多尺度表达中属性数据不确定性建模及其可视化分析

Uncertainty is one of the most significant scientific issues in the domain of Geographic Information Science. Attribute data generally have uncertainties, and the uncertainty existing in attribute data is even more complicated than those existing in spatial data. In addition, the uncertainty of attribute data can be introduced in the course of spatial data multi-scale representation. Therefore, more and more scholars have started to pay close attention to the uncertainty of multi-scale representation for attribute data. But unfortunately, there is a little research achievement about this subject. This project intends to define the origin and classification of uncertainty in the course of multi-scale.representation for attribute data, and it’s transmission mechanism is explored. The uncertainty of attribute data in the course of multi-scale representation is modeled by the method of improved rough set and robust estimation method respectively. The sampling method of attribute data is studied based on the clonal selection optimization algorithm. Precision analysis and measurement model for attribute data is constructed by the method of stratified sampling. Based on the theories of vision, the visualization method system is established for uncertainty of attribute data in the course of multi-scale representation. In this research, we design a prototype system, and carry out experimental studies using the attribute data of multi-scale land use and soil quality data. This research reveals the changing mechanisms of data uncertainty accompanied with the changing of scale. It can provide the reference for the quality control of geographic information products, and can provide important support information for GIS analysis and decision.

不确定性是国内外地理信息科学领域重点关注的科学问题之一。GIS中的属性数据普遍存在不确定性，且比空间位置数据的不确定性更为复杂。空间数据多尺度表达也会带来属性数据的不确定性问题。因此，多尺度表达中的属性数据不确定性问题引起了学者们的重视，但现有的研究较少。本项目拟科学界定多尺度表达中的属性数据不确定性的来源、明确其分类，探究多尺度表达中属性数据不确定性的传播机理；采用改进的粗集、鲁棒估计等方法对多尺度表达中的属性数据不确定性进行处理与建模；研究基于克隆选择优化算法的属性数据采样方法，采用分层抽样检验的方法构建多尺度表达中属性数据精度分析与度量模型；构建多尺度表达的属性数据不确定性可视化方法体系；设计并开发原型系统，选择多尺度土地利用数据、土壤质量数据开展实验研究。本项目将揭示属性数据不确定性随尺度变化的变化规律，为地理信息产品的质量控制提供参考依据，为GIS分析决策提供重要的支持信息。

不确定性是GIS 领域的重要科学问题，并备受国内外学者的广泛关注。GIS中的属性数据普遍存在不确定性，其不确定性也与多种因素有关，空间数据多尺度表达也会带来属性数据的不确定性问题。本项目将属性数据分为定性数据和定量数据，研究了多尺度表达中各类属性数据不确定性的来源、分类及其传播机制；构建了多尺度表达中的属性数据不确定性与精度度量模型；提出了多尺度表达中的属性数据不确定性可视化方法；研发了多尺度属性数据不确定性评估原型系统。本研究重要结果包括：①变精度的属性数据粗集表达及基于知识含量的近似精度与粗糙度、改进的Jaccard系数用于多尺度属性数据不确定性的评估效果良好。②分级统计地图的精度受属性不确定性类型与水平、地图分级模型与分级数目的影响：属性数据不确定性水平越高，地图精度越小，地图精度指标值越不可靠；属性数据不确定性均匀分布比正态分布下地图精度高，精度指标值也更可靠；分级数越大地图精度越高，分级数较小时自然间断点分级法地图精度最高。③建立了属性数据空间化抽样策略和属性数据空间化误差检验抽样策略。④属性数据不确定性越小，空间化栅格单元鲁棒性越大；用户容差水平越大，空间化产品鲁棒性越大。⑤构建了多尺度空间实体几何相似性图形距离和拓扑相似性图形距离，能同时顾及多尺度空间实体几何和拓扑结构的改变。本项目揭示了属性数据不确定性随尺度变化的变化规律，为多尺度表达中属性数据不确定性的定性与定量评价、可视化表达提供了依据和方法，为空间数据多尺度表达不确定性的全方位评估提供了参照和标准。