度將不及點(diǎn)數(shù)目的增長(zhǎng)速度。

(3)對(duì)于同一幅地圖,聚群結(jié)構(gòu)信息量最小;當(dāng)點(diǎn)要素?cái)?shù)目較少時(shí),幾何分布信息量較拓?fù)溧徑有畔⒘扛?,而?dāng)點(diǎn)要素?cái)?shù)目偏多時(shí),拓?fù)浞植夹畔⒘繉⒊^(guò)幾何分布信息量。這主要是由于隨著點(diǎn)要素的增加,其Voronoi圖的拓?fù)溧徑咏Y(jié)構(gòu)關(guān)系越來(lái)越復(fù)雜,對(duì)應(yīng)的拓?fù)溧徑佣炔町愐嘣龃?,因而拓?fù)溧徑有畔⒘吭鲩L(zhǎng)速度更快。這同時(shí)反映了在空間數(shù)據(jù)管理中拓?fù)潢P(guān)系維護(hù)較幾何關(guān)系維護(hù)更復(fù)雜。

(4)隨著聚群結(jié)構(gòu)信息量增長(zhǎng),點(diǎn)要素增長(zhǎng)速度越來(lái)越快。本試驗(yàn)中,聚群結(jié)構(gòu)是新生兒低體重病例數(shù)據(jù)空間簇的分布模式,聚群結(jié)構(gòu)信息量豐富,意味著病例分布模式多樣化,反映該區(qū)域?qū)е滦律鷥旱腕w重發(fā)生的條件更成熟,因而病例發(fā)生率偏高。由此,可以通過(guò)聚群結(jié)構(gòu)的分布模式,結(jié)合地理生態(tài)環(huán)境等進(jìn)一步分析疾病誘發(fā)因素,采取有效措施進(jìn)行控制。

對(duì)比本文方法與文獻(xiàn)[7]方法的計(jì)算結(jié)果,本文方法計(jì)算結(jié)果更符合人的視覺(jué)感知。文獻(xiàn)[7]方法得到區(qū)域1的幾何信息量和拓?fù)湫畔⒘糠謩e為5.7bit和6.8bit,而區(qū)域3的信息量?jī)H有9.2bit和11.4bit,尚且不到區(qū)域1的信息量的2倍,憑目視分析這是不合理的。而本文方法計(jì)算結(jié)果具有更為合理的相對(duì)大小趨勢(shì)。

6 結(jié) 論

本文深入分析了地圖信息的來(lái)源和本質(zhì)特征,剖析點(diǎn)狀地圖空間信息構(gòu)成,并將點(diǎn)狀地圖的空間特征區(qū)分為幾何分布特征、拓?fù)溧徑犹卣骱途廴航Y(jié)構(gòu)特征,相應(yīng)的,將點(diǎn)狀地圖的空間信息區(qū)分為幾何分布信息、拓?fù)溧徑有畔⒑途廴航Y(jié)構(gòu)信息。在此基礎(chǔ)上,以基于特征的信息量度量模型為數(shù)學(xué)基礎(chǔ),通過(guò)選取特征度量指標(biāo),建立了一套點(diǎn)狀地圖空間信息量的度量方法。最后,分別以兩組地圖數(shù)據(jù)為例,并與比較公認(rèn)的文獻(xiàn)[7]方法對(duì)比,試驗(yàn)分析驗(yàn)證了本文所提出的地圖信息量度量方法的合理性和優(yōu)越性。今后的研究將進(jìn)一步納入點(diǎn)目標(biāo)的語(yǔ)義特征來(lái)綜合考慮地圖信息量的度量方法,并嘗試運(yùn)用地圖信息度量方法與地圖綜合、地圖信息傳輸?shù)葢?yīng)用相結(jié)合,建立基于地圖信息量的地圖綜合評(píng)價(jià)方法和漸進(jìn)式傳輸方法。

[1] SHANNON C E.A Mathematical Theory of Communication[J].The Bell System Technical Journal,1948,27:379-423,623-656.

[2] KOLáCNY′Cartographic Information:a Fundamental Concept and Term in Modern Cartography [J].The Cartographic Journal,1969,6(1):47-49.

[3] ZHU Guorui,WANG Jianhua.Research of Some Questions on Modern Cartographic Analysis [J].Acta Geodaetica et Cartographica Sinica,1995,24(1):77-79.(祝國(guó)瑞,王建華.現(xiàn)代地圖分析有關(guān)問(wèn)題的探討[J].測(cè)繪學(xué)報(bào),1995,24(1):77-79.)

[4] SUKHOV V I.Information Capacity of a Map:Entropy[J].Geodesy and Aero Photography,1967,10(4):212-215.

[5] NEUMANN J.The Topological Information Content of a Map:an Attempt at a Rehabilitation of Information Theory in Cartography[J].Cartography,1994,31(1):26-34.

[6] BJOKE J T.Framework for Entropy-based Map Evaluation[J].Cartography and Geographic Information Systems,1996,23(2):78-95.

[7] LI Z L,HUANG P Z.Quantitative Measures for Spatial Information of Maps [J].International Journal of Geographical Information Science,2002,16(7):699-709.

[8] HARRIE L,STIGMAR H.An Evaluation of Measures for Quantifying Map Information [J].ISPRS Journal of Photogrammetry and Remote Sensing,2010,65(3):266-274.

[9] WU H Y,ZHU H J,LIU Y.A Raster-based Map Information Measurement for Qos[C]∥Proceedings of ISPRS.[S.l.]:ISPRS,2004:365-370.

[10] CHENG Changxiu,LU Feng,NIU Fangqu.Verification of Raster-based Map Information Measurement[J].Geo-Information Science,2006,8(1):127-130.(程昌秀,陸鋒,牛方曲.柵格地圖信息量計(jì)算方法的驗(yàn)證分析[J].地球信息科學(xué),2006,8(1):127-130.)

[11] LIU Huimin,F(xiàn)AN Zide,DENG Min,et al.A Hierarchical Approach to Measuring the Information Content of the Contours in a Map[J].Acta Geodaetica et Cartographica Sinica,2012,41(5):777-783.(劉慧敏,樊子德,鄧敏,等.地圖上等高線信息度量的層次方法研究[J].測(cè)繪學(xué)報(bào),2012,41(5):777-783.)

[12] AI Tinghua,LIU Yaolin.A Method of Point Cluster Simplification with Spatial Distribution Properties Preserved[J].Acta Geodaetica et Cartographica Sinica,2002,31(2):175-181.(艾廷華,劉耀林.保持空間分布特征的群點(diǎn)化簡(jiǎn)方法[J].測(cè)繪學(xué)報(bào),2002,31(2):175-181.)

[13] JIANG Hao,CHU Yandong,YAN Haowen,et al.Study on Computation of Similarity Relationships of Multi-scale Point Objects [J].Geography and Geo-Information Science,2009,25(6):1-4.(江浩,褚衍東,閆浩文,等.多尺度地理空間點(diǎn)群目標(biāo)相似關(guān)系的計(jì)算研究[J].地理與地理信息科學(xué),2009,25(6):1-4.)

[14] MAO Zhengyuan.The Study of Extracting Structure Information of a Clustered Spatial Point Pattern[J].Acta Geodaetica et Cartographica Sinica,2007,36(2):181-186.(毛政元.集聚型空間點(diǎn)模式結(jié)構(gòu)信息提取研究[J].測(cè)繪學(xué)報(bào),2007,36(2):181-186.)

[15] YAN Haowen,WANG Jiayao.A Generic Algorithm for Point Cluster Generalization Based on Voronoi Diagrams[J].Journal of Image and Graphics,2005,10(5):603-606.(閆浩文,王家耀.基于Voronoi圖的點(diǎn)群目標(biāo)普適綜合算法 [J].中國(guó)圖象圖形學(xué)報(bào),2005,10(5):603-606.)

[16] WHELAN B M,MCBRATNEY A B.Prediction Uncertainty and Implications for Digital Map Resolution[C]∥Proceedings of the Fourth International Conference on Precision Agriculture.Madison: [s.n.], 1998:1185-1196.

[17] CHEN J,ZHAO R L,LI Z L.Voronoi-based K-order Neighbor Relations for Spatial Analysis [J].ISPRS Journal of Photogrammetry and Remote Sensing,2004,59(1):60-72.

[18] YAN H W,WEIBEL.An Algorithm for Point Cluster Generalization Based on the Voronoi Diagram [J].Computers and Geosciences,2008,34(8):939-954.

[19] PEI T,JASRA A,HAND D J,et al.DECODE:A New Method for Discovering Clusters of Different Densities in Spatial Data[J].Data Mining and Knowledge Discovery,2009,18(3):337-369.

[20] DENG Min,LIU Qiliang,LI Guangqiang,et al.Spatial Clustering Analysis and Applications [M].Beijing:Science Press,2011.(鄧敏,劉啟亮,李光強(qiáng),等.空間聚類分析及應(yīng)用[M].北京:科學(xué)出版社,2011.)

[21] DENG M,LIU Q L,CHENG T,et al.An Adaptive Spatial Clustering Algorithm Based on Delaunay Triangulation[J].Computers,Environment and Urban Systems,2009,35(4):320-332.

猜你喜歡
點(diǎn)狀信息量度量
有趣的度量
Ⅰ型肢根型點(diǎn)狀軟骨發(fā)育不良家系的遺傳學(xué)分析
某住宅樓的混凝土點(diǎn)狀爆裂原因分析
模糊度量空間的強(qiáng)嵌入
迷向表示分為6個(gè)不可約直和的旗流形上不變愛(ài)因斯坦度量
基于信息理論的交通信息量度量
錳合金化奧氏體不銹鋼的抗點(diǎn)狀腐蝕性能
四川冶金(2017年2期)2017-04-11 12:55:36
如何增加地方電視臺(tái)時(shí)政新聞的信息量
新聞傳播(2016年11期)2016-07-10 12:04:01
地質(zhì)異常的奇異性度量與隱伏源致礦異常識(shí)別
基于多尺度互信息量的數(shù)字視頻幀篡改檢測(cè)
404 Not Found

404 Not Found


nginx
康平县| 嘉禾县| 涞源县| SHOW| 陵川县| 盐池县| 崇信县| 清镇市| 靖宇县| 方山县| 姚安县| 宜黄县| 潢川县| 绥中县| 天水市| 孙吴县| 察隅县| 杨浦区| 嘉荫县| 万州区| 古蔺县| 曲靖市| 布尔津县| 肥乡县| 洪洞县| 尚志市| 乳山市| 陆丰市| 岚皋县| 富顺县| 无为县| 巴林左旗| 嘉黎县| 高碑店市| 昌都县| 丰县| 鹰潭市| 威信县| 尉犁县| 张家川| 屏东县|