随着技术的进步，客户端可能会采用新的应用协议，因此也被认为是Internet GIS 1、WebGIS是Web 技术和GIS技术相结合的产物，是利用Web技术来扩展和完善地理信息系统的一项新技术。 2、由于HTTP协议采用基于C/S的请求/应答机制，具有较强的用户交互能力，可以传输并在浏览器上显示多媒体数据，而GIS中的信息主要是需要以图形、图像方式表现的空间数据，用户通过交互操作，对空间数据进行查询分析。这些特点，使得人们完全可以利用Web来寻找他们所需要的空间数据，并且进行各种操作。 WebGIS是Internet和WWW技术应用于GIS开发的产物，是实现GIS互操作的一条最佳解决途径。从Intemet的任意节点，用户都可以浏览WebGIS站点中的空间数据、制作专题图、进行各种空间信息检索和空间分析。 因此，WebGlS不但具有大部分乃至全部传统GIS软件具有的功能，而且还具有利用Intenet优势的特有功能,即用户不必在自己的本地计算机上安装GIS软件就可以在Intenet上访问远程的GIS数据和应用程序，进行GIS分析，在Intenet上提供交互的地图和数据。 WebGIS的关键特征是面向对象、分布式和互操作。任何G1S数据和功能都是一个对象，这些对象部署在Intemet的不同服务器上，当需要时进行装配和集成。Intemet上的任何其他系统都能和这些对象进行交换和交互操作。WebGIS的基本特征WebGIS是集成的全球化的客户/服务器网络系统 WebGIS应用客户/服务器概念来执行GIS的分析任务。它把任务分为服务器端和客户端两部分，客户可以从服务器请求数据、分析工具或模块，服务器或者执行客户的请求并把结果通过网络送回给客户，或者把数据和分析工具发送给客户供客户端使用。WebGIS是交互系统 WebGIS可使用户在Intenet上操作GIS地图和数据，用Web浏览器（IE、Netscape,etc.)执行部分基本的GIS功能：如zoom（缩放）、Pan（拖动）、Query（查询）和Label（标注），甚至可以执行空间查询：如“离你最近的旅馆或饭店在哪儿”，或者更先进的空间分析：比如缓冲分析和网络分析等。在Web上使用WebGIS就和在本地计算机上使用桌面GIS软件一样。 通过超链接(Hyperlink)，WWW提供在Intemet上最自然的交互性。通常用户通过超链接所浏览的Web页面是由WWW开发者组织的静态图形和文本，这些图形大部分是FPEG和GIF格式的文件，因此用户无法操作地图，甚至连像zoom、Pan、Query这样简单的分析功能都无法执行。WebGIS是分布式系统 GIS数据和分析工具是独立的组件和模块，WebGIS利用Intemet的这种分布式系统把GIS数据和分析工具部署在网络不同的计算机上，用户可以从网络的任何地方访问这些数据和应用程序，即不需要在本地计算机上安装GIS数据和应用程序，只要把请求发送到服务器，服务器就会把数据和分析工具模块传送给用户，达到Just—in—time的性能。 Intemet的一个特点就是它可以访问分布式数据库和执行分布式处理，即信息和应用可以部署在跨越整个Intenet的不同计算机上。WebGIS是动态系统 由于WebGIS是分布式系统，数据库和应用程序部署在网络的不同计算机上，随时可被管理员更新，对于Intenet上的每个用户来说都将得到最新可用的数据和应用，即只要数据源发生变化，WebGIS将得到更新。和数据源的动态链接将保持数据和软件的现势性。WebGIS是跨平台系统 WebGIS对任何计算机和操作系统都没有限制。只要能访问Intenet，用户就可以访问和使用WebGIS而不必关心用户运行的操作系统是什么。随着Java的发展，未来的WebGIS可以做到“一次编写，到处运行”，使WebGIS的跨平台特性走向更高层次。WebGIS能访问Intemet异构环境下的多种GIS数据和功能 此特性是未来WebGIS的发展方向。异构环境下在GIS用户组间访问和共享GIS数据、功能和应用程序，需要很高的互操作性。OGC提出的开放式地理数据互操作规范(OpenGeodata Interoperablity Specificaton)为GIS互操作性提出了基本的规则。其中有很多问题需要解决，例如数据格式的标准、数据交换和访问的标准、OIS分析组件的标准规范等。随着Intemet技术和标准的飞速发展，完全互操作的WebGIS将会成为现实。WebGIS是图形化的超媒体信息系统 使用Web上超媒体系统技术，WebGIS通过超媒体热链接可以链接不同的地图页面。例如，用户可以在浏览全国地图时，通过单击地图上的热链接，而进入相应的省地图进行浏览。 另外，WWW为WebGIS提供了集成多媒体信息的能力，把视频、音频、地图、文本等集中到相同的Web页面，极大地丰富了GIS的内容和表现能力。WebGIS的基本要求 WebGIS应当是开放的：webGIS能够共享多种来源、多级尺度（比例尺）、存放在不同地点的地理数据，能够和其他应用软件集成，并通过Java、CORBA、DCOM等技术跨平台协作运行，支持C/S模式等。 WebGIS能在Intemet环境下运行：WebGIS使用Intenet协议标准，将GIS与Web服务器集成，通过普通浏览器，用户可以在任何地方操纵WebGIS，共享地理空间信息服务，从而将GIS扩展成为公众服务系统。 WebGIS必须支持数据分布和计算分布：WebGIS服务器为网络用户提供GIS服务：地理数据存取服务、地理数据目录服务、地理信息分析服务和地图显示服务。通过互操作技术，共享分布的数据对象，在多个不同的平台上协同运行，最大限度地利用网络资源。 WebGIS能在网络上直接查询和存取数据：建立地理时空数据结构标准和操作标准，直接在Intenet上查询数据和存取数据。WebGIS的基础技术空间数据库管理技术 对象—关系数据库技术和面向对象的数据库技术正在逐步成熟起来，成为未来GIS空间数据管理的主要技术。因为关系型数据库管理系统已经相当成熟，商业化的RDBMS不仅支持C/S模式，而且支持数据分布，通过SQL语言和ODBC，几乎所有的GIS软件通过公共标识号都能和其协同运行。面向对象方法 从面向对象技术的发展来看，它是描述地理问题非常理想的方法。面向对象是一种认识方法。面向对象分析(OOA)、面向对象设计(）OD)、面向对 象语言(00L)和面向对象数据管理(OODBM)贯穿整个信息系统的生命周期。面向对象的空间数据库技术正在逐步成熟，空间对象查询语言(SOQL)、空间对象关系分析、面向对象数据库管理、对象化软件技术等，都和GIS密切相关。客户/服务器模式 客户/服务器的含义非常广泛，数据库技术和分布处理技术都和它密切相关。通过平衡客户/服务器间的数据通信和地理运算，能够利用服务器的高性能处理复杂的关键性业务，并降低网络数据流量：通过规划客户/服务器模式的GIS系统，用户能够最大限度地利用网络上的各种资源。组件技术 为避免系统重复编码，浪费软件资源，参照制造业成功经验，使用插件(Plug—In)、组件(Activex)和中间件(Middleware)技术组装软件产品：如各软件生产商制作自己最好的组件，其他软件开发人员和系统集成人员，可直接使用该部件提供的功能，无须重新编码，从而扩大了软件开发社会分工，提高了软件生产效率。分布式计算机平台
创新互联公司主要从事成都做网站、成都网站制作、网页设计、企业做网站、公司建网站等业务。立足成都服务郁南,十多年网站建设经验,价格优惠、服务专业,欢迎来电咨询建站服务:028-86922220
地理信息技术主要包括三种类型：
遥感（RS）,具有探测范围大，获取信息速度快、周期短、信息量大，受地面条件限制少等优势，能够实现地物信息的实时、动态监测。
全球卫星导航系统（GNSS）,它利用卫星在全球范围内进行实时定位、导航。主要由卫星星座（空间部分）、地面监控系统（地面控制部分）和信号接收系统（用户部分）三部分组成，能够为用户提供精密的三维坐标、速度和时间，适用于陆地、海洋、航空和航天，具有全球性、全天候、连续性和实时性的特点。目前，全球卫星导航系统有美国的全球定位系统（GPS）、俄罗斯的全球卫星导航系统、欧洲的伽利略卫星导航系统和我国的北斗卫星导航系统(BDS)。
地理信息系统（GIS），是对地理数据进行输人、处理、存储、管理、查询、分析、输出等的计算机信息系统，利用地理信息系统的空间查询与分析功能，可以根据不同目的对相关数据进行叠加分析。
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。
