GIS空间索引
索引方法：网格索引——点要素（图元），线、面要素，有冗余四叉树索引——线、面要素，有冗余改进的四叉树索引——线、面要素R树——空间重叠一、网格索引，四叉树索引在介绍空间索引之前,先谈谈什么叫“索引“。
对一个数据集做”索引“,是为了提高对这个数据集检索的效率。
书的”目录“就是这本书内容的”索引“,当我们拿到一本新书,想查看感兴趣内容的时候,我们会先查看目录,确定感兴趣的内容会在哪些页里,直接翻到那些页,就OK了,而不是从第一章节开始翻,一个字一个字地找我们感兴趣的内容,直到找到为止,这种检索内容的效率也太低了,如果一本书没有目录,可以想象有多么不方便…可见书的目录有多重要,索引有多重要啊！现在大家对索引有了感性认识,那什么是“空间索引“呢？”空间索引“也是”索引“,是对空间图形集合做的一个”目录“,提高在这个图形集合中查找某个图形对象的效率。
比如说,我们在一个地图图层上进行矩形选择,确定这个图层上哪些图元被这个矩形所完全包含呢,在没有”空间索引“的情况下,我们会把这个图层上的所有图元,一一拿来与这个矩形进行几何上的包含判断,以确定到底哪些图元被完全包含在这个矩形内。
您是不是觉得这样做很合理呢？其实不然,我们先看一个网格索引的例子：我们对这个点图层作了网格索引,判断哪些点在这个矩形选择框内,是不需要把这个图层里所有的点都要与矩形进行几何包含运算的,只对 a,b,c,d,e,f,g这七个点做了运算。
可以推想一下,如果一个点图层有十万个点,不建立空间索引,任何地图操作都将对整个图层的所有图元遍历一次,也就是要For循环10万次；建立索引将使得For循环的次数下降很多很多,效率自然提高很多！呵呵…想必大家都知道空间索引的好处了,也不知不觉向大家介绍了点图层的网格索引,还有哪些常用的空间索引呢？这些空间索引又该如何实现呢？带着这样的问题,下面介绍几种常用的空间索引。
网格索引网格索引就是在一个地图图层上,按每个小网格宽△w,高△h打上均匀的格网,计算每个图元所占据的网格或者所经过的网格单元集合,在这些网格单元中,记录下图元对象的地址或者引用,比如：声明一个对象二维数组List grid[m][n]; m代表网格的行数,n代表网格的列数,每个数组元素为一个“集合对象”,用于存储这个网格单元所关联的所有图元的地址或引用,这样网格索引就建立好了。
下一步,我们该怎么用这个网格索引呢？所有的图形显示和操作都可以借助于“空间索引”来提高效率。
举几个例子来说明“空间索引“的使用：一、放大开窗显示,正如上一节介绍的,当我们在地图上画一个矩形想放大地图的时候,首先得确定放大后的地图在屏幕上需要显示哪些图元？所以,我们需要判断这个地图中有哪些图元全部或者部分落在这个矩形中。
判断步骤：1,确定所画矩形左上角和右下角所在的网格数组元素；即可得到这个矩形所关联覆盖的所有网格集合；2,遍历这个网格集合中的元素,取到每个网格元素List中所记录的图元；3,画出这些图元即可。
（当然整个过程涉及到两点：1,屏幕坐标和地图坐标的互相变换；2,窗口裁减,也可以不裁减）二、包含判断,给出一个点point和一个多边形polygon,判断点是否在面内,首先判断这个点所在的网格,是否同时关联这个polygon,如果不是, 表明点不在面内,如果是,可以下一步的精确解析几何判断,或者精度允许的情况下,即判断polygon是包含point的。
另外,Google Map应该也是采用地理网格的方式,对地图图象进行索引的,可见一斑,网格索引在图形显示,选择,拓扑判断上的广泛应用。
但同时也存在很严重的缺陷：当被索引的图元对象是线,或者多边形的时候,存在索引的冗余,即一个线或者多边形的引用在多个网格中都有记录。
随着冗余量的增大,效率明显下降。
所以,很多学者提出了各种方法来改进网格索引,这个将在下面的章节中介绍。
而点图元非常适合网格索引,不存在冗余问题。
四叉树索引（Quadtree）类似于前面介绍的网格索引,也是对地理空间进行网格划分,对地理空间递归进行四分来构建四叉树,本文将在普通四叉树的基础上,介绍一种改进的四叉树索引结构。
首先,先介绍一个GIS（Geographic Information System）或者计算机图形学上非常重要的概念——最小外包矩形(MBR-Minimum Bounding Rectangle)：最小外包矩形MBR就是包围图元,且平行于X,Y轴的最小外接矩形。
MBR到底有什么用处呢,为什么要引入这个概念呢？因为,图元的形状是不规则的,而 MBR是平行于X,Y轴的规则图形,设想一下,如果所有的图元都是平行于X,Y轴的矩形,那针对这样的矩形进行几何上的任何判断,是不是要简单很多呢？不管我们人自己写公式算法或者编写程序运行,是不是都要比原本复杂的图形几何运算要简洁很多呢？答案很显然。
然后,我们再介绍一下GIS空间操作的步骤（这个步骤,在前面忘记向大家说明了,在这里补充一下）可见,过滤阶段,通过空间索引可以排除掉一些明显不符合条件的图元,得到后选集合,然后对后选图元集合进行精确几何运算,得到最终结果。
大家可能会有这样的疑问,这样有必要吗？是不是反而把问题复杂化了？合适的空间索引只会提高计算机的效率,没有空间索引,我们无疑要对集合中的每个图元进行精确几何运算, 而这样的运算是复杂的,是非常占用CPU的,所以需要空间索引,采取少量的内存和简单的CUP运算,来尽量减少那种高耗CUP的精确运算的次数,这样做是完全值得的。
至于精确的几何运算到底复杂在哪里,该如何进行精确的几何运算,将在下面的章节中详细描述,这里主要介绍过滤阶段的空间索引。
现在,让我们来具体了解一下“四叉树索引”。
四叉树索引就是递归地对地理空间进行四分,直到自行设定的终止条件（比如每个节点关联图元的个数不超过3个,超过3个,就再四分）,最终形成一颗有层次的四叉树。
图中有数字标识的矩形是每个图元的MBR,每个叶子节点存储了本区域所关联的图元标识列表和本区域地理范围,非叶子节点仅存储了区域的地理范围。
大家可以发现,同样存在一个图元标识被多个区域所关联,相应地存储在多个叶子节点上,比如“6“所代表的图元,分别存储在四个分枝上。
这样,就存在索引的冗余,与网格索引存在同样的弊端。
下面我们介绍一种改进的四叉树索引,或者说是分层的网格索引。
改进的四叉树索引,就是为了避免这种空间索引的冗余,基本改进思路是：让每个图元的MBR被一个最小区域完全包含。
可以看出,3和13分别都跨越了两个区域,要被一个最小区域完全包含,就只能是根节点所代表的区域,2,5跨越了两个区域,6跨越了四个区域,要被一个最小区域完全包含,就只能是NW区域。
怎么判断一个图元被哪个最小区域完全包含呢？从直观上看,递归地对地理空间进行四分,如果图元与一个区域四分的划分线相交,则这个图元就归属于这个区域,或者直到不再划分了,那就属于这个不再划分的区域。
呵呵。
可能有点绕口,看图,结合“最小”“完全包含”这两个字眼,您就明白了。
这颗四叉树中,图元的标识不再仅仅存储在叶子节点上,而是每个节点都有可能存储,这样也就避免了索引冗余。
同时每个节点存储本节点所在的地理范围。
有了四叉树索引,下面又该如何利用这颗树来帮助检索查找呢？还是矩形选择为例吧！（为什么我总是拿这个例子来说事呢？因为这个例子简单,容易理解, 有代表性！）我们在地图上画一个矩形,判断地图上哪些图元落在这个矩形里或者和这个所画矩形相交。
方法很多,这里介绍一种简单的检索步骤,如下：1,首先,从四叉树的根节点开始,把根节点所关联的图元标识都加到一个List里；2,比较此矩形范围与根节点的四个子节点（或者叫子区域）是否有交集（相交或者包含）,如果有,则把相应的区域所关联的图元标识加到List集合中,如果没有,则以下这颗子树都不再考虑。
3,以上过程的递归,直到树的叶子节点终止,返回List。
4,从List集合中根据标识一一取出图元,先判断图元MBR与矩形有无交集,如果有,则进行下面的精确几何判断,如果没有,则不再考虑此图元。
（当然,这里只说了一个基本思路,其实还有其他一些不同的方法,比如,结合空间数据磁盘的物理存储会有一些调整）总结：改进的四叉树索引解决了线,面对象的索引冗余,具有较好的性能,而被大型空间数据库引擎所采用,如ArcSDE,Oracle Spatial等,同时这种结构也适用于空间数据的磁盘索引,配合空间排序聚类,基于分形的Hilbert算法数据组织,将在空间数据格式的定义中发挥重要作用。
二、R-Tree空间索引算法的研究历程和最新进展分析摘要：本文介绍了空间索引的概念、R-Tree数据结构和R-Tree空间索引的算法描述，并从R-Tree 索引技术的优缺点对R-Tree的改进结构——变种R-Tree进行了论述。
最后，对R-Tree的最新研究进展进行了分析。
关键词：空间索引技术；R-Tree；研究历程；最新进展当前数据搜索的一个关键问题是速度。
提高速度的核心技术是空间索引。
空间索引是由空间位置到空间对象的映射关系。
当前的一些大型数据库都有空间索引能力，像Oracle，DB2。
空间索引技术并不单是为了提高显示速度，显示速度仅仅是它所要解决的一个问题。
空间索引是为空间搜索提供一种合适的数据结构，以提高搜索速度。
空间索引技术的核心是：根据搜索条件，比如一个矩形，迅速找到与该矩形相交的所有空间对象集合。
当数据量巨大，矩形框相对于全图很小时，这个集合相对于全图数据集大为缩小，在这个缩小的集合上再处理各种复杂的搜索，效率就会大大提高。
所谓空间索引，就是指依据空间实体的位置和形状或空间实体之间的某种空间关系，按一定顺序排列的一种数据结构，其中包含空间实体的概要信息如对象的标识、外接矩形及指向空间实体数据的指针。
简单的说，就是将空间对象按某种空间关系进行划分，以后对空间对象的存取都基于划分块进行。
1 引言空间索引是对存储在介质上的数据位置信息的描述，用来提高系统对数据获取的效率。
空间索引的提出是由两方面决定的：其一是由于计算机的体系结构将存贮器分为内存、外存两种，访问这两种存储器一次所花费的时间一般为30~40ns，8~10ms，可以看出两者相差十万倍以上，尽管现在有“内存数据库”的说法，但绝大多数数据是存储在外存磁盘上的，如果对磁盘上数据的位置不加以记录和组织，每查询一个数据项就要扫描整个数据文件，这种访问磁盘的代价就会严重影响系统的效率，因此系统的设计者必须将数据在磁盘上的位置加以记录和组织，通过在内存中的一些计算来取代对磁盘漫无目的的访问，才能提高系统的效率，尤其是GIS涉及的是各种海量的复杂数据，索引对于处理的效率是至关重要的。
其二是GIS 所表现的地理数据多维性使得传统的B树索引并不适用，因为B树所针对的字符、数字等传统数据类型是在一个良序集之中，即都是在一个维度上，集合中任给两个元素，都可以在这个维度上确定其关系只可能是大于、小于、等于三种，若对多个字段进行索引，必须指定各个字段的优先级形成一个组合字段，而地理数据的多维性，在任何方向上并不存在优先级问题，因此B树并不能对地理数据进行有效的索引，所以需要研究特殊的能适应多维特性的空间索引方式。
GIS原理
Gis定义由计算机硬件，软件和不同的方法组成的系统，该系统设计来支持空间数据的采集，管理，处理，分析，建模和显示，以便解决复杂的规划和管理问题。
GIS的基本构成：系统硬件，系统软件，空间数据，应用人员，应用模型空间数据：具体描述地理现象的空间特征，属性特征和时间特征应用人员：包括系统开发人员和地理信息系统的最终用户基本理论：地理信息系统死传统科学与现代技术相结合而诞生的边缘学科，因此它明显地体现出多学科交叉的特征。
这些交叉学科的基础理论同样构成地理信息系统的基础理论体系。
这些学科包括地理学，地图学，数学，计算机科学以及一切与获取，处理和分析空间数据有关的学科。
地理学：中的空间分析方法历史悠久，而空间分析正是地理信息系统的核心，地理学作为地理信息系统的理论依托，为地理信息系统提供引导空间分析的方法和观点测绘学：及其分支学科，如大地测量学，摄影测量学，地图学等，不但为地理信息系统提供高精度的空间数据，而且其中的误差理论，地图投影理论，图形理论及其相关的算法等，可直接用于地理信息系统空间数据的处理，保证空间数据的精度和质量，以及地理信息系统产品的开发地理信息系统也是地理空间数据与计算机科学相结合的产物，数据结构与数据库的原理为地理信息系统数据的组织，存储，检索和维护提供了信息模型和数据管理的方法论，使得各种形式的空间数据能够在计算机中表示。
计算机图形学原理是地理信息系统图形输出的理论依据。
GIS空间数据分类数据来源：1地图数据2影像数据3文本数据数据结构：1矢量数据2栅格数据数据特征：1空间定位数据2,非空间地位数据发布形式：1数字线画图数据2数字栅格图数据3数字高程模型数据4数字正射影像数据空间数据的基本特征：1空间特征2属性特征3时间特征栅格数据：是将空间分割成有规则的网格，在各个网格给出相应的属性值来表示空间实体的一种数据组织形式。
优缺点：表达地理要素较为直观，容易实现多层数据的叠合操作，便于与遥感图像及扫描输入数据相匹配使用等。
地理信息系统概论重点讲义(4)
重点一空间数据库模型1．空间数据库空间数据库是地理信息系统在计算机物理存储介质上存储的与应用相关的地理空间数据的总和，一般是以一系列特定结构的文件的形式组织在存储介质之上的。
2．空间数据库模型空间数据库模型是关于现实世界中空间实体及其相互间联系的概念，为描述空间数据组织和设计空间数据库模式提供了基本的方法。
一般而言，GIS 空间数据模库型由概念数据库模型、逻辑数据库模型和物理数据库模型三个有机联系的层次所组成。
3．数据库概念模型：( conceptual model)概念模型为了把现实世界中的具体事物抽象、组织为某一数据库管理系统支持的数据模型。
人们常常首先将现实世界抽象为信息世界，然后将信息世界转换为机器世界。
也就是说，首先把现实世界中的客观对象抽象为某一种信息结构，这种信息结构并不依赖于具体的计算机系统，不是某一个数据库管理系统(DBMS)支持的数据模型，而是概念级的模型，称为概念模型。
4．逻辑模型逻辑模型，是指数据的逻辑结构。
在数据库中，逻辑模型有关系、网状、层次，可以清晰表示个个关系。
在管理信息系统中，逻辑模型：是着重用逻辑的过程或主要的业务来描述对象系统，描述系统要“做什么”，或者说具有哪些功能。
1)关系数据模型是把数据的逻辑结构归结为满足一定条件的二维表格，每个二维表格称为一个关系。
关系模型以记录组或数据表的形式组织数据，便于利用各种地理实体与属性之间的关系进行存储和变换，不分层也无指针，是建立空间数据和属性数据之间关系的一种非常有效的数据组织方法。
2)关系数据库：是建立在关系数据库模型基础上的数据库，借助于集合代数等概念和方法来处理数据库中的数据。
目前主流的关系数据库有oracle 、SQL、access 、db2 等。
3)对象—关系管理模式是指在关系型数据库中扩展，通过定义一系列操作空间对象(如点、线、面)的API 函数，来直接存储和管理非结构化的空间数据的空间数据库管理模式。
5．物理模型，在管理信息系统中，物理模型：描述的是对象系统“如何做”、“如何实现”系统的物理过程。
地理信息系统名词解释大全(整理版本)
地理信息系统名词解释大全地理信息系统Geographic Information System GIS作为信息技术的一种, 是在计算机硬、软件的支持下, 以地理空间数据库（Geospatial Database）为基础, 以具有空间内涵的地理数据为处理对象, 运用系统工程和信息科学的理论, 采集、存储、显示、处理、分析、输出地理信息的计算机系统, 为规划、管理和决策提供信息来源和技术支持。
简单地说, GIS就是研究如何利用计算机技术来管理和应用地球表面的空间信息, 它是由计算机硬件、软件、地理数据和人员组成的有机体, 采用地理模型分析方法, 适时提供多种空间的和动态的地理信息, 为地理研究和地理决策服务的计算机技术系统。
地理信息系统属于空间型信息系统。
地理信息是指表征地理圈或地理环境固有要素或物质的数量、质量、分布特征、联系和规律等的数字、文字、图像和图形等的总称；它属于空间信息, 具有空间定位特征、多维结构特征和动态变化特征。
地理信息科学与地理信息系统相比, 它更加侧重于将地理信息视作为一门科学, 而不仅仅是一个技术实现, 主要研究在应用计算机技术对地理信息进行处理、存储、提取以及管理和分析过程中提出的一系列基本问题。
地理信息科学在对于地理信息技术研究的同时, 还指出了支撑地理信息技术发展的基础理论研究的重要性。
地理数据是以地球表面空间位置为参照, 描述自然、社会和人文景观的数据, 主要包括数字、文字、图形、图像和表格等。
地理信息流即地理信息从现实世界到概念世界, 再到数字世界（GIS）, 最后到应用领域。
数据是通过数字化或记录下来可以被鉴别的符号, 是客观对象的表示, 是信息的表达, 只有当数据对实体行为产生影响时才成为信息。
信息系统是具有数据采集、管理、分析和表达数据能力的系统, 它能够为单一的或有组织的决策过程提供有用的信息。
包括计算机硬件、软件、数据和用户四大要素。
四叉树数据结构是将空间区域按照四个象限进行递归分割（2n×2n, 且n ≥1）, 直到子象限的数值单调为止。
GIS空间索引方法述评_阎超德
收稿日期:2004-05-11; 修订日期:2004-06-15 基金项目:国家杰出青年科学基金(4002501)作者简介:阎超德(1965-),男,副教授,博士研究生,研究方向为GIS 、LBS 等。
GIS 空间索引方法述评阎超德,赵学胜(中国矿业大学测绘系,北京100083)摘要:地理信息系统的主要任务之一是有效地检索空间数据及快速响应不同用户的在线查询。
传统的索引方法只能解决一维查询问题,无法满足地理信息系统的要求。
该文介绍了G IS 中具有代表性的三类空间索引方法,即基于点区域划分的索引方法、基于面区域划分的索引方法和空间实体的地址编码索引方法,并且进行了分析对比。
关键词:空间索引;地理信息系统;四叉树;R-树;地址编码中图分类号:P208 文献标识码:A 文章编号:1672-0504(2004)04-0023-04地理信息系统(GIS )的主要任务之一是有效地检索空间数据及快速响应不同用户的在线查询。
空间索引是通过对存储在介质上的空间数据的描述,建立空间数据的逻辑记录与物理记录之间的对应关系,最终目的是提高系统对空间数据获取的效率。
传统的索引方法只能解决一维查询问题,无法胜任GIS 中海量空间数据的查询。
传统树表索引方法[1]中,如二叉树、B 树、ISAM (Index ed Sequential Access Method)等,主要针对字符、数字等数据对象,数据类型是在一个良序集之中,即集合中任意给出两个元素都可以确定其关系(只可能是大于、小于、等于这三种的其一);若对多个字段进行索引,必须指定各个字段的优先级,形成一个组合字段,但是GIS 中空间数据具有多维性,在任何方向上并不存在优先级,无法用于搜索具有多维特征的空间对象。
散列表方法是假定数据项中关键字与存储位置(存储桶号)存在哈希函数(H ashing)对应关系[1],这在多维空间中也是无法控制的。
另外,GIS 中存储了海量的空间数据,一般数据库所使用的索引机制并不适合空间对象的查询,要管理和检索这些海量空间数据,需要采用高效的多维空间索引技术。
GIS名词解释
名词解释★1、地理信息系统：是由计算机硬件、软件、和不同的方法组成的系统，该系统设计支持空间数据的采集、管理、处理、分析、建模和显示，以便解复杂的规划和管理的问题。
2、缓冲区分析：是指根据分析对象的点、线、面、实体，自动建立其周围一定距离的带状区，用以识别这3、GIS空间分析是以地理事物的空间位置和形态特征为基础，以空间数据运算、空间数据与属性数据的综合运算为特征，提取与产生新的空间信息的技术和过程。
些实体或者主体对领近对象的辐射范围或者影响程度，是解决临近度问题的空间分析工具之一。
★4、拓扑关系：图形在保持连续变化状态下，图形关系保持不变的性质．或空间实体之间的关系．★5、栅格结构是最简单最直接的空间数据结构，是指将地球表面划分为大小均匀紧密相邻的网格阵列，每个网格作为一个象元或象素由行、列定义，并包含一个代码表示该象素的属性类型或量值，或仅仅包括指向其属性记录的指针。
因此，栅格结构是以规则的阵列来表示空间地物或现象分布的数据组织，组织中的每个数据表示地物或现象的非几何属性特征。
★6、空间数据库：是地理信息系统中用于储存和管理空间数据的场所。
7、空间数据结构：对空间逻辑数据模型描述的数据组织关系和编排方式。
8、空间索引就是指依据空间对象的位置和形状或空间对象之间的某种空间关系按一定的顺序排列的一种数据结构，其中包含空间对象的概要信息，如对象的标识、外接矩形及指向空间对象实体的指针。
它通过筛选作用，大量与特定空间操作无关的空间对象被排除，从而提高空间操作的速度和效率。
9、DTM为数字地形模型（Digital Terrain Model），是地形表面形态属性信息的数字表达，是带有空间位置特征和地形属性特征的数字描述。
数字地形模型中地形属性为高程时称为数字高程模型（Digital Elevation Model），简称DEM。
★10、GIS空间分析是以地理事物的空间位置和形态特征为基础，以空间数据运算、空间数据与属性数据的综合运算为特征，提取与产生新的空间信息的技术和过程。
GIS常见的基本算法
GIS常见的基本算法GIS（地理信息系统）领域中使用的基本算法非常多样化，可以分为数据处理算法、空间分析算法和地理可视化算法等方面。
以下是一些常见的基本算法：1.地图投影算法：地图投影是将地球表面上的经纬度坐标映射到平面坐标系上的过程。
常见的地图投影算法包括经纬度转换为平面坐标的算法，如墨卡托投影、等距圆柱投影、兰勃托投影等。
2.空间索引算法：空间索引算法是对空间数据进行高效存储和检索的关键。
常见的空间索引算法包括四叉树、R树、k-d树等。
这些算法能够将空间数据分割成多个子区域，并建立索引结构，以便在查询时快速定位目标数据。
3.空间插值算法：空间插值算法用于在已知或有限的观测点上估算未知点的值。
常见的空间插值算法包括反距离加权插值（IDW）、克里金插值和径向基函数插值等。
4.空间分析算法：空间分析算法用于研究地理现象之间的空间关系。
常见的空间分析算法包括缓冲区分析、空间叠置分析、网络分析、空间聚类分析等。
5.地图匹配算法：地图匹配是将实际观测点与地理信息数据库中的地理对象进行匹配的过程。
常见的地图匹配算法包括最短路径算法、马尔可夫链算法、HMM（隐马尔可夫模型）等。
6.空间平滑算法：空间平滑算法用于消除地理数据中的噪声和不规则性。
常见的空间平滑算法包括高斯滤波、均值滤波、中值滤波等。
7.空间插值算法：空间插值算法用于对连续型地理现象进行预测和估计。
常见的空间插值算法包括反距离加权插值（IDW）、克里金插值和径向基函数插值等。
8.地理网络算法：地理网络算法用于在地理网络上找到最短路径、最小生成树等。
常见的地理网络算法包括迪杰斯特拉算法、弗洛伊德算法等。
9.地理可视化算法：地理可视化算法用于将地理信息以可视化的形式展现出来。
常见的地理可视化算法包括等值线绘制算法、色彩映射算法、3D可视化算法等。
10.遥感图像分类算法：遥感图像分类是将遥感图像中的像素分配到不同的类别中的过程。
常见的遥感图像分类算法包括最大似然分类、支持向量机（SVM）分类、随机森林分类等。
GIS基础学习知识复习资料题
地理信息系统试题一、名词解释1.地理信息系统：是在计算机硬、软件系统支持下，对现实世界（资源与环境）的研究和变迁的各类空间数据及描述这些空间数据特性的属性进行采集、储存、管理、运算、分析、显示和描述的技术系统。
2.操作尺度：对空间实体、现象的数据进行处理操作时应采用最佳尺度，不同操作尺度影响处理结果的可靠程度或准确度3.地理网格：是指按一定的数学规则对地球表面进行划分而形成的网格。
数据模型：对现实世界进行认知、简化和抽象表达，并将抽象结果组织成有用、能反映形式世界真实状况数据集的桥梁。
4.数据模型：对现实世界进行认知、简化和抽象表达，并将抽象结果组织成有用、能反映形式世界真实状况数据集的桥梁。
5.对象模型：将研究的整个地理空间看成一个空域，地理现象和空间实体作为独立的对象分布在该空域中。
6.地图数字化：根据现有纸质地图，通贯手扶跟踪或扫描矢量化地方法，生产出可在技术机上进行存储、处理和分析的数字化数据。
7. 拓扑关系：图形在保持连续状态下的变形但图形关系不变的性质。
8.空间数据结构：对空间逻辑数据模型描述的数据组织关系和编排方式。
9.影像金字塔结构：在同一的空间参照下，根据用户需要以不同分辨率进行存储与显示，形成分辨率由粗到细，数据量由小到大的金字塔结构。
10.空间索引：依据空间对象的位置和形状或空间对象之间的某种空间关系按一定的顺序排列的一种数据结构。
11.空间数据查询：其属于空间数据库的范畴，一般定义为从空间数据库中找出所有满足属性约束条件和空间约束条件的地理对象。
12.空间分析：以地理事物的空间位置和形态特征为基础，异空间数据运算、空间数与属性数据的综合运算为特征，提取与产生新的空间信息的技术和过程。
13.栅格数据的追踪分析：对于特定的栅格数据系统，有某一个或多个起点，按照一定的追种法则进行追踪目标或者追踪的空间分析方法。
14.数字高程模型：是通过有限的地形高程数据实现对地形曲面的数字化模拟，高程数据通常采用绝对高程。
GIS空间索引
索引方法：网格索引——点要素（图元），线、面要素，有冗余四叉树索引——线、面要素，有冗余改进的四叉树索引——线、面要素R树——空间重叠一、网格索引，四叉树索引在介绍空间索引之前,先谈谈什么叫“索引“。
对一个数据集做”索引“,是为了提高对这个数据集检索的效率。
书的”目录“就是这本书内容的”索引“,当我们拿到一本新书,想查看感兴趣内容的时候,我们会先查看目录,确定感兴趣的内容会在哪些页里,直接翻到那些页,就OK了,而不是从第一章节开始翻,一个字一个字地找我们感兴趣的内容,直到找到为止,这种检索内容的效率也太低了,如果一本书没有目录,可以想象有多么不方便…可见书的目录有多重要,索引有多重要啊！现在大家对索引有了感性认识,那什么是“空间索引“呢？”空间索引“也是”索引“,是对空间图形集合做的一个”目录“,提高在这个图形集合中查找某个图形对象的效率。
比如说,我们在一个地图图层上进行矩形选择,确定这个图层上哪些图元被这个矩形所完全包含呢,在没有”空间索引“的情况下,我们会把这个图层上的所有图元,一一拿来与这个矩形进行几何上的包含判断,以确定到底哪些图元被完全包含在这个矩形内。
您是不是觉得这样做很合理呢？其实不然,我们先看一个网格索引的例子：我们对这个点图层作了网格索引,判断哪些点在这个矩形选择框内,是不需要把这个图层里所有的点都要与矩形进行几何包含运算的,只对 a,b,c,d,e,f,g这七个点做了运算。
可以推想一下,如果一个点图层有十万个点,不建立空间索引,任何地图操作都将对整个图层的所有图元遍历一次,也就是要For循环10万次；建立索引将使得For循环的次数下降很多很多,效率自然提高很多！呵呵…想必大家都知道空间索引的好处了,也不知不觉向大家介绍了点图层的网格索引,还有哪些常用的空间索引呢？这些空间索引又该如何实现呢？带着这样的问题,下面介绍几种常用的空间索引。
网格索引网格索引就是在一个地图图层上,按每个小网格宽△w,高△h打上均匀的格网,计算每个图元所占据的网格或者所经过的网格单元集合,在这些网格单元中,记录下图元对象的地址或者引用,比如：声明一个对象二维数组List grid[m][n]; m代表网格的行数,n代表网格的列数,每个数组元素为一个“集合对象”,用于存储这个网格单元所关联的所有图元的地址或引用,这样网格索引就建立好了。
3D GIS空间索引技术
3D GIS空间索引技术3DGIS是新一代GIS技术的重要分支，是进行全方位、多层次、多要素时空分析的基础，开发结构简单、功能完善的真3DGIS软件是当前GIS研究人员的重要目标。
3DGIS需要管理大量的三维空间对象，且常常需要根据空间位置对这些对象进行查询、检索和显示操作。
为了处理这类空间操作，传统的关系数据库搜索方法需要花费大量的磁盘访问时间和空间运算时间。
为了提高检索效率，传统的关系数据库一般都建立一系列的索引机制，如B+树等。
目前常用的索引机制多是一维索引，无法有效处理3DGIS空间数据库中的三维空间地理实体。
因此，必须为3DGIS空间数据库建立专门的索引机制——空间索引。
空间索引是指根据空间要素的地理位置、形状或空间对象之间的某种空间关系，按照一定规律排列的数据结构，它介于空间操作算法和空间对象之间，筛选、排除与特定的空间操作无关的空间对象。
空间索引机制是快速、高效地查询、检索和显示地理空间数据的基础，其性能优劣直接影响GIS空间数据库的性能，关系到3DGIS软件系统的整体运行状况。
一、三维空间索引简介3DGIS是2DGIS在三维空间内的延展，是布满整个三维空间内的GIS，它与2DGIS的差异主要体现在空间位置的确定、空间拓扑关系的描述与空间分析的延展方向上。
3DGIS将三维空间坐标（x，y，z）作为独立的参数来构建空间实体对象模型，能够实现空间实体的真三维可视化，以立体造型来展现空间地理现象，它不仅能够表达空间实体之间的平面关系，还能够表达其垂向关系，在此基础上进行复杂的三维空间分析与操作。
在GIS由二维扩充到三维后，其处理的空间对象也由二维空间中的“点、线、面”扩充到三维空间中的“点、线、面、体”。
2DGIS对平面空间的“有限-互斥-完整”剖分是基于面的划分，而3DGIS对三维空间的“有限-互斥-完整”剖分则是基于体的划分。
在3DGIS 空间数据库中，空间实体的表达形式复杂，各种空间操作不仅计算量大，而且多具有面向邻域的特点。
gis空间索引方法述评
gis空间索引方法述评GIS空间索引方法是GIS技术中的重要组成部分，它可以帮助我们快速地查找和处理空间数据。
目前，常用的GIS空间索引方法主要有四种：网格索引、四叉树索引、R树索引和kd树索引。
下面将对这四种方法进行详细的述评。
一、网格索引网格索引是一种简单而直观的GIS空间索引方法，它将空间数据划分为若干个网格，每个网格都有一个唯一的标识符。
当需要查找某个空间对象时，只需要找到它所在的网格即可。
网格索引的优点是实现简单，查询速度快，适用于数据量较小的情况。
但是，网格大小的选择会影响查询效率，而且对于空间数据分布不均匀的情况，网格索引的效果并不理想。
二、四叉树索引四叉树索引是一种基于树结构的GIS空间索引方法，它将空间数据划分为四叉树，每个节点代表一个矩形区域。
四叉树的每个节点都有四个子节点，分别代表该节点所代表的矩形区域的四个象限。
当需要查找某个空间对象时，只需要从根节点开始遍历四叉树，直到找到包含该对象的叶子节点。
四叉树索引的优点是查询效率高，适用于数据量较大的情况。
但是，四叉树索引的构建和维护比较复杂，而且对于空间数据分布不均匀的情况，四叉树索引的效果也不理想。
三、R树索引R树索引是一种基于树结构的GIS空间索引方法，它将空间数据划分为R树，每个节点代表一个矩形区域。
R树的每个节点都有若干个子节点，每个子节点代表一个矩形区域。
当需要查找某个空间对象时，只需要从根节点开始遍历R树，直到找到包含该对象的叶子节点。
R 树索引的优点是查询效率高，适用于数据量较大的情况。
而且，R树索引的构建和维护相对于四叉树索引来说更加简单。
但是，R树索引的查询效率并不稳定，对于空间数据分布不均匀的情况，R树索引的效果也不理想。
四、kd树索引kd树索引是一种基于树结构的GIS空间索引方法，它将空间数据划分为kd树，每个节点代表一个超矩形区域。
kd树的每个节点都有两个子节点，分别代表该节点所代表的超矩形区域的左右两个子区域。