GIS的技术构成 gis技术包括

GIS包括哪些组成部分

GIS系统由什么组成从计算机的角度看，地理信息系统（GIS系统）是由计算机硬件、软件、数据和用户4大要素组成。

发展壮大离不开广大客户长期以来的信赖与支持，我们将始终秉承“诚信为本、服务至上”的服务理念，坚持“二合一”的优良服务模式，真诚服务每家企业，认真做好每个细节，不断完善自我，成就企业，实现共赢。行业涉及服务器托管等，在网站建设公司、营销型网站、WAP手机网站、VI设计、软件开发等项目上具有丰富的设计经验。

1.计算机硬件系统；

2.计算机软件系统；

3.地理空间数据库；

4系统管理操作人员；

其中， 软硬件系统是GIS系统的核心，地理空间数据库反映了GIS的地理内容，而系统管理操作人员则决定GIS系统的工作方式和信息表示方式。

①硬件包括各类计算机处理机及其输入输出和网络设备，计算机硬件是GIS的物理外壳。GIS的规模、精度、速度、功能、形式、使用方法，甚至软件等都受到硬件指标的支持或制约。GIS的硬件配置一般包括计算机主机、 数据输入设备、数据存储设备和数据输出设备4个部分。

1.计算机主机:包括机箱内部的各种硬件;

2.数据输入设备:包括数字化仪、图像扫描仪、手写笔、光笔等;

3.数据存储设备:包括光盘刻录机、磁带机、磁盘阵列、光盘塔、移动硬盘等;

4.数据输出设备:包括笔式绘图仪、喷墨绘图仪(打印机)、激光打印机等。

②软件是支持信息的采集、处理、存储管理和可视化输出的计算机程序系统；

计算机软件系统：

1.计算机系统软件：计算机系统软件是GIS日常工作所必需的，是由计算机厂家提供的、为用户开发和使用计算机提供方便的程序系统，通常包括操作系统、汇编程序、编译程序、诊断程序、库程序，以及各种维护使用手册、程序说明等。

2.GIS软件和其他支撑软件：该部分既包括通用的GIS软件包，也可以包括数据库管理系统、计算机图形软件包、计算机图像处理系统、CAD软件等，用于支持对空间数据的输入、存储、转换、输出和与用户接口。

3.应用分析程序：应用分析程序是系统开发人员或用户根据地理专题或区域分析模型编制的用于某种特定应用任务的程序，是系统功能的扩充与延伸。应用程序作用于地理专题数据或区域数据，构成GIS的具体内容，这是用户最为关心的真正用于地理分析的部分，也是从空间数据中提取地理信息的关键。用户进行系统开发的大部分工作是开发应用程序，而应用程序的水平在很大程度上决定系统的优劣与成败。

③数据则包括图形和非图形数据、定性和定量数据、影像数据及多媒体数据等；

地理空间数据库：地理空间数据库主要用于储存、管理和检索地理空间数据。地理空间数据是指以地球表面空间位置为参照的自然、社会和人文景观数据，可以用图形、图像、文字、表格和数字等表示，由系统建立者通过数字化仪、扫描仪、键盘或其他通信系统输入GIS,是系统程序作用的对象。不同用途的GIS,其地理空间数据的种类和精度都是不同的，但基本上都包括以下3种互相联系的数据类型。

1.某个已知坐标系中的位置：即几何坐标，用于标识地理景观在自然界或某个区域的地图中的空间位置，可以是经纬度、平面直角坐标、极坐标等，也可以是矩阵的行、列数等。

2.实体间的空间相关性：即拓扑关系，表示点、线、面实体之间的空间联系，如网络节点与网络线之间的枢纽关系、边界线与面实体之间的构成关系、面实体与点的包含关系等。空间拓扑关系对于地理空间数据的编码、录入、格式转换、存储管理、查询检索和模型分析等都有重要意义。

3.与几何位置无关的属性：即通常所说的属性或非几何属性，是与地理实体相联系的地理变量或地理意义，可分为定性属性和定量属性两种。其中，定性描述的属性包括名称、类型、特性等，如岩石类型、行政区划等:定量描述的属性主要是数量和等级，如面积、长度、河流长度、水土流失土量等。

④用户是地理信息系统所服务的对象，是地理信息系统的主人，GIS的用户分一般用户和从事系统的建立、维护、管理和更新的高级用户。

系统管理操作人员：人员是GIS的重要组成要素。GIS从设计、 建立、运行到维护的整个生命周期，都离不开人的作用。除了系统软硬件和数据之外，GIS系统还需要相关人员进行系统组织、管理、维护和数据更新、系统扩充完善、应用程序开发，并灵活应用地理分析模型提取多种信息，为研究和决策服务。

GIS由哪几部分组成？

从应用的角度，地理信息系统由硬件、软件、数据、人员和方法五部分组成。硬件和软件为地理信息系统建设提供环境；数据是GIS的重要内容；方法为GIS建设提供解决方案；人员是系统建设中的关键和能动性因素，直接影响和协调其它几个组成部分。

硬件主要包括计算机和网络设备，存储设备，数据输入、显示和输出的外围设备等等。

软件主要包括以下几类：

——操作系统软件

——数据库管理软件

——系统开发软件

——GIS软件，等等。

GIS软件的选型，直接影响其它软件的选择，影响系统解决方案，也影响着系统建设周期和效益。

数据是GIS的重要内容，也是GIS系统的灵魂和生命。数据组织和处理是GIS应用系统建设中的关键环节，涉及许多问题：

——采用何种方法进行数据的更新和维护，等等。

方法指系统需要采用何种技术路线，采用何种解决方案来实现系统目标。方法的采用会直接影响系统性能，影响系统的可用性和可维护性。

人是GIS系统的能动部分。人员的技术水平和组织管理能力是决定系统建设成败的重要因素。系统人员按不同分工有项目经理、项目开发人员、项目数据人员、系统文档撰写和系统测试人员等。各个部分齐心协力、分工协作是GIS系统成功建设的重要保证。

GIS系统由哪些部分组成？

一个实用的地理信息系统，要支持对空间数据采集、管理、处理、分析、建模和显示等功能，其基本构成包括以下四个主要部分: 系统硬件、系统软件、数据库系统、系统管理和操作人员。这里，计算机系统软、硬件是其核心部分，空间数据反映 GIS 的地理内容，而管理人员和用户则决定系统的工作方式和信息表示方式 ( 图 10-2) 。

图 10-2 GIS 的组成

1. 系统硬件

GIS 由于其任务的复杂性和特殊性，必须由计算机设备支持。计算机硬件系统是计算机系统中的实际物理装置的总称，可以是电子的、电的、磁的、机械的、光的元件或装置，是 GIS 的物理外壳。GIS 系统的规模、精度、速度、功能、形式、使用方法甚至软件都与硬件有极大的关系，受硬件指标的支持和制约。构成计算机硬件系统的基本组件包括输入/输出设备、中央处理单元 ( CPU) 、存储器 ( 包括主存储器、辅助存储器) 等，这些硬件组件协同工作，向计算机系统提供必要的信息，使其完成任务，并将处理得到的结果或信息提供给用户，同时保存数据以备现在或将来使用。图 10-3 为常见的实现输入/输出功能的计算机外围设备。

图 10-3 GIS 的硬件组成

2. 系统软件

GIS 软件是系统的核心，用 于 执 行 GIS功能的各种操作，包括数据输入、处理、数据库管理、空间分析和图形用户界面等，按照其功能分为 GIS 专业软件、数据库软件和系统管理软件等，如图 10-4 所示。

GIS 专业软件一般指具有丰富功能的通用 GIS 软件，它包含了处理地理信息的各种高级功能，可作为其他应用系统建设的平台。代表产品有 Arc/Info，MGE，MapInfo，MapGIS 等。它们一般都包含如下核心模块:数据输入与编辑、空间数据管理、数据处理与分析、数据输出、用户界面、系统二次开发功能。

图 10-4 GIS 的软件层次

数据库软件除了在 GIS 专业软件中用于支持复杂空间数据的管理以外，还包括服务于非空间属性数据为主的数据库系统，这类软件有: Oracle，Sybase，Informix，DB2，SQLserver 等。由于这类数据库软件具有快速检索、满足多用户并发和数据安全保障等功能，目前能在这些现成的关系型商业数据库中存储 GIS 的空间数据。

系统管理软件主要指计算机操作系统，如 Windows XP，Vista，Linux 等，它们关系到GIS 软件和开发语言使用的有效性，因此也是 GIS 软硬件环境的重要组成部分。

3. 数据库系统

数据库系统是地理信息系统的操作对象与管理内容，它是指以地球表面空间位置为参照，描述自然、社会和人文经济景观的数据。这些数据可以是数字、文字、表格、图像和图形等，它们由系统建造者通过数字化仪、扫描仪、键盘、磁带机或其他输入设备输入到地理信息系统中，其相应的区域信息包括位置信息、属性信息和空间关系等。

地理信息系统中的数据类型有空间数据和非空间的属性数据两大类。

空间数据用来确定图形和制图特征的位置，是以地球表面空间位置为参照。根据地理实体的空间图形表示形式，可将空间数据抽象为点、线、面三类元素。空间数据具体反映了两方面信息: ①在某个已知坐标系中的位置，也称几何坐标，主要用于标识地理景观在自然界或包含某个区域的地图的空间位置，如经纬度、平面直角坐标、极坐标等; ②实体间的空间相关性，即拓扑关系 ( Topology) ，用于表示点、线、网、面等实体之间的空间联系，如边界线与面实体间的构成关系，面实体与岛或内部点的包含关系等。空间拓扑关系对于地理空间数据的编码、录入、格式转换、存储管理、查询检索和模型分析都有重要意义，是地理信息系统的特色之一。

非空间的属性数据用来反映与几何位置无关的属性，即通常所说的非几何属性，它是与地理实体相联系的地理变量或地理意义，一般是经过抽象的概念，通过分类、命名、量算、统计等方法得到。非几何属性分为定性和定量两种，前者包括名称、类型、特性等，如岩石类型、土壤种类、土地利用、行政区划等; 后者则包括数量和等级等，如面积、长度、土地等级、人口数量、降雨量、水土流失量等。任何地理实体至少包含一个属性，而地理信息系统的分析、检索主要是通过对属性的操作运算来实现的。

4. 系统管理和操作人员

人是 GIS 中的重要构成因素。GIS 不同于一幅地图，它是一个动态的地理模型，仅有系统软硬件和数据还不能构成完整的地理信息系统，需要人进行系统组织、管理、维护和数据更新、系统扩充完善、应用程序开发，并灵活采用地理分析模型提取多种信息，为研究和决策服务。对于合格的系统设计、运行和使用来说，地理信息系统专业人员是地理信息系统应用的关键，强有力的组织是系统运行的保障。一个周密规划的地理信息系统项目应包括负责系统设计和执行的项目经理、信息管理的技术人员、系统用户化的应用工程师，以及最终运行系统的用户。

GIS基本技术有哪些？

引言

地理信息系统(Geographic Information System，简称GIS)是计算机科学、地理学、测量学、地图学等多门学科综合的技术[1]。GIS的基本技术是空间数据库、地图可视化及空间分析，而空间数据库是GIS的关键。空间数据挖掘技术作为当前数据库技术最活跃的分支与知识获取手段，在GIS中的应用推动着GIS朝智能化和集成化的方向发展。

1 空间数据库与空间数据挖掘技术的特点

随着数据库技术的不断发展和数据库管理系统的广泛应用，数据库中存储的数据量也在急剧增大，在这些海量数据的背后隐藏了很多具有决策意义的信息。但是，现今数据库的大多数应用仍然停留在查询、检索阶段，数据库中隐藏的丰富的知识远远没有得到充分的发掘和利用，数据库中数据的急剧增长和人们对数据库处理和理解的困难形成了强烈的反差，导致“人们被数据淹没，但却饥饿于知识”的现象。

空间数据库(数据仓库)中的空间数据除了其显式信息外，还具有丰富的隐含信息，如数字高程模型〔DEM或TIN〕，除了载荷高程信息外，还隐含了地质岩性与构造方面的信息；植物的种类是显式信息，但其中还隐含了气候的水平地带性和垂直地带性的信息，等等。这些隐含的信息只有通过数据挖掘才能显示出来。空间数据挖掘（Spatial Data Mining，简称SDM），或者称为从空间数据库中发现知识，是为了解决空间数据海量特性而扩展的一个新的数据挖掘的研究分支，是指从空间数据库中提取隐含的、用户感兴趣的空间或非空间的模式和普遍特征的过程[2]。由于SDM的对象主要是空间数据库，而空间数据库中不仅存储了空间事物或对象的几何数据、属性数据，而且存储了空间事物或对象之间的图形空间关系，因此其处理方法有别于一般的数据挖掘方法。SDM与传统的地学数据分析方法的本质区别在于SDM是在没有明确假设的前提下去挖掘信息、发现知识，挖掘出的知识应具有事先未知、有效和可实用3个特征。

空间数据挖掘技术需要综合数据挖掘技术与空间数据库技术，它可用于对空间数据的理解，对空间关系和空间与非空间关系的发现、空间知识库的构造以及空间数据库的重组和查询的优化等。

2 空间数据挖掘技术的主要方法及特点

常用的空间数据挖掘技术包括：序列分析、分类分析、预测、聚类分析、关联规则分析、时间序列分析、粗集方法及云理论等。本文从挖掘任务和挖掘方法的角度,着重介绍了分类分析、聚类分析和关联规则分析三种常用的重要的方法。

2.1、分类分析

分类在数据挖掘中是一项非常重要的任务，目前在商业上应用最多。分类的目的是学会一个分类函数或分类模型(也常常称作分类器)，该模型能把数据库中的数据项映射到给定类别中的某一个。分类和我们熟知的回归方法都可用于预测，两者的目的都是从历史数据纪录中自动推导出对给定数据的推广描述，从而能对未来数据进行预测。和回归方法不同的是，分类的输出是离散的类别值，而回归的输出则是连续的数值。二者常表现为一棵决策树，根据数据值从树根开始搜索，沿着数据满足的分支往上走，走到树叶就能确定类别。空间分类的规则实质是对给定数据对象集的抽象和概括，可用宏元组表示。

要构造分类器,需要有一个训练样本数据集作为输入。训练集由一组数据库记录或元组构成,每个元组是一个由特征(又称属性)值组成的特征向量,此外,训练样本还有一个类别标记。一个具体样本的形式可为:( v1, v2, ..., vn; c )；其中vi表示字段值，c表示类别。

分类器的构造方法有统计方法、机器学习方法、神经网络方法等等。统计方法包括贝叶斯法和非参数法(近邻学习或基于事例的学习)，对应的知识表示是判别函数和原型事例。机器学习方法包括决策树法和规则归纳法，前者对应的表示为决策树或判别树，后者则一般为产生式规则。神经网络方法主要是反向传播（Back-Propagation,简称BP）算法，它的模型表示是前向反馈神经网络模型(由代表神经元的节点和代表联接权值的边组成的一种体系结构)，BP算法本质上是一种非线性判别函数[3]。另外，最近又兴起了一种新的方法:粗糙集(rough set)，其知识表示是产生式规则。

不同的分类器有不同的特点。有三种分类器评价或比较尺度：1) 预测准确度；2) 计算复杂度；3) 模型描述的简洁度。预测准确度是用得最多的一种比较尺度，特别是对于预测型分类任务，目前公认的方法是10番分层交叉验证法。计算复杂度依赖于具体的实现细节和硬件环境，在数据挖掘中，由于操作对象是海量的数据库，因此空间和时间的复杂度问题将是非常重要的一个环节。对于描述型的分类任务，模型描述越简洁越受欢迎。例如，采用规则归纳法表示的分类器构造法就很有用，而神经网络方法产生的结果就难以理解。

另外要注意的是，分类的效果一般和数据的特点有关。有的数据噪声大，有的有缺值， 有的分布稀疏，有的字段或属性间相关性强，有的属性是离散的而有的是连续值或混合式的。目前普遍认为不存在某种方法能适合于各种特点的数据。

分类技术在实际应用非常重要，比如：可以根据房屋的地理位置决定房屋的档次等。

2. 2 聚类分析

聚类是指根据“物以类聚”的原理，将本身没有类别的样本聚集成不同的组，并且对每一个这样的组进行描述的过程。它的目的是使得属于同一个组的样本之间应该彼此相似，而不同组的样本应足够不相似。与分类分析不同，进行聚类前并不知道将要划分成几个组和什么样的组，也不知道根据哪些空间区分规则来定义组。其目的旨在发现空间实体的属性间的函数关系，挖掘的知识用以属性名为变量的数学方程来表示。聚类方法包括统计方法、机器学习方法、神经网络方法和面向数据库的方法。基于聚类分析方法的空间数据挖掘算法包括均值近似算法[4]、CLARANS、BIRCH、DBSCAN等算法。目前，对空间数据聚类分析方法的研究是一个热点。

对于空间数据，利用聚类分析方法，可以根据地理位置以及障碍物的存在情况自动地进行区域划分。例如，根据分布在不同地理位置的ATM机的情况将居民进行区域划分，根据这一信息，可以有效地进行ATM机的设置规划，避免浪费，同时也避免失掉每一个商机。

2.3 关联规则分析

关联规则分析主要用于发现不同事件之间的关联性，即一事物发生时，另一事物也经常发生。关联分析的重点在于快速发现那些有实用价值的关联发生的事件。其主要依据是：事件发生的概率和条件概率应该符合一定的统计意义。空间关联规则的形式是X－＞Y[S%，C%]，其中X、Y是空间或非空间谓词的集合，S%表示规则的支持度，C%表示规则的置信度。空间谓词的形式有3种：表示拓扑结构的谓词、表示空间方向的谓词和表示距离的谓词[5]。各种各样的空间谓词可以构成空间关联规则。如，距离信息（如Close_to(临近)、Far_away(远离)）、拓扑关系（Intersect（交）、Overlap（重叠）、Disjoin(分离)）和空间方位（如Right_of(右边)、West_of(西边)）。实际上大多数算法都是利用空间数据的关联特性改进其分类算法，使得它适合于挖掘空间数据中的相关性，从而可以根据一个空间实体而确定另一个空间实体的地理位置，有利于进行空间位置查询和重建空间实体等。大致算法可描述如下：(1)根据查询要求查找相关的空间数据；(2)利用临近等原则描述空间属性和特定属性；(3)根据最小支持度原则过滤不重要的数据；(4)运用其它手段对数据进一步提纯(如OVERLAY)；(5)生成关联规则。

关联规则通常可分为两种：布尔型的关联规则和多值关联规则。多值关联规则比较复杂，一种自然的想法是将它转换为布尔型关联规则，由于空间关联规则的挖掘需要在大量的空间对象中计算多种空间关系，因此其代价是很高的。—种逐步求精的挖掘优化方法可用于空间关联的分析，该方法首先用一种快速的算法粗略地对一个较大的数据集进行一次挖掘，然后在裁减过的数据集上用代价较高的算法进一步改进挖掘的质量。因为其代价非常高，所以空间的关联方法需要进一步的优化。

对于空间数据，利用关联规则分析，可以发现地理位置的关联性。例如，85%的靠近高速公路的大城镇与水相邻，或者发现通常与高尔夫球场相邻的对象是停车场等。

3 空间数据挖掘技术的研究方向

3.1 处理不同类型的数据

绝大多数数据库是关系型的，因此在关系数据库上有效地执行数据挖掘是至关重要的。但是在不同应用领域中存在各种数据和数据库，而且经常包含复杂的数据类型，例如结构数据、复杂对象、事务数据、历史数据等。由于数据类型的多样性和不同的数据挖掘目标，一个数据挖掘系统不可能处理各种数据。因此针对特定的数据类型，需要建立特定的数据挖掘系统。

3.2 数据挖掘算法的有效性和可测性

海量数据库通常有上百个属性和表及数百万个元组。GB数量级数据库已不鲜见，TB数量级数据库已经出现，高维大型数据库不仅增大了搜索空间，也增加了发现错误模式的可能性。因此必须利用领域知识降低维数，除去无关数据，从而提高算法效率。从一个大型空间数据库中抽取知识的算法必须高效、可测量，即数据挖掘算法的运行时间必须可预测，且可接受，指数和多项式复杂性的算法不具有实用价值。但当算法用有限数据为特定模型寻找适当参数时，有时也会导致物超所值，降低效率。

3.3 交互性用户界面

数据挖掘的结果应准确地描述数据挖掘的要求，并易于表达。从不同的角度考察发现的知识，并以不同形式表示，用高层次语言和图形界面表示数据挖掘要求和结果。目前许多知识发现系统和工具缺乏与用户的交互，难以有效利用领域知识。对此可以利用贝叶斯方法和演译数据库本身的演译能力发现知识。

3.4 在多抽象层上交互式挖掘知识

很难预测从数据库中会挖掘出什么样的知识，因此一个高层次的数据挖掘查询应作为进一步探询的线索。交互式挖掘使用户能交互地定义一个数据挖掘要求，深化数据挖掘过程，从不同角度灵活看待多抽象层上的数据挖掘结果。

3.5 从不同数据源挖掘信息

局域网、广域网以及Internet网将多个数据源联成一个大型分布、异构的数据库，从包含不同语义的格式化和非格式化数据中挖掘知识是对数据挖掘的一个挑战。数据挖掘可揭示大型异构数据库中存在的普通查询不能发现的知识。数据库的巨大规模、广泛分布及数据挖掘方法的计算复杂性，要求建立并行分布的数据挖掘。

3.6 私有性和安全性

数据挖掘能从不同角度、不同抽象层上看待数据，这将影响到数据挖掘的私有性和安全性。通过研究数据挖掘导致的数据非法侵入，可改进数据库安全方法，以避免信息泄漏。

3.7 和其它系统的集成

方法、功能单一的发现系统的适用范围必然受到一定的限制。要想在更广泛的领域发现知识，空间数据挖掘系统就应该是数据库、知识库、专家系统、决策支持系统、可视化工具、网络等技术的集成。

4 有待研究的问题

我们虽然在空间数据挖掘技术的研究和应用中取得了很大的成绩，但在一些理论及应用方面仍存在急需解决的问题。

4.1 数据访问的效率和可伸缩性

空间数据的复杂性和数据的大量性，TB数量级的数据库的出现，必然增大发现算法的搜索空间，增加了搜索的盲目性。如何有效的去除与任务无关的数据，降低问题的维数，设计出更加高效的挖掘算法对空间数据挖掘提出了巨大的挑战。

4.2 对当前一些GIS软件缺乏时间属性和静态存储的改进

由于数据挖掘的应用在很大的程度上涉及到时序关系，因此静态的数据存储严重妨碍了数据挖掘的应用。基于图层的计算模式、不同尺度空间数据之间的完全割裂也对空间数据挖掘设置了重重障碍。空间实体与属性数据之间的联系仅仅依赖于标识码，这种一维的连接方式无疑将丢失大量的连接信息，不能有效的表示多维和隐含的内在连接关系，这些都增加了数据挖掘计算的复杂度，极大地增加了数据准备阶段的工作量和人工干预的程度。

4.3 发现模式的精炼

当发现空间很大时会获得大量的结果，尽管有些是无关或没有意义的模式，这时可利用领域的知识进一步精炼发现的模式，从而得到有意义的知识。

在空间数据挖掘技术方面，重要的研究和应用的方向还包括：网络环境上的数据挖掘、栅格矢量一体化的挖掘、不确定性情况下的数据挖掘、分布式环境下的数据挖掘、数据挖掘查询语言和新的高效的挖掘算法等。

5 小结

随着GIS与数据挖掘及相关领域科学研究的不断发展，空间数据挖掘技术在广度和深度上的不断深入，在不久的将来，一个集成了挖掘技术的GIS、GPS、RS集成系统必将朝着智能化、网络化、全球化与大众化的方向发展。

文章标题：GIS的技术构成 gis技术包括
链接地址：http://6mz.cn/article/doiosoo.html