商品详情
书名：GIS空间分析(第三版）
定价：45.0
ISBN：9787030516435
作者：刘湘南 等
版次：1
出版时间：2017-03
在线试读：
第1章 空间分析与GIS
空间分析（spatial analysis，SA）是地理学的精髓，是为解答地理问题而进行的空间数据分析与挖掘。一切事物都毫无例外地具有与它们相联系的时间和空间特性，所以空间分析在地理学及其他相关学科领域研究中得到普遍重视。空间分析的思想由来已久，如1853年John Snow医生运用地图分析伦敦霍乱传播原因；20世纪早期魏格纳通过地图分析发现大西洋两岸的轮廓特征，从而建立大陆漂移学说。地理学家对科学的贡献许多源自空间分析，他们从地理空间（geographic space）的视角描述、分析、理解自然和人类社会的空间结构及其相互关系。除地理学外，空间分析在生态学、经济学、地质学、流行病学、犯罪学、交通、农业、城市、军事、考古等众多学科领域都有广泛应用。
虽然地理学家应用空间分析思想研究地理问题的历史悠久，但是空间分析作为一个独立的概念提出，源于20世纪60年代地理与区域科学的“计量革命”。这一时期的地理学研究主要是应用统计分析方法，定量描述地理要素之间的关系及其空间分布模式，后来逐渐强调地理空间本身的特征、空间决策过程和复杂空间系统的时空演化。
空间分析作为专门方法被广泛使用，真正成为解决地理空间相关问题的重要工具，与地理信息系统（geographic information system，GIS）的兴起和迅速发展密不可分。20世纪60年代兴起的GIS技术是空间信息采集、管理、分析和表示的计算机系统，GIS把研究者从过去繁重的手工分析操作中解脱出来，集成了多学科的*新技术和所能利用的空间分析工具，包括数据库管理、高效图形算法、空间插值、区划和网络分析等，为解决地理空间问题提供了有效途径，使空间分析的能力发生了质的飞跃。地理信息科学的奠基人之一Michael F. Goodchild指出，地理信息系统真正的功能在于它利用空间分析技术对空间数据进行分析。
随着移动互联网、云计算、人工智能和大数据等新一代信息技术的发展，基于云构架的地理数据网络化采集、自动化成图、智能化分析与泛在服务正成为一种潮流，GIS及其空间分析发展面临新的机遇和挑战。因此，不断完善空间分析理论和方法体系，集成先进的空间分析工具，增强GIS空间分析能力，是GIS空间分析的发展目标和趋势。
1.1 空间分析概述
1.1.1 空间分析的概念
空间分析，或称地理空间分析（geospatial analysis），内涵丰富，应用广泛。其概念的提法很多，如地理信息分析、空间信息统计分析、空间统计与建模、空间数据分析、地质统计学等，大致都是表达相同或相近的概念。一般认为，至少存在4种相互联系的空间分析概念，分别是：空间数据操作、空间数据分析、空间统计分析和空间建模。
空间数据操作主要是指在GIS中基于空间对象几何特征进行的拓扑分析、叠加分析，距离、面积、路径计算，以及基于空间关系的空间查询等；对于属性数据则主要表现为地图可视化操作。
空间数据分析一般是指空间数据的描述性和探索性分析技术和方法，特别是对于大规模数据集，通过将数据图形化或地图化的探索性分析技术，研究数据中潜在的模式、异常等，为后续分析做准备，是所有空间分析过程中首要的一环。
空间统计分析是用统计的方法描述和解释空间数据的性质，以及数据对于统计模型是否典型或是否是所期望的。由于空间数据具有空间自相关性，这一特性违背了经典统计理论关于数据独立性的假设，因此需要发展专门用于空间数据分析的空间统计方法。
空间建模主要是指依据某些理论和假设，建立模型描述空间现象的分布模式，预测空间过程及结果。
实际上，这些术语所指代的方法关联紧密，很难进行严格的区分，它们一起构成了较为完整的空间分析概念。
空间分析的核心在于“空间”，而“空间”的本质是“位置”。空间分析是把研究对象的地理空间位置作为重要变量的系统性应用，包括对研究对象的地理空间位置的描述、分析和预测。与空间位置有关的描述、关联和预测方法是空间分析区别于其他数据分析的一个重要特征。
为了便于理解，可以把空间分析过程描述成如下函数形式：
式中，为待分析的地理空间数据，是具有空间结构特征的异质数据集；为空间分析方法，可以是理论思想、逻辑方法，也可以是已经工具化了的计算模型；为输出的空间分析结果，揭示了研究对象的空间位置、空间形态、空间格局、空间关系与空间过程等空间特征，为解决特定空间问题提供信息和知识。
这样，空间分析就可以理解为是对空间数据进行各种处理计算，从中获得信息和知识的过程。通过空间分析，揭示地理空间数据中蕴含的格局、关系与趋势，以进行决策和未来规划。
空间分析是运用空间思维解决空间问题的方法论，是集空间数据分析和空间特征模拟于一体的工具集，围绕研究问题的“空间”本质建立分析模型，通过地理计算和空间表达挖掘空间数据中潜在的空间特征模式，以解决空间问题。
空间分析的本质特征包括：①探测空间数据中的模式；②研究空间数据模式间的关系，建立相应的空间数据模型；③理解适于所观察模式的处理过程；④预测和控制所发生的地理空间事件。
1.1.2 空间分析的对象与研究内容
空间分析的对象是地理空间实体，进一步说，是地理空间实体所具有的空间特征。
地理空间实体具有空间位置、空间形态、空间分布、空间关系（距离、方位、拓扑、相关场）、时空尺度等基本特征。其中，空间位置是*基本也是决定性的特征，空间实体的其他特征本质上都是由空间位置决定的。不同类型的空间目标具有不同的形态结构，形态蕴含了有关空间实体的诸多信息，如演化阶段、稳定性等。空间分布表达了空间实体在空间上形成的组织秩序。空间关系是指地理空间实体之间存在的空间结构关系，是空间数据组织、查询、分析和推理的基础。时空尺度则是任何空间实体的存在条件与描述基准。
空间分析方法和模型是针对空间实体的空间特征建立和开发的。空间分析的研究内容包括理论、方法与应用三个方面。
1. 空间分析理论
主要是指空间概念、空间描述方法、空间特征等基本理论问题，同时也包括基于空间思维的解决问题的方法论。空间及其特征的描述是地理信息科学的核心理论问题，当然也是空间分析的关键理论问题。
2. 空间分析方法
主要是指在空间分析理论的指导下，针对空间特征，面向空间问题，建立分析模拟模型，开发分析工具。主要包括：①基于图形及几何特征的分析方法，空间数据的量算或几何操作，如长度、面积、形状的量测，空间中心/重心的计算，叠加分析、缓冲区分析、网络分析等；②空间数据统计分析，如空间点模式分析、地统计分析；③空间模拟与建模，如空间回归模型、地理加权回归、地理模拟与计算模型（如元胞自动机、多智能体、神经网络、遗传算法）等。空间分析的模型、工具会随着空间分析理论研究的深入而不断丰富、创新和完善。
3. 空间分析应用
主要研究如何应用空间分析的理论和方法解决实际问题，重点是如何将复杂具体的现实问题抽象为空间问题，搭建模型、方法与应用之间的桥梁。许多现实问题有多种求解途径，可用不同的空间分析方法与工具来完成，关键是如何对现实问题进行抽象。
1.1.3 空间分析的目标
空间分析的主要目标是揭示地理空间特征，以解决空间问题，具体包括以下几个方面。
（1）认知。有效获取空间数据，并对其进行科学的组织描述，利用数据再现事物本身，如绘制风险图。
（2）解释。理解和揭示地理空间数据的背景过程，认识事件的本质规律，如住房价格中的地理邻居效应。
（3）预报。在认识、掌握事件发生现状与规律的前提下，运用有关预测模型对未来的状况做出预测，如传染病的爆发。
（4）调控。对地理空间发生的事件进行调控，如合理分配资源。
总之，空间分析的根本目标是建立有效的空间数据模型来表达地理实体的时空特性，开发面向应用的时空分析模拟方法，以数字化方式动态地、全局地分析空间实体和空间现象的空间特征，从而反映空间实体的内在规律和变化趋势。
空间分析实质上是对异质海量地理空间数据的增值操作。
1.1.4 DIKW模型与地理智慧
DIKW（data-information-knowledge-wisdom）是一个关于数据、信息、知识和智慧之间关系的模型，它表达了数据通过分析、理解逐步升华为信息、知识乃至智慧的过程。DIKW模型有助于进一步理解空间分析的含义。空间分析实质上是运用各种分析方法和模型将地理空间数据转化为地理空间信息、地理空间知识的过程，在此基础上，形成地理空间智慧，以解决各种地理空间问题。由于实际问题的复杂程度不一，因此问题求解所需的“数据”层次是不一样的，或为信息，或为知识、智慧。
空间分析本质上是一个具有空间内涵的DIKW模型。
1. DIKW模型
DIKW模型，或称DIKW“金字塔”，是指由数据（data）、信息（information）、知识（knowledge）和智慧（wisdom）构成的层层递进的体系。体系中的上一层比下一层赋予了某些特质。数据层是*基本的，信息层加入内容，知识层加入“如何去使用”，智慧层加入“什么时候才用”，是对未来的预测和预知。数据、信息、知识和智慧之间的联系在于前者是后者的基础与前提，而后者是前者的发展并对前者的获取具有一定的影响（图1.1）。
图1.1 DIKW“金字塔”
（1）数据，是关于事物的一组离散的客观的事实描述，是构成信息和知识的原始材料，如图形、声音、文字、数字和符号等。原始观测及量度获得了数据，它是*初的记录，未被加工解释，没有回答特定的问题；它与其他数据之间没有建立联系，是分散和孤立的。
（2）信息，是具有一定含义的、经过储存、分析及解释后所产生的对决策有价值的数据。信息包含了对某种可能的因果关系的理解，通过信息可以回答简单的问题。信息来源于数据并高于数据。
（3）知识，是对某个主题确信的认识，并且这些认识具有为特定目的而使用的潜在能力。知识是信息的集合，它使信息变得有用，是一个对信息判断和确认的过程，这个过程结合了经验、上下文、诠释和反省。知识可以回答“如何”之类的问题，可以帮助建模和仿真。
（4）智慧，可以简单地归纳为作正确判断和决定的能力。智慧是建立在丰富的知识基础之上的，表现为洞察力和判断力，能够根据海量数据或信息进行正确的决策，并给出一种或几种可行的解决方案。智慧用于解决“为什么”这一层次的问题，即问题发生的原因和实质。智慧提出的问题是还没有答案的，与前三个阶段不同，智慧关注的是未来，是试图理解过去未曾理解的东西，是DIKW模型中*一不能用工具直接实现的。
DIKW模型中，“理解”是关键（图1.2）。通过数据分析，即在一定思想指导下形成的各种数据分析方法与模型，进行“理解”，实现数据—信息—知识—智慧的升华。
2. 地理智慧
地理智慧，也可称空间智慧，是空间数据—空间信息—空间知识—空间智慧这一数据分析链上的*高层次。通过空间分析获得地理智慧，可以解决与位置相关的复杂空间问题。目前，地理智慧应用形式主要包括地理可视化（geo-visualization）、地理决策（geo-decision）、地理设计（geo-design）和地理控制（geo-control）等四个方面。
图1.2 DIKW模型中的“理解”过程
（1）地理可视化，是基于位置的数据展现与可视化的方法，以便发现空间格局与分布规律。地理可视化已经有很多成熟的应用。例如，日立电机设备租赁空间服务系统将起重机设备工作状态、辅助设备租赁与维修等服务信息直观地显示在地图上，同时，还能将GIS与全球卫星定位系统、通信和工控等技术进行集成。此外，地理可视化还广泛应用在气象、卫生和交通等诸多领域。
（2）地理决策，是基于地统计学和空间分析技术的计算机辅助决策方法。由于考虑了位置和空间关系因素，地理决策具有实现基于传统信息技术手段的辅助决策无法实现的能力。基于GIS的SARS（传染性非典型肺炎）疫情分析系统，把疑似病例、确诊病例、死亡人数等信息都在地图对应位置上标注出来，并根据各类病例在不同区域的分布情况，制定防控策略，从而有效切断传染途径。
（3）地理设计，简单讲就是以地理分析为基础，把地理环境因素引入全局考虑的设计。由于考虑了环境因素，地理设计优化了传统设计。例如，引入地形和周边建筑等环境因素，借助三维空间分析技术，对设计中的建筑进行光照分析、可视域分析，可优化已有的设计方案。地理设计正在越来越多地应用于各个领域。
（4）地理控制，是通过地理位置对客体施加影响，达到智慧控制客体活动和行为的目的，这是地理智慧应用的新方向。红绿灯优化与自动控制是地理控制的一种应用，在路口各方向增加若干传感器，根据路口的实际交通情况自动控制各方向的红绿灯，从而使交通管理更加精确和高效。
基于空间维度的数据分析和数据挖掘获得的地理智慧，能够发现事物之间蕴含的各种空间关系、空间分布规律和时空演变趋势，有助于更准确地理解复杂的地理空间，从而制定出更加智慧的决策。
1.1.5 空间分析与相关学科的关系
空间分析的起源和发展与众多学科关系密切。
地理学及相邻学科，如城市与区域科学、地球科学、生态学等关于空间的概念、空间结构与空间关系的表达、空间分析的基本思想一直以来是空间分析的思想源泉。
遥感、地图学、地理信息系统、空间数据库及地理可视化等主要研究空间信息的获取、表达、组织与存储、数据分析与建模和可视化等方面的内容，相关的理论、概念、方法及工具是空间分析的基础。
图1.3 空间分析与其他学科的关系 空间分析离不开数学分析与模拟，欧氏几何、分析几何及计算几何等数学思维和方法直接影响空间的表达、分析和建模。
计算机科学与技术不仅为空间分析提供数字环境，还提供强大的编程能力、计算能力。高性能计算、云计算等技术成为分析复杂异构多维海量地理空间数据的有力工具。
计算智能如人工神经网络、深度学习、遗传算法等提升了空间分析的能力，面对不确定性的复杂地理空间问题和地理空间大数据，计算智能使智能化空间分析成为可能。
空间分析与上述各学科之间的关系，如图1.3所示。
1.2 空间分析的历史与发展
自古以来，由于生存和发展的需要，人们一直都在试图分析周围地理事物的空间结构和空间关系，因而始终在进行着各种类型的空间分析：从对空间现象及其空间关系的文字记载，到利用数学概念和方法进行解释性描述；从传统统计学方法和数学模型对空间现象和过程的模拟，到基于地理信息系统的多维地理空间数据表达与管理、地理过程的动态模拟、可视化分析和决策支持；从空间数据挖掘技术到高性能计算技术支撑下的地理计算方法。随着人们对空间信息需求水平的不断提高和科学技术的日益进步，空间分析的方法和技术在不断完善和丰富。通过空间分析，探索、证明空间要素之间的关系，揭示空间特征和过程的内在规律和机理，实现对地理空间的认知、解释、预测和调控。
空间分析的发展与科学技术的进步关系紧密，通过分析推动空间分析发展的一些主要科学技术，不仅可以揭示空间分析的发展历史与趋势，还能更好地认识空间分析的科学本质与技术特点。
1.2.1 地图分析
传统的纸质地图由于采用简单明了的方式表达空间现象而成为描述地理空间的范例。地图作为*古老、*传统的空间信息表达、存储与分析的手段，已有逾千年的应用历史。地图的出现使人们对空间表达与分析的能力大大增强。在地图上量测地理空间要素的几何参数，如距离、方位和面积等，分析地理要素的空间关系，或者利用地图叠加进行信息合成，以获取所需的空间信息，这些传统的地图分析技术，奠定了空间分析方法的基石，时至今日仍然是现代GIS空间分析的重要方法。GIS起源于计算机地图制图。GIS环境下空间信息的表达与分析，早期多数沿袭了传统地图分析的思想与方法。
随着研究的深入和应用水平的提高，基于地图进行较高层次的空间信息分析的方法不断出现，如社会、经济、文化和军事等领域的各种区域分析与决策。同时，物理、数学概念与方法的不断引入及地学各分支学科的发展，促使传统地图分析能力提升，人们对地图表达空间信息的理解与解译能力也显著提高。
定价：45.0
ISBN：9787030516435
作者：刘湘南 等
版次：1
出版时间：2017-03
在线试读：
第1章 空间分析与GIS
空间分析（spatial analysis，SA）是地理学的精髓，是为解答地理问题而进行的空间数据分析与挖掘。一切事物都毫无例外地具有与它们相联系的时间和空间特性，所以空间分析在地理学及其他相关学科领域研究中得到普遍重视。空间分析的思想由来已久，如1853年John Snow医生运用地图分析伦敦霍乱传播原因；20世纪早期魏格纳通过地图分析发现大西洋两岸的轮廓特征，从而建立大陆漂移学说。地理学家对科学的贡献许多源自空间分析，他们从地理空间（geographic space）的视角描述、分析、理解自然和人类社会的空间结构及其相互关系。除地理学外，空间分析在生态学、经济学、地质学、流行病学、犯罪学、交通、农业、城市、军事、考古等众多学科领域都有广泛应用。
虽然地理学家应用空间分析思想研究地理问题的历史悠久，但是空间分析作为一个独立的概念提出，源于20世纪60年代地理与区域科学的“计量革命”。这一时期的地理学研究主要是应用统计分析方法，定量描述地理要素之间的关系及其空间分布模式，后来逐渐强调地理空间本身的特征、空间决策过程和复杂空间系统的时空演化。
空间分析作为专门方法被广泛使用，真正成为解决地理空间相关问题的重要工具，与地理信息系统（geographic information system，GIS）的兴起和迅速发展密不可分。20世纪60年代兴起的GIS技术是空间信息采集、管理、分析和表示的计算机系统，GIS把研究者从过去繁重的手工分析操作中解脱出来，集成了多学科的*新技术和所能利用的空间分析工具，包括数据库管理、高效图形算法、空间插值、区划和网络分析等，为解决地理空间问题提供了有效途径，使空间分析的能力发生了质的飞跃。地理信息科学的奠基人之一Michael F. Goodchild指出，地理信息系统真正的功能在于它利用空间分析技术对空间数据进行分析。
随着移动互联网、云计算、人工智能和大数据等新一代信息技术的发展，基于云构架的地理数据网络化采集、自动化成图、智能化分析与泛在服务正成为一种潮流，GIS及其空间分析发展面临新的机遇和挑战。因此，不断完善空间分析理论和方法体系，集成先进的空间分析工具，增强GIS空间分析能力，是GIS空间分析的发展目标和趋势。
1.1 空间分析概述
1.1.1 空间分析的概念
空间分析，或称地理空间分析（geospatial analysis），内涵丰富，应用广泛。其概念的提法很多，如地理信息分析、空间信息统计分析、空间统计与建模、空间数据分析、地质统计学等，大致都是表达相同或相近的概念。一般认为，至少存在4种相互联系的空间分析概念，分别是：空间数据操作、空间数据分析、空间统计分析和空间建模。
空间数据操作主要是指在GIS中基于空间对象几何特征进行的拓扑分析、叠加分析，距离、面积、路径计算，以及基于空间关系的空间查询等；对于属性数据则主要表现为地图可视化操作。
空间数据分析一般是指空间数据的描述性和探索性分析技术和方法，特别是对于大规模数据集，通过将数据图形化或地图化的探索性分析技术，研究数据中潜在的模式、异常等，为后续分析做准备，是所有空间分析过程中首要的一环。
空间统计分析是用统计的方法描述和解释空间数据的性质，以及数据对于统计模型是否典型或是否是所期望的。由于空间数据具有空间自相关性，这一特性违背了经典统计理论关于数据独立性的假设，因此需要发展专门用于空间数据分析的空间统计方法。
空间建模主要是指依据某些理论和假设，建立模型描述空间现象的分布模式，预测空间过程及结果。
实际上，这些术语所指代的方法关联紧密，很难进行严格的区分，它们一起构成了较为完整的空间分析概念。
空间分析的核心在于“空间”，而“空间”的本质是“位置”。空间分析是把研究对象的地理空间位置作为重要变量的系统性应用，包括对研究对象的地理空间位置的描述、分析和预测。与空间位置有关的描述、关联和预测方法是空间分析区别于其他数据分析的一个重要特征。
为了便于理解，可以把空间分析过程描述成如下函数形式：
式中，为待分析的地理空间数据，是具有空间结构特征的异质数据集；为空间分析方法，可以是理论思想、逻辑方法，也可以是已经工具化了的计算模型；为输出的空间分析结果，揭示了研究对象的空间位置、空间形态、空间格局、空间关系与空间过程等空间特征，为解决特定空间问题提供信息和知识。
这样，空间分析就可以理解为是对空间数据进行各种处理计算，从中获得信息和知识的过程。通过空间分析，揭示地理空间数据中蕴含的格局、关系与趋势，以进行决策和未来规划。
空间分析是运用空间思维解决空间问题的方法论，是集空间数据分析和空间特征模拟于一体的工具集，围绕研究问题的“空间”本质建立分析模型，通过地理计算和空间表达挖掘空间数据中潜在的空间特征模式，以解决空间问题。
空间分析的本质特征包括：①探测空间数据中的模式；②研究空间数据模式间的关系，建立相应的空间数据模型；③理解适于所观察模式的处理过程；④预测和控制所发生的地理空间事件。
1.1.2 空间分析的对象与研究内容
空间分析的对象是地理空间实体，进一步说，是地理空间实体所具有的空间特征。
地理空间实体具有空间位置、空间形态、空间分布、空间关系（距离、方位、拓扑、相关场）、时空尺度等基本特征。其中，空间位置是*基本也是决定性的特征，空间实体的其他特征本质上都是由空间位置决定的。不同类型的空间目标具有不同的形态结构，形态蕴含了有关空间实体的诸多信息，如演化阶段、稳定性等。空间分布表达了空间实体在空间上形成的组织秩序。空间关系是指地理空间实体之间存在的空间结构关系，是空间数据组织、查询、分析和推理的基础。时空尺度则是任何空间实体的存在条件与描述基准。
空间分析方法和模型是针对空间实体的空间特征建立和开发的。空间分析的研究内容包括理论、方法与应用三个方面。
1. 空间分析理论
主要是指空间概念、空间描述方法、空间特征等基本理论问题，同时也包括基于空间思维的解决问题的方法论。空间及其特征的描述是地理信息科学的核心理论问题，当然也是空间分析的关键理论问题。
2. 空间分析方法
主要是指在空间分析理论的指导下，针对空间特征，面向空间问题，建立分析模拟模型，开发分析工具。主要包括：①基于图形及几何特征的分析方法，空间数据的量算或几何操作，如长度、面积、形状的量测，空间中心/重心的计算，叠加分析、缓冲区分析、网络分析等；②空间数据统计分析，如空间点模式分析、地统计分析；③空间模拟与建模，如空间回归模型、地理加权回归、地理模拟与计算模型（如元胞自动机、多智能体、神经网络、遗传算法）等。空间分析的模型、工具会随着空间分析理论研究的深入而不断丰富、创新和完善。
3. 空间分析应用
主要研究如何应用空间分析的理论和方法解决实际问题，重点是如何将复杂具体的现实问题抽象为空间问题，搭建模型、方法与应用之间的桥梁。许多现实问题有多种求解途径，可用不同的空间分析方法与工具来完成，关键是如何对现实问题进行抽象。
1.1.3 空间分析的目标
空间分析的主要目标是揭示地理空间特征，以解决空间问题，具体包括以下几个方面。
（1）认知。有效获取空间数据，并对其进行科学的组织描述，利用数据再现事物本身，如绘制风险图。
（2）解释。理解和揭示地理空间数据的背景过程，认识事件的本质规律，如住房价格中的地理邻居效应。
（3）预报。在认识、掌握事件发生现状与规律的前提下，运用有关预测模型对未来的状况做出预测，如传染病的爆发。
（4）调控。对地理空间发生的事件进行调控，如合理分配资源。
总之，空间分析的根本目标是建立有效的空间数据模型来表达地理实体的时空特性，开发面向应用的时空分析模拟方法，以数字化方式动态地、全局地分析空间实体和空间现象的空间特征，从而反映空间实体的内在规律和变化趋势。
空间分析实质上是对异质海量地理空间数据的增值操作。
1.1.4 DIKW模型与地理智慧
DIKW（data-information-knowledge-wisdom）是一个关于数据、信息、知识和智慧之间关系的模型，它表达了数据通过分析、理解逐步升华为信息、知识乃至智慧的过程。DIKW模型有助于进一步理解空间分析的含义。空间分析实质上是运用各种分析方法和模型将地理空间数据转化为地理空间信息、地理空间知识的过程，在此基础上，形成地理空间智慧，以解决各种地理空间问题。由于实际问题的复杂程度不一，因此问题求解所需的“数据”层次是不一样的，或为信息，或为知识、智慧。
空间分析本质上是一个具有空间内涵的DIKW模型。
1. DIKW模型
DIKW模型，或称DIKW“金字塔”，是指由数据（data）、信息（information）、知识（knowledge）和智慧（wisdom）构成的层层递进的体系。体系中的上一层比下一层赋予了某些特质。数据层是*基本的，信息层加入内容，知识层加入“如何去使用”，智慧层加入“什么时候才用”，是对未来的预测和预知。数据、信息、知识和智慧之间的联系在于前者是后者的基础与前提，而后者是前者的发展并对前者的获取具有一定的影响（图1.1）。
图1.1 DIKW“金字塔”
（1）数据，是关于事物的一组离散的客观的事实描述，是构成信息和知识的原始材料，如图形、声音、文字、数字和符号等。原始观测及量度获得了数据，它是*初的记录，未被加工解释，没有回答特定的问题；它与其他数据之间没有建立联系，是分散和孤立的。
（2）信息，是具有一定含义的、经过储存、分析及解释后所产生的对决策有价值的数据。信息包含了对某种可能的因果关系的理解，通过信息可以回答简单的问题。信息来源于数据并高于数据。
（3）知识，是对某个主题确信的认识，并且这些认识具有为特定目的而使用的潜在能力。知识是信息的集合，它使信息变得有用，是一个对信息判断和确认的过程，这个过程结合了经验、上下文、诠释和反省。知识可以回答“如何”之类的问题，可以帮助建模和仿真。
（4）智慧，可以简单地归纳为作正确判断和决定的能力。智慧是建立在丰富的知识基础之上的，表现为洞察力和判断力，能够根据海量数据或信息进行正确的决策，并给出一种或几种可行的解决方案。智慧用于解决“为什么”这一层次的问题，即问题发生的原因和实质。智慧提出的问题是还没有答案的，与前三个阶段不同，智慧关注的是未来，是试图理解过去未曾理解的东西，是DIKW模型中*一不能用工具直接实现的。
DIKW模型中，“理解”是关键（图1.2）。通过数据分析，即在一定思想指导下形成的各种数据分析方法与模型，进行“理解”，实现数据—信息—知识—智慧的升华。
2. 地理智慧
地理智慧，也可称空间智慧，是空间数据—空间信息—空间知识—空间智慧这一数据分析链上的*高层次。通过空间分析获得地理智慧，可以解决与位置相关的复杂空间问题。目前，地理智慧应用形式主要包括地理可视化（geo-visualization）、地理决策（geo-decision）、地理设计（geo-design）和地理控制（geo-control）等四个方面。
图1.2 DIKW模型中的“理解”过程
（1）地理可视化，是基于位置的数据展现与可视化的方法，以便发现空间格局与分布规律。地理可视化已经有很多成熟的应用。例如，日立电机设备租赁空间服务系统将起重机设备工作状态、辅助设备租赁与维修等服务信息直观地显示在地图上，同时，还能将GIS与全球卫星定位系统、通信和工控等技术进行集成。此外，地理可视化还广泛应用在气象、卫生和交通等诸多领域。
（2）地理决策，是基于地统计学和空间分析技术的计算机辅助决策方法。由于考虑了位置和空间关系因素，地理决策具有实现基于传统信息技术手段的辅助决策无法实现的能力。基于GIS的SARS（传染性非典型肺炎）疫情分析系统，把疑似病例、确诊病例、死亡人数等信息都在地图对应位置上标注出来，并根据各类病例在不同区域的分布情况，制定防控策略，从而有效切断传染途径。
（3）地理设计，简单讲就是以地理分析为基础，把地理环境因素引入全局考虑的设计。由于考虑了环境因素，地理设计优化了传统设计。例如，引入地形和周边建筑等环境因素，借助三维空间分析技术，对设计中的建筑进行光照分析、可视域分析，可优化已有的设计方案。地理设计正在越来越多地应用于各个领域。
（4）地理控制，是通过地理位置对客体施加影响，达到智慧控制客体活动和行为的目的，这是地理智慧应用的新方向。红绿灯优化与自动控制是地理控制的一种应用，在路口各方向增加若干传感器，根据路口的实际交通情况自动控制各方向的红绿灯，从而使交通管理更加精确和高效。
基于空间维度的数据分析和数据挖掘获得的地理智慧，能够发现事物之间蕴含的各种空间关系、空间分布规律和时空演变趋势，有助于更准确地理解复杂的地理空间，从而制定出更加智慧的决策。
1.1.5 空间分析与相关学科的关系
空间分析的起源和发展与众多学科关系密切。
地理学及相邻学科，如城市与区域科学、地球科学、生态学等关于空间的概念、空间结构与空间关系的表达、空间分析的基本思想一直以来是空间分析的思想源泉。
遥感、地图学、地理信息系统、空间数据库及地理可视化等主要研究空间信息的获取、表达、组织与存储、数据分析与建模和可视化等方面的内容，相关的理论、概念、方法及工具是空间分析的基础。
图1.3 空间分析与其他学科的关系 空间分析离不开数学分析与模拟，欧氏几何、分析几何及计算几何等数学思维和方法直接影响空间的表达、分析和建模。
计算机科学与技术不仅为空间分析提供数字环境，还提供强大的编程能力、计算能力。高性能计算、云计算等技术成为分析复杂异构多维海量地理空间数据的有力工具。
计算智能如人工神经网络、深度学习、遗传算法等提升了空间分析的能力，面对不确定性的复杂地理空间问题和地理空间大数据，计算智能使智能化空间分析成为可能。
空间分析与上述各学科之间的关系，如图1.3所示。
1.2 空间分析的历史与发展
自古以来，由于生存和发展的需要，人们一直都在试图分析周围地理事物的空间结构和空间关系，因而始终在进行着各种类型的空间分析：从对空间现象及其空间关系的文字记载，到利用数学概念和方法进行解释性描述；从传统统计学方法和数学模型对空间现象和过程的模拟，到基于地理信息系统的多维地理空间数据表达与管理、地理过程的动态模拟、可视化分析和决策支持；从空间数据挖掘技术到高性能计算技术支撑下的地理计算方法。随着人们对空间信息需求水平的不断提高和科学技术的日益进步，空间分析的方法和技术在不断完善和丰富。通过空间分析，探索、证明空间要素之间的关系，揭示空间特征和过程的内在规律和机理，实现对地理空间的认知、解释、预测和调控。
空间分析的发展与科学技术的进步关系紧密，通过分析推动空间分析发展的一些主要科学技术，不仅可以揭示空间分析的发展历史与趋势，还能更好地认识空间分析的科学本质与技术特点。
1.2.1 地图分析
传统的纸质地图由于采用简单明了的方式表达空间现象而成为描述地理空间的范例。地图作为*古老、*传统的空间信息表达、存储与分析的手段，已有逾千年的应用历史。地图的出现使人们对空间表达与分析的能力大大增强。在地图上量测地理空间要素的几何参数，如距离、方位和面积等，分析地理要素的空间关系，或者利用地图叠加进行信息合成，以获取所需的空间信息，这些传统的地图分析技术，奠定了空间分析方法的基石，时至今日仍然是现代GIS空间分析的重要方法。GIS起源于计算机地图制图。GIS环境下空间信息的表达与分析，早期多数沿袭了传统地图分析的思想与方法。
随着研究的深入和应用水平的提高，基于地图进行较高层次的空间信息分析的方法不断出现，如社会、经济、文化和军事等领域的各种区域分析与决策。同时，物理、数学概念与方法的不断引入及地学各分支学科的发展，促使传统地图分析能力提升，人们对地图表达空间信息的理解与解译能力也显著提高。