地理空间认知模型简介

根据GIS 数据组织和处理方式，目前地理空间认知模型大体上分为３类，即基于对象（object唱based）、基于网络（network唱based）和基于域（field唱based）的认识模型。

基于对象的模型，对象也可能由其他对象构成复杂对象，并且与其他分离的对象保持特定的关系，如点、线、面之间的拓扑关系。每个对象对应着一组相关的属性以区分各个不同的对象。copyright gispark.com

基于网络的模型基于网络（network唱based）的空间模型与基于对象的模型在某些方面相同，都是描述不连续的地理现象，不同之处在于它需要考虑通过路径相互连接多个地理现象之间的相交情况。实际上，网络是由R２ 中的若干点及它们之间相互连接的线（段）构成。亦即在地理空间中，通过无数“通道”互相连接的一组地理空间位置。现实世界许多地理事物和现象可以构成网络，如公路，铁路，通讯线路，管道，自然界中的物质流、物量流和信息流等，都可以表示成相应的点之间的连线，由此构成现实世界中多种多样的地理网络。按照基于对象的观点，网络模型也可以看成基于对象的模型，它是由点对象和线对象之间的拓扑空间关系构成的。

 

基于域的模型基于域（field唱based）的空间模型把地理空间中的事物作为连续的变量或体来看待，例如，大气污染程度、地表温度、土壤温度以及大面积空气和水域的流速和方向。根据不同的应用，域可以表示二维，也可以表示三维地理空间。由于网络是由一系列节点和环链组成的，从本质上看与基于对象或目标的模型没有本质的区别。因此有的学者认为空间数据模型可归结为基于对象（目标）和基于域（场）两类。同时，应该指出，对象和域可以在多种水平上共存，即在许多情况下需要采用对象模型和域模型的集成，基于域的模型和基于对象的模型各有长处，应该恰当地综合应用这两种方法来建模。不论是在GIS 应用模型的高层建模中，或是在GIS 的数据结构设计中，还是GIS 的应用中，都会遇到这两种模型的集成问题。例如，如果采集降雨数据的各个点在空间上很分散且分布无规律，并且这些采集点还有各自的特征，那么，一个包含两个属性——采集数据点位置（对象）和平均降雨量（域）的空间认知模型，也许更适合于对区域降雨现象特性变化的描述。