空间数据套合的地统计与扩展方法

With diversification of data acquisitions and associated technologies, there is steady accumulation of multi-source spatial data, prompting for research on effective and fast data integration so to provide information and technical support for geospatial research and applications. There are steady research efforts focused mainly on remotely sensed image fusion and vector map conflation. However, there is lack of research on integration of other types of spatial data and, more importantly, integrative strategies for spatial data integration. In this proposal, all procedures for integrating multi-source data are referred to as data conflation, and the emphasis is placed upon systematic strategies for conflating data measured at interval/ratio scales. The proposal seeks to clarify concepts and principles concerning data typology and semantics, data support, spatial structural modeling, cross-scale analysis in the context of multi-sourced and heterogeneous data, and establish an integrative framework for data conflation by combining geostatistics, multi-scale signal analysis and reconstruction, and information theory (with the latter two collectively coined the extended approaches). Impacts of scale mismatch, semantic inconsistency, and other bottleneck problems on data conflation are analyzed, with their solution explored. The proposed methods designed for continuous field data can be generalized to categorical field data and spatial objects' positional data. Performance assessment can be based on statistical and informational measures. The proposed research will enhance theoretical foundation of geographic information, enrich methodology of spatial data and their analyses, and help to add to the applicability and values of spatial information.

随着数据获取方式和技术的多样化，多源空间数据持续累积，迫切需要研究数据集成方法，以更好地为地学研究与应用提供信息和技术的支持。现有研究主要集中在遥感影像融合和矢量地图合并等方面，但关于其它数据类型尤其是一体化集成策略的研究缺乏。 本课题将各种用于集成多源空间数据的处理过程通称为数据套合，重点研究等距/等比量测尺度的数据的套合的系统化方法。理清了多源异构数据环境下的数据类型和语义、数据支撑、空间结构建模、跨尺度分析等概念和原理，提出了集地统计学方法、多尺度分析与重构方法、信息论方法(后两种合称为扩展方法)于一体的数据套合架构；分析了尺度不匹配、语义不一致等瓶颈问题对套合的影响，探讨了其解决方案；泛化了可用于连续型和类别型场变量数据和空间对象位置数据的套合方法，并可借助统计型与信息论指标进行性能评价。本课题将完善地理信息科学的理论体系，丰富空间数据与分析的方法库，有助于提高空间信息的应用水平。

随着多源空间数据持续累积，数据套合(数据融合)方法的研究日趋重要，尤其在空间大数据时代。过去鲜有一体化融合策略的研究，对于数据的尺度和精度问题缺乏足够关注，使得现有方法不足以应对数据的多样性和复杂性。. 本课题理清了多源异构数据环境下的数据类型与特征、尺度与数据支撑、空间相关性等有关理论和概念问题；提出了经典方法(传统两点地统计学)和扩展方法(多点地统计学方法、多尺度分析方法、信息论方法)一体化的数据融合方法架构，并以连续型数据(如地形高程)为例进行了实验分析；分析了尺度不匹配和语义不一致对数据融合的影响；发展了影像对象的尺度建模与转换方法；研究了影像信息度量和影像融合信息量分析方法，整合了稀疏场景和压缩感知的信息论分析方法；提出了基于局域(逐像素)精度量化的类别型数据(土地覆盖)的融合策略，整合了整体与局部、静态与动态的精度量化方法；研究了自适应空间抽样、模糊集合等相关问题。. 研究结果主要包括：相对于传统的方法，多点地统计学方法能有效地再现所研究场变量及其数据(包括误差维度)的复杂模式，显著地提高融合精度；多点空间模式建模、多尺度分析方法可有效处理尺度不匹配等问题，改善融合效果；地统计学尺度建模与转换方法，尤其是变差模型的正则化与去正则化方法，显著提升了面向对象的遥感影像分类精度；顾及空间相关、波段间相关的信息度量方法较简化方法更准确，有助于数据融合的过程与性能限的信息分析；逻辑回归分析与残差kriging集成方法可提高土地覆盖和变化信息的局域精度估计的精准性；基于类别-空间异质度的两级分层随机抽样设计，有利于提升局域土地覆盖信息精度量化的可靠性，进而提高参考数据和地图数据融合的精度和效率；基于地理分区-地图类别的两级分层随机抽样设计，可有效进行大区域土地覆盖数据产品的精度验证。. 本研究有助于完善地理信息与分析的理论架构，丰富空间数据融合的方法库，实现信息增值，提高应用水平。