gis算法研究

‘壹’ GIS选址方法

归纳起来，GIS选址方法主要有层次分析法、重心法、网络覆盖模型和模拟仿真法等几种方法，下面对这几种方法进行简要的分析。

1.层次分析法

层次分析法是美国运筹学家T.L.Saaty教授于20世纪70年代提出的一种实用的多方案或多目标的决策方法。它合理地将定性与定量的决策结合起来，按照思维、心理的规律把决策过程层次化、数量化，特别适合那些难于完全定量进行分析的复杂问题。它首先将所要分析的问题层次化，即根据问题的性质和要达到的总目标，将问题分解成不同的组成因素，按照因素间的相互关系及隶属关系，将因素按不同层次聚集组合。形成一个多层分析结构模型，最终归结为最低层（方案、措施、指标等）相对于最高层（总目标）相对重要程度的权值或相对优劣次序的问题。

层次分析法的优点是：(1)简单明了，提供了层次框架，便于整理思路；(2)通过对比进行标度，增加了判断的客观性；(3)把定性判断与定量推断结合，增强科学性和实用性。

然而层次分析法也存在明显的不足：(1)层次分析法客观性很高，因素较多（超过9个）时，标度工作量太大，易引起标度专家反感和判断混乱；(2)层次分析法也有致命的缺点，它只能在给定的策略中去选择最优的，而不能给出新的策略；(3)层次分析法中所用的指标体系需要有专家系统的支持，如果给出的指标不合理则得到的结果也就不准确；(4)构造判断矩阵时，由于受资料、信息和分析人员水平的限制，很难准确地用“稍微！ 重要”、“较为重要” 和“极端！ 重要” 等模糊字眼来表示两元素间的关系，评价结果受人为主观因素影响大，且判断矩阵的一致性不甚理想。

层次分析法可用于CO₂地质封存选址工作中，这主要是由地质封存选址的多因子性决定的（参见第六章第四节多因子排序选址技术的GIS实现）。在因子权重分配结构表中可以看出，因子根据特性划分为指标层A、指标亚层B、指标亚层C和具体指标层D。在划分层次时，要考虑因子的归属关系。另外，具有一票否决的因子应予以关注，并在评价时单独考虑，不计入同一层级的因子权重计算中。

2.重心法

重心法是单个设施选址最常用的方法，如物流配送中心、油库选址、库房、工具设备存放点、停车场等，重心法也常常用于剔除一些不合适的备选方案。重心法是一种静态的方法，将需求点看成是分布在某一平面范围内的物体系统，各点的需求量和资源量分别看成是物体的重量，物体系统的重心点将作为选址空间的最佳设置点。

GIS中的最短路径分析是重心法中常用的方法。

重心法的优点是：(1)计算简单，数据容易搜集，易于理解；(2)对于单一设施定位时应用解析方法简便易行；

重心法的不足有：(1)自由度过多导致计算量较大；(2)迭代法计算求得的最佳地点实际上往往很难找到；(3)对于复杂的选址问题，使用重心法常常感到困难，通常需要借助其他更为综合的分析技术。

若碳源分布清楚，目标靶区地质条件相似，为求得最佳CO₂运输路由，即可用该方法进行选址。

3.网络覆盖模型

网络覆盖模型可用于移动基站覆盖、服务网点覆盖、油库最大覆盖面积选址等多方面，可解决对于需求已知的一些需求点，如何确定一组服务设施来满足这些需求点的需求，也就是需要确定服务设施的最小数量和合适的位置。可分为两种不同的模型：集合覆盖模型（用最小数量的设施去覆盖所有的需求点）和最大覆盖模型（在给定数量的设施下，覆盖尽可能多的需求点）。前者常用启发式算法；后者常用贪婪算法。移动基站覆盖等选址可以首先根据GIS中地图进行场址初选，根据数字地形图，生成正射三维影像，或进行三维浏览，从而能够快速地把握整个地区的地形特点，同时参考已有的站点、居民区位置、道路位置，就可以初步推测若干个比较合理的站址。初选出部分地址点后可以使用DEM分析方法优化站址选择方案，使用GIS中的同时分析计算出几个候选站点的可视域，并把可视域叠加到地图上，依此衡量是否能够覆盖决策者感兴趣的区域。

在综合考虑碳源（需求点）、场地封存规模（最大覆盖模型）、交通条件或道路位置，在选址地质条件清楚的情况下，可用此法确定场地范围，为灌注井布置提供经济上的依据。

4.模拟仿真法

模拟仿真方法是将实际问题用数学方法和逻辑关系表示出来，建立数学逻辑模型，利用计算机来运行模拟仿真模型，模拟时间系统的运行状态及其随时间变化的过程，对一个系统按照一定的作业规则由一个状态变换为另一个状态的动态行为进行描述或分析，并通过对模拟仿真运行过程的观察和统计，得到被模拟仿真系统的输出参数和基本特征，以此来估计和推断实际系统的真实参数和真实性能，然后通过模拟计算及逻辑推理确定最佳布局方案。

模拟仿真法的优点有：(1)直观形象，清晰明了；(2)研究结果相对解析方法更接近于实际的情况。

其缺点是：(1)进行相对比较严格的模型的可信性和有效性的检验；(2)有些仿真系统对初始偏差比较敏感，往往使得仿真结果与实际结果有较大的偏差；(3)要求设计人员必须具备丰富的经验和较高的分析能力，面对相对复杂的仿真系统。

模拟仿真方法在CO₂地质封存选址工作中主要应用于具体的单点位置选取及灌注井施工选点等工作。在具体使用时应结合其他数值模拟方法综合运用。

当然，应用空间选址方法进行选址不是单一方法的简单运用，可以是好几种方法综合的使用，另外，还可以使用模糊聚类法、遗传算法等众多算法进行数学建模。

‘贰’ 几种GIS空间插值方法

GIS空间插值方法如下：

1、IDW

IDW是一种常用而简便的空间插值方法，它以插值点与样本点间的距离为权重进行加权平均，离插值点越近的样本点赋予的权重越大。 设平面上分布一系列离散点，已知其坐标和值为Xi，Yi, Zi （i =1，2，…，n）通过距离加权值求z点值。

IDW通过对邻近区域的每个采样点值平均运算获得内插单元。这一方法要求离散点均匀分布，并且密度程度足以满足在分析中反映局部表面变化。

2、克里金插值

克里金法（Kriging）是依据协方差函数对随机过程/随机场进行空间建模和预测（插值）的回归算法。

在特定的随机过程，例如固有平稳过程中，克里金法能够给出最优线性无偏估计（Best Linear Unbiased Prediction,BLUP），因此在地统计学中也被称为空间最优无偏估计器（spatial BLUP）。

对克里金法的研究可以追溯至二十世纪60年代，其算法原型被称为普通克里金（Ordinary Kriging, OK），常见的改进算法包括泛克里金（Universal Kriging, UK）、协同克里金（Co-Kriging, CK）和析取克里金（Disjunctive Kriging, DK）；克里金法能够与其它模型组成混合算法。

3、Natural Neighbour法

原理是构建voronoi多边形，也就是泰森多边形。首先将所有的空间点构建成voronoi多边形，然后将待求点也构建一个voronoi多边形，这样就与圆多边形有很多相交的地方，根据每一块的面积按比例设置权重，这样就能够求得待求点的值了。个人感觉这种空间插值方法没有实际的意义来支持。

4、样条函数插值spline

在数学学科数值分析中，样条是一种特殊的函数，由多项式分段定义。样条的英语单词spline来源于可变形的样条工具，那是一种在造船和工程制图时用来画出光滑形状的工具。在中国大陆，早期曾经被称做“齿函数”。后来因为工程学术语中“放样”一词而得名。

在插值问题中，样条插值通常比多项式插值好用。用低阶的样条插值能产生和高阶的多项式插值类似的效果，并且可以避免被称为龙格现象的数值不稳定的出现。并且低阶的样条插值还具有“保凸”的重要性质。

5、Topo to Raster

这种方法是用于各种矢量数据的，特别是可以处理等高线数据。

6、Trend

根据已知x序列的值和y序列的值，构造线性回归直线方程，然后根据构造好的直线方程，计算x值序列对应的y值序列。TREND函数和FORECAST函数计算的结果一样，但是计算过程完全不同。

‘叁’ GIS中坐标系与偏移算法总结

一 大地坐标系
1.1 概念
大地坐标系是大地测量中以参考椭球面为基准面建立起来的坐标系。
大地坐标系根据其原点的位置不同，分为地心坐标系和参心坐标系。地心坐标系的原点与地球质心重合，参心坐标系的原点与某一地区或国家所采用的参考椭球中心重合，通常与地球质心不重合。

1.2 常用的参心坐标系与地心坐标系

北京54 参心坐标系（参心坐标系）
西安80 参心坐标系（参心坐标系）
cgcs2000 地心坐标系（地心坐标系）
wgs84 地心坐标系（地心坐标系）

我国先后建立的1954年北京坐标系、1980西安坐标系和新1954年北京坐标系，都是参心坐标系。这些坐标系为我国经济社会发展和国防建设作出了重要贡献。
但是，随着现代科技的发展，特别是全球卫星定位技术的发展和应用，世界上许多发达国家和中等发达国家都已在多年前就开始使用地心坐标系。
国务院批准自2008年7月1日启用我国的地心坐标系——2000国家大地坐标系（CGCS-2000），同时要求用8-10年的时间，完成现行国家大地坐标系向20000国家大地坐标系的过渡和转换。过渡期结束，将停止提供现行国家大地坐标系下的测绘成果。

参考：
2018年7月1日起全面使用2000国家大地坐标系，西安80和北京54坐标系正式退出历史舞台

wgs84是为GPS全球定位系统使用而建立的坐标系统；gps设备采集的数据均为wgs84坐标系。

1.3 不同坐标系之间的转换
arcgis 软件中计算完成，参考:[arcgis坐标转换与投影]( https://www.jianshu.com/p/5c437696be06 ）

二 坐标投影

2.1 投影后的坐标形式
原始经纬度:120.0397529296875,30.229220825195313
墨卡托投影后:13362764.171082955,3533048.2025558753
参考： arcgis js api：web墨卡托(3857)转经纬度坐标(4326)

2.2 投影的目的
方便工程测量、二维图展示便于理解。

2.3 根据不同需求使用不同的投影算法
例如： 墨卡托投影后的二维图导致了地球两极被拉宽，不适用于工程测量，但适合用作普通二维图的展示。而大比例尺的工程测量图对局部区域内精度要求高，而采用高斯克里格投影。

三 gcj02偏移算法（国家测绘局，被戏称为火星坐标）
注意 这是偏移算法，而不是单独的一个坐标系。习惯上人们将加了偏移算法的坐标称为gcj02坐标。经偏移算法处理的地图数据偏差一般为 300~500 米。

3.1 在我们国家发布的互联网地图按法律规定需要经过偏移算法加偏移。
例如高德地图、腾讯地图。

3.2 网络地图在gcj02基础上进行了二次加偏移，称为bd09坐标

3.3 天地图是否加偏移？
天地图采用cgcs2000坐标。
发布在互联网上的天地图并不一定都是加偏移，未加偏移的地图做了特殊处理，很多涉密地理信息在地图上找不到。

3.4 使用了加偏移的地图如何进行gis开发
对叠加到地图上的数据同样加偏移，实现与底图吻合。
参考： WGS84坐标与不同加密算法之间转换

更多参考：
你必须知道的地理坐标系和投影坐标系
arcgis坐标转换与投影变换

‘肆’ GIS 空间分析

地理信息系统(GIS)具有很强的空间信息分析功能，这是区别于计算机地图制图系统的显着特征之一。利用空间信息分析技术，通过对原始数据模型的观察和实验，用户可以获得新的经验和知雀喊识，并以此作为空间行为的决策依据段指。

空间信息分析的内涵极为丰富。作为GIS的核心部分之一，空间信息分析在地理数据的应用中发挥着举足轻重的作用。

叠置分析(Overlay Analysis)
覆盖叠置分析是将两层或多层地图要素进行叠加产生一个新要素层的操作，其结果将原来要素分割生成新的要素，新要素综合了原来两层或多层要素所具有的属性。也就是说，覆盖叠置分析不仅生成了新的空间关系，还将输入数据层的属性联系起来产生了新的属性关系。覆盖叠置分析是对新要素的属性按一定的数学模型进行计算分析，进而产生用户需要的结果或回答用户提出的问题。

1)多边形叠置

这个过程是将两层中的多边形要素叠加，产生输出层中的新多边形要素，同时它们的属性也将联系起来，以满足建立分析模型的需要。一般GIS软件都提供了三种多边形叠置：

(1)多边形之和(UNION)：输出保留了两个输入的所有多边形。

(2)多边形之积(INTERSECT)：输出保留了两个输入的共同覆盖区域。

(3)多边形叠合(IDENTITY)：以一个输入的边界为准，而将另一个多边形与之相匹配，输出内容是第一个多边形区域内二个输入层所有多边形。

多边形叠置是个非常有用的分析功能，例如，人口普查区和校区图叠加，结果表示了每一学校及其对应的普查区，由此就可以查到作为校区新属性的重叠普查区的人口数。

2)点与多边形叠加

点与多边形叠加，实质是计算包含关系。叠加的结果是为每点产生一个新的属性。例如，井位与规划区叠加，可找到包含每个井的区域。

3)线与多边形叠加

将多边形要素层叠加到一个弧段层上，以确定每条弧段(全部或部分)落在哪个多边形内。

网络分析(Network Analysis)
对地理网络(如交通网络)、城市基础设施网络(如各种网线、电力线、电话线、供排水管线等)进行地理分析和模型化,是地理信息系统中网络分析功能的主要目的。网络分析是运筹学模型中的一个基本模型，它的根本目的是研究、筹划一项网络工程如何按排，并使其运行效果最好,如一定资源的最佳分配，从一地到另一地的运输费用最低等。其基本思想则在于人类活动总是趋向于按一定目标选择达到最佳效果的空间位置。这类问题在生产、社会、经济活动中不胜枚举，因此研究此类问题具有重大意义。

网络中的基本组成部分和属性如下：

(1)链(Links),网络中流动的管线，如街道，河流，水管等,其状态属性包括阻力(Impedence)和需求(Demand)。

(2)障碍(Barriers)，禁止网络中链上流动的点。

(3)拐角点(Turns)，出现在网络链中所有的分割结点上，状态属性有阻力，如拐弯的时间和限制(如不允许左拐)。

(4)中心(Centers)，是接受或分配资源的位置,如水库、商业中心、电站等,其状态属性包括资源容量,如总的资源量；阻力限额，如中心与链之间的最大距离或时间限制。

(5)站点(Stops)，在路径选择中资源增减的站点,如库房、汽车站等,其状态属性有要被运输的资源需求，如产品数。

网络中的状态属性有阻力和需求两项，实际的状态属性可通过空间属性和状态属性的转换，根据实际情况赋到网络属性表中。

1)路径分析

(1)静态求最佳路径:由用户确定权值关系后，即给定每条弧段的属性，当需求最佳路径时，读出路径的相关属性，求最佳路径。

(2)动态分段技术:给定一条路径由多段联系组成，要求标注出这条路上的公里点或要求定位某一公路上的某一点，标注出某条路上从某一公里数到另一公里数的路段。

(3)N条最佳路径分析:确定起点、终点，求代价较小的N�条路径，因为在实践中往往仅求出最佳路径并不能满足要求，可能因为某种因素不走最佳路径，而走近似最佳顷燃野路径。

(4)最短路径:确定起点、终点和所要经过的中间点、中间连线，求最短路径。

(5)动态最佳路径分析:实际网络分析中权值是随着权值关系式变化的，而且可能会临时出现一些障碍点，所以往往需要动态地计算最佳路径。

2)地址匹配

地址匹配实质是对地理位置的查询，它涉及到地址的编码(Geocode)。地址匹配与其它网络分析功能结合起来，可以满足实际工作中非常复杂的分析要求。所需输入的数据,包括地址表和含地址范围的街道网络及待查询地址的属性值。

3)资源分配

资源分配网络模型由中心点(分配中心)及其状态属性和网络组成。分配有两种方式，一种是由分配中心向四周输出，另一种是由四周向中心集中。这种分配功能可以解决资源的有效流动和合理分配。其在地理网络中的应用与区位论中的中心地理论类似。在资源分配模型中，研究区可以是机能区，根据网络流的阻力等来研究中心的吸引区，为网络中的每一连接寻找最近的中心，以实现最佳的服务。还可以用来指定可能的区域。

资源分配模型可用来计算中心地的等时区，等交通距离区，等费用距离区等。可用来进行城镇中心，商业中心或港口等地的吸引范围分析，以用来寻找区域中最近的商业中心，进行各种区划和港口腹地的模拟等。

缓冲区分析(Buffer Analysis)
缓冲区分析是针对点、线、面实体，自动建立其周围一定宽度范围以内的缓冲区多边形。缓冲区的产生有三种情况：一是基于点要素的缓冲区，通常以点为圆心、以一定距离为半径的圆；二是基于线要素的缓冲区，通常是以线为中心轴线，距中心轴线一定距离的平行条带多边形；三是基于面要素多边形边界的缓冲区，向外或向内扩展一定距离以生成新的多边形。

缓冲区分析是地理信息系统重要的空间分析功能之一，它在交通、林业、资源管理、城市规划中有着广泛的应用。例如：湖泊和河流周围的保护区的定界,汽车服务区的选择,民宅区远离街道网络的缓冲区的建立等。

空间统计分析(Spacial Analysis)
1)常规统计分析

常规统计分析主要完成对数据集合的均值、总和、方差、频数、峰度系数等参数的统计分析。

2)空间自相关分析

空间自相关分析是认识空间分布特征、选择适宜的空间尺度来完成空间分析的最常用的方法。目前,普遍使用空间自相关系数——
MoranI指数，其计算公式如下：

其中：N表示空间实体数目;xi表示空间实体的属性值;x是xi的平均值;Wij=1表示空间实体i与j相邻,Wij=0表示空间实体i与j不相邻I的值介于1与I之间，I=1表示空间自正相关，空间实体呈聚合分布；I=1表示空间自负相关，空间实体呈离散分布；I=0则表示空间实体是随机分布的。Wij表示实体i与j的空间关系，它通过拓扑关系获得。

3)回归分析

回归分析用于分析两组或多组变量之间的相关关系，常见回归分析方程有：线性回归、指数回归、对数回归、多元回归等。

4)趋势分析

通过数学模型模拟地理特征的空间分布与时间过程，把地理要素时空分布的实测数据点之间的不足部分内插或预测出来。

5)专家打分模型

专家打分模型将相关的影响因素按其相对重要性排队，给出各因素所占的权重值；对每一要素内部进行进一步分析，按其内部的分类进行排队，按各类对结果的影响给分，从而得到该要素内各类别对结果的影响量，最后系统进行复合，得出排序结果，以表示对结果影响的优劣程度，作为决策的依据。

专家打分模型可分二步实现。第一步——打分：用户首先在每个feature的属性表里增加一个数据项，填入专家赋给的相应的分值；第二步——复合：调用加权符合程序，根据用户对各个feature给定的权重值进行叠加，得到最后的结果。

‘伍’ 地理信息系统研究热点，包括哪些关键理论，技术

1 空间数据库的准确性研究
地理信息数据中误差处理和不确定性错误处理的方法和技术 ,包括 :
不确定性误差模型 ;
误差跟踪并对误差进行编码的方法 ;
计算和表达在 GIS应用中的误差 ;
数据精度的评估 ;
数据质量、元数据、数据标准等问题研究。

2 空间关系语言研究
以地理空间概念的规范化形式为基础 ,利用自然语言和数学方法 , 形成空间关系表达的理论 ;
关于定位表达的计算模型 ;
空间概念的获取和表达 ;
拓扑关系的定义 ;
空间信息的可视化 ;
GIS的用户接口。

3 空间数据的多种表达方式研究
为高效数据提取而组织的不同版本的数据及相应的拓扑关系 ,以及空间数据的多种表达方式 ;
满足数据一致性和精度要求的地图制图规则 ;
数据模型、链接、多机构、多尺度等对数据的需求。

4 地理信息的使用和价值研究
对 GIS获取、实现和使用起关键作用的因素和过程的理解 ;
GIS传播模型建立方法 ;
确定 GIS的经济价值。

5 海量空间数据库的结构体系研究
海量数据库中数据模型、结构、算法、用户接口等问题的实现方法 ;
空间代数学 ;
基于逻辑的计算机查询语言 ;
元数据的具体内容和组织 ;
数据压缩和加密方法。

6 空间决策支持系统
GIS及其相关学科在决策形成中的作用 ;
区域灾害问题解决的空间决策支持方法 ;
空间决策支持系统的模型和数据 ;
空间决策支持系统技术和实现 ;
用户需求和组织等问题研究。

7 空间信息的可视化研究
数据质量的管理和可视化表达构成研究 ;
误差模型和数据质量指标 ;
数据库中数据的质量管理 ;
使内在表达和地图显示更容易的可视化工具 ;
对数据质量信息的用户需求评估。

8 地图制图的规范化研究
研究相应的方法和准则 ,以提高空间数据的一致性 , 以及空间数据在表达方式和空间分析方面的效率和准确性 ;
地图制图语言规范化研究 ;
规范化设计评估体系 ;
将知识推理嵌入数据模型。

9 地理信息数据共享的研究
由地理信息和技术共享到空间数据共享 ;
空间数据共享的理论研究 ;
空间数据共享的场所 ;
空间数据共享的处理方法。

10 GIS中时空关系的研究
地理空间中空间、时间以及和变化相关联的对象研究 ;
不同时间概念的划分 ,如 :离散的、连续的、单调的等 ;
具体应用中 ,笛卡儿坐标和欧几里得坐标的选择 ;
将人类对时间和空间的认知过程具体化、形式化 ;
空间现象的模拟计算模式。

11 遥感和 GIS的集成研究
解决遥感和 GIS集成方面的关键问题 ,主要包括 :
数据结构和存取问题 ;
数据处理流程 ;
误差分析 ;
机构问题。

12 GIS的用户接口研究
人机交互的用户接口设计和实现 ;
在 GIS环境中 ,人和计算机相互作用的研究 ;
不同背景、语言、文化对人机交互的影响
GIS软件用户接口设计的准则和方法。

13 GIS和空间分析研究
空间统计学地理数据的空间统计分析 ;
地理边界和地图比例尺在空间数据体系中的作用 ;
空间数据的采样和内插 ;
GIS数据结构和空间统计计算之间的关系。

14 GIS在全球变化中的作用研究
全面、定量地理解 GIS应用对全球变化所起的作用 ;
从小尺度的研究出发 ,建立理论基础和计算结构 ;
全球数据质量的评估。

15 法律、信息政策和空间数据库关系研究
GIS数据适用范围 ;
科学地理解空间数据库环境中的法律和政策 ;
如何完善 GIS方面法律的内容和质量 ;
空间数据库在公众政策和法律建设方面的作用
GIS在公众政策和法律方面的有用性尝试。

16 通过协作形成空间决策系统的研究
提供开发和评估工具 ,以解决复杂空间问题 ;
建立知识获取方法 ;
建立评估方案 ;
确定协作方的相互联系方式 ;
在相互作用的环境中解决冲突的方法。

17 在社会背景中 ,如何在 GIS中表达人、空间与环境的研究
人口的管理和控制 ;
确定冲突影响的人口范围 ;
政治经济关心的自然资源的开采和使用。

18 地理信息系统的互操作研究
开放的、分布式存储的 GIS结构 ;
地理数据语义特性获取方法 ;
数据抽象和处理模型研究 ;
地理空间数据的粒度 (Granularity)。

19 地理世界的规范化模式研究
地理世界的规范化表达 ;
用空间数据结构表达现实世界时 ,基本的描述元素 ;
GIS用户对地理世界的直觉看法。

‘陆’ GIS 学科都是有哪些重要的算法谢谢

一 空间数据压缩算法
1 基于矢量的压缩算法
2 基于栅格的压缩算法

二 空间数据内插算法
1 点的内插算法
2 区域内插算法
3 采样点曲线拟合

三 空间数据转换算法
1 矢量数据向栅格数据转换
2 栅格数据向矢量数据转换
3 TIN向规则格网DEM转换

四 空间数据误差分析算法
1 属性误差的分析算法
2 位置误差分析算法

五 多边形自动生成与裁剪算法
1 多边形性质及有关处理
2 弧-弧拓扑生成算法
3 多边形自动生成算法
4 多边形图裁剪算法

六 TIN的构建算法
1 基于离散点的构TIN算法
2 基于等高线的构TIN算法

七 Voronoi图构建算法
1 平面点集Voronoi图构建算法
2 线/面集Voronoi图构建算法
3 球面Voronoi图构建算法

八 空间变换算法
1 地图坐标变换算法
2 地图投影变换算法
3 透视投影变换算法

九 空间度量算法
1 空间距离与方向度量算法
2 面向度量算法
3 体积度量算法
4 坡度坡向度量算法

十 数字地形分析算法
1 基本地形因子分析算法
2 地形特征提取算法
3 数字地形典型应用算法

十一 空间统计分析算法
1 多变量统计分析算法
2 空间分类统计算法
3 层次分析算法

十二 空间分析算法
1 路径分析算法
2 资源分配算法
3 缓冲区分析算法
4 叠置分析算法

十三 GIS可视化操纵算法
1 地形简化算法
2 多分辨率纹理生成算法
3 纹理映射算法
4 光相关算法

十四 空间数据挖掘与知识发现算法