本书旨在为读者提供GIS空间分析与智能计算领域的理论基础和实践指导。全书共11章，第1章为绪论，详细介绍地理信息系统的概念、现状与发展趋势，为读者奠定坚实的学科基础。第2～11章分别深入探讨空间分析基础、叠置分析模型、缓冲区分析模型、网络分析模型、空间统计分析模型、空间聚集度分析模型、空间数据挖掘方法、GIS智能计算基础、GIS智能计算深度学习范式、地理流空间智能计算等多个核心主题。每一章均配有适量的课后习题，帮助读者巩固所学知识，提升实践能力。

更多科学出版社服务，请扫码获取。

云南省科学技术奖三等奖、教育部科学技术奖二等奖、中国有色金属工业科学技术奖一等奖、中国有色金属工业科学技术奖二等奖

目录
第1章 绪论 1
1.1 概述 1
1.1.1 地理信息系统 1
1.1.2 GIS的现状与发展趋势 2
1.2 空间数据 3
1.2.1 基本特征 4
1.2.2 结构类型 4
1.2.3 计算机表示 4
1.3 空间分析 5
1.3.1 概述 5
1.3.2 叠置分析 7
1.3.3 缓冲区分析 7
1.3.4 网络分析 8
1.3.5 空间统计分析 8
1.3.6 空间聚集度分析 9
1.4 GIS智能学习 9
1.4.1 常用方法 9
1.4.2 应用案例 11
1.4.3 未来方向 12
1.5 空间分析数学基础 12
1.6 课后习题 13
第2章 空间分析基础 14
2.1 空间概述 14
2.1.1 空间 14
2.1.2 欧氏空间 14
2.1.3 拓扑空间 15
2.1.4 地理空间 15
2.2 地理空间数据特征 16
2.2.1 海量特征 16
2.2.2 时空特征 16
2.2.3 多尺度性 17
2.2.4 不确定性 17
2.2.5 多维结构性 18
2.3 地理空间问题 18
2.3.1 空间分布与格局 19
2.3.2 资源配置与规划 19
2.3.3 空间关系与影响 19
2.3.4 空间动态与过程 19
2.4 空间量测与计算 20
2.4.1 空间维与空间量测关系 20
2.4.2 基本几何参数量测 23
2.5 课后习题 27
第3章 叠置分析模型 28
3.1 叠置分析概述 28
3.2 视觉叠置分析 29
3.3 矢量数据叠置分析 30
3.3.1 点与点的叠置 30
3.3.2 点与线的叠置 31
3.3.3 点与多边形的叠置 31
3.3.4 线与线的叠置 32
3.3.5 线与多边形的叠置 32
3.3.6 多边形与多边形的叠置 32
3.4 栅格数据叠置分析 34
3.4.1 非压缩栅格数据的叠置分析 35
3.4.2 压缩栅格数据的叠置分析 35
3.5 多边形裁剪 36
3.5.1 Weiler-Atherton算法 36
3.5.2 Sutherland-Hodgman算法 37
3.6 常用的叠置分析方法 39
3.6.1 模糊叠加 39
3.6.2 加权叠加 40
3.6.3 加权总和 40
3.6.4 拓扑叠加 41
3.7 课后习题 43
第4章 缓冲区分析模型 44
4.1 基本概念 44
4.1.1 轴线 44
4.1.2 轴线的左侧和右侧 44
4.1.3 多边形的方向 45
4.1.4 缓冲区的外侧和内侧 45
4.1.5 轴线的凹凸性 45
4.2 要素类型的缓冲分析 45
4.3 缓冲区生成算法 46
4.3.1 点要素缓冲区边界生成算法 47
4.3.2 线要素缓冲区边界生成算法 47
4.3.3 面目标缓冲区边界生成算法 49
4.4 动态目标缓冲区生成算法 49
4.4.1 动态缓冲区边界生成算法 49
4.4.2 缓冲区分析特殊情况处理 51
4.5 三维空间目标的缓冲区 52
4.5.1 三维空间目标缓冲区分析的一般定义 52
4.5.2 三维空间点目标的缓冲区分析 53
4.5.3 三维空间线目标的缓冲区分析 53
4.6 课后习题 56
第5章 网络分析模型 57
5.1 网络分析基础 57
5.1.1 网络中的基本元素及属性 57
5.1.2 网络的空间数据模型 59
5.2 最短路径分析 60
5.2.1 最短路径的数学模型 60
5.2.2 最短路径的迪杰斯特拉算法 61
5.2.3 弗洛伊德算法 62
5.3 最佳路径分析 63
5.3.1 最大可靠路径 65
5.3.2 最大容量路径 65
5.3.3 网络中心算法 65
5.4 课后习题 69
第6章 空间统计分析模型 70
6.1 空间统计学概述 70
6.1.1 概念 70
6.1.2 发展历程及应用 71
6.2 区域化变量理论 72
6.2.1 区域化变量的概念及性质 72
6.2.2 协方差函数和变异函数 74
6.2.3 一维变异函数计算实例 75
6.3 变异函数的结构分析 77
6.3.1 变异函数的各向异性 77
6.3.2 变异函数的理论模型 78
6.3.3 变异函数理论模型的最优拟合 81
6.4 空间局部估计 82
6.4.1 空间插值简介及插值方法 82
6.4.2 克里金法 85
6.5 常见的地统计学软件及结果可视化 88
6.6 课后习题 95
第7章 空间聚集度分析模型 97
7.1 最近邻指数分析 97
7.2 聚类分布工具集 102
7.2.1 莫兰指数 102
7.2.2 空间关联局部指数 107
7.2.3 G系数 109
7.3 核密度分析 116
7.3.1 点要素的核密度分析 116
7.3.2 线要素的核密度分析 117
7.3.3 考虑障碍要素的核密度分析 118
7.4 方向分布（标准差椭圆） 120
7.4.1 重要参数 121
7.4.2 对方向分布（标准差椭圆）的解读 122
7.4.3 Ellipse_Size的三个参数设置 123
7.4.4 标准差椭圆参数 125
7.4.5 其他可能的应用 126
7.5 课后习题 127
第8章 空间数据挖掘方法 128
8.1 空间数据挖掘概述 128
8.1.1 空间数据挖掘概念与特点 128
8.1.2 空间数据挖掘步骤 129
8.1.3 空间数据挖掘的知识类型 129
8.1.4 空间数据挖掘方法概览 129
8.2 空间聚类 129
8.2.1 聚类统计量 130
8.2.2 聚类方法 130
8.3 空间关联分析 132
8.3.1 空间关联规则 132
8.3.2 Apriori算法 133
8.3.3 地理探测器 138
8.3.4 地理加权回归 141
8.4 分类与预测 144
8.4.1 简介 144
8.4.2 支持向量机 147
8.4.3 近邻分类法 151
8.4.4 CA-Markov 153
8.5 课后习题 156
第9章 GIS智能计算基础 157
9.1 神经网络 157
9.1.1 发展历程 158
9.1.2 神经元模型 158
9.1.3 神经网络的训练 159
9.1.4 典型的神经网络模型 160
9.2 模糊逻辑模型 161
9.2.1 模糊逻辑的基本概念 161
9.2.2 模糊系统 164
9.3 遗传算法 167
9.3.1 遗传算法的起源 167
9.3.2 遗传算法的工作思路 168
9.3.3 遗传算法的特点 169
9.3.4 遗传算法的关键步骤 170
9.3.5 遗传算法的应用 171
9.4 分形几何 172
9.4.1 分形理论的起源 172
9.4.2 分形的相关理论 173
9.5 小波分析 176
9.5.1 发展历程 176
9.5.2 小波的定义及特点 177
9.5.3 相关算法 177
9.6 粒子群优化算法 180
9.6.1 算法机制 180
9.6.2 算法流程 180
9.7 地理人工智能 181
9.7.1 GeoAI的关键技术 181
9.7.2 空间特征融合 182
9.7.3 GeoAI的前沿研究成果 183
9.8 课后习题 183
第10章 GIS智能计算深度学习范式 184
10.1 深度学习的基本概念 184
10.1.1 大数据的形成 185
10.1.2 算力快速提升 185
10.1.3 算法的创新 185
10.2 深度学习的分类 186
10.2.1 应用角度划分 186
10.2.2 技术角度划分 189
10.3 深度学习的基本范式 192
10.3.1 多层感知机 192
10.3.2 卷积 193
10.3.3 注意力机制 194
10.3.4 编码器-解码器 196
10.3.5 其他深度学习常见模型 197
10.4 空间数据的存储分类 199
10.5 深度学习的数据输入格式 199
10.6 数据预处理过程 201
10.6.1 表示学习 201
10.6.2 栅格数据预处理 202
10.6.3 结构化数据预处理 204
10.6.4 文本数据预处理 212
10.7 课后习题 218
第11章 地理流空间智能计算 220
11.1 地理流与流空间的概念 220
11.1.1 流的定义 220
11.1.2 地理流的内涵与分类 221
11.1.3 流空间的概念与度量 222
11.2 地理流的空间分析 224
11.2.1 地理流的缓冲区分析 224
11.2.2 地理流的空间插值 225
11.2.3 地理流的空间异质性 226
11.3 地理流的智能空间挖掘模式 227
11.3.1 丛集模式 227
11.3.2 聚散模式 228
11.3.3 社区模式 229
11.4 课后习题 231
参考文献 232