基于RS和GIS技术的龙口市土地利用时空变化监测与分析

徐秋晓1 于明洋2

（1山东省地矿工程勘察院，济南250014；2山东建筑大学土木工程学院，济南250101）

作者简介：徐秋晓（1979—），女，助理工程师，主要从事遥感、水文地质、环境地质勘查工作。

摘要：遥感技术与地理信息系统技术的发展，为研究全球变化和可持续发展提供了信息源和技术手段。而土地利用作为地球表层系统最突出的景观标志，其变化是近年来全球变化研究的重要领域。本文以山东省龙口市作为研究区，应用基于遥感影像综合理解模型的龙口市土地利用/土地覆盖分类方法，建立地学规律知识库，提取不同时期的土地利用类型。最后利用地学信息图谱监测与分析土地利用的时空变化。

关键词：土地利用；遥感影像；地学辅助信息；信息图谱

遥感技术与地理信息系统技术的发展，为研究全球变化和可持续发展提供了信息源和技术手段。而土地利用作为地球表层系统最突出的景观标志，其变化是近年来全球变化研究的重要领域。只有对土地利用时空变化进行监测与分析，更好地了解土地利用变化的过程和机制，并且通过调整人类社会经济活动，促使土地利用更趋合理，保证国家宏观战略决策的针对性、有效性，才能达到土地资源可持续利用的目的。龙口市作为我国沿海对外开放较早的城市，其土地利用变化具有代表性。

1 研究区概况

龙口市位于胶东半岛西北部，东与蓬莱市接壤，南与栖霞、招远市毗连，西、北濒临渤海；全境东西最大横距4608km，南北最大纵距3743km；土地总面积（含桑岛、依岛）89332km2。

本次研究区范围以1∶10000 地形图矢量化生成的研究区边界对遥感影像进行裁剪所得，作为遥感数据信息，面积共8921745hm2（不含桑岛、依岛）。

2 基于遥感影像综合理解模型的龙口市土地利用/土地覆盖分类

影像理解是研究通过计算机系统来解释图像，从而实现类似人类视觉系统理解外部世界的一门学科。在影像理解系统中，存在两项基本的任务：从输入图像中提取出与模型相适应的图像结构或线索，而后完成输入图像中图像结构与模型中目标的正确影射（周成虎，1999）。影像理解不同于模式识别，模式识别通常按预先规定的测量集对对象作简单的分类，而影像理解则要对影像作出描述和解释，需要涉及不同处理层次实体间的相互作用（王润生，1994）。

针对土地利用/土地覆盖的分类特点，本文构筑了基于GIS信息的遥感影像综合理解模型。模型分为两个过程，即遥感影像理解过程和地理信息系统处理过程，两个过程的具体内容为：

（1）遥感影像理解过程，主要完成遥感影像的前期理解过程，包括以下几个过程：

1）遥感影像预处理：包括图像格式转换，图像纠正和图像增强变换等。图像格式转换完成遥感影像到REDAS软件系统处理格式的转换（﹡img）；图像纠正完成遥感影像的大气校正、几何纠正、辐射增强以及遥感影像的匹配、镶嵌等；遥感影像信息增强和变换处理可以突出相关的专题信息，本次使用方法主要有线性拉伸、K-T空间变换、边界增强等。

2）与地学辅助信息的配准：主要完成遥感影像与地学辅助信息（各类专题GIS数据主要是坡度和高度）的坐标、投影系统转换，使得遥感影像与所采用的辅助地学信息纳入到统一坐标与投影系统下。

3）“训练区”选择与计算：通过对遥感影像信息特征的初步理解，同时结合地学辅助信息以及实地考察，确定样本“训练区”。“训练区”要有典型性与可分性，确定“训练区”后，对“训练区”数据进行计算，确定样本的统计信息（均值、最大最小值、方差矩阵、协方差矩阵等）。

本次提取的土地利用类型为六大种类型，即建筑用地、耕地、水域、园地、林地和未利用地，采用AOI扩展方式进行训练区选择，运用此种方法进行训练区选择时，初始种子（seed pixel）和光谱距离的阈值非常重要，任一训练区初始种子和光谱距离的阈值经多次实验后才能确定。不同地类这两个参数是不一样的，一般在选取了2～3个训练区后，观看报警掩膜的情况，即时对这两个参数进行修改和调整。增加训练区时，及时将报警掩膜和以前的报警掩膜叠加，判断样本数据的质量变化情况，并做出调整，直至报警掩膜和实际地类比较符合时，即认为这一类的训练区选择完毕。一种地类训练完毕，需要对最终的训练区作一个整体的分析，保证光谱的纯度。

（2）地理信息系统处理过程，在GIS系统支持下，完成地学辅助信息的处理，主要包括以下过程：

1）专题信息导入与预处理：通过地面调查或专家知识经验，收集地学辅助信息（包括各类专题信息、统计资料等），导入到GIS系统中，完成辅助信息的前期预处理，包括各类矢量数据的数字化、编辑、拓扑关系的建立等，统计数据的整理与地学编码、统计数据的空间化等工作。

2）辅助数据的生成：利用前期处理好的辅助数据，进行各类数据的格式转换，如矢量数据的栅格化，点状统计数据插值（IDW/Kriging等方法）生成面状数据；最后统一坐标与投影系统，达到与遥感数据的配准。

3）建立各类地学辅助因子数据库：GIS软件支持下，基于前面生成的各类辅助数据，建立专题数据库，形成地学辅助因子数据库。

（3）知识库的生成过程，建立专家知识库，主要是地学规律知识库，包括以下过程：

1）知识获取：通过对照遥感影像，进行野外考察，针对各类有代表性的影像特征对该地区所有地貌条件下的土地利用/土地覆盖状况、植被分布、生态环境条件进行实地考察，获取各类实践知识。

2）知识库生成：对获取的知识进行整理，从总体上归纳出各类规律，形成知识规则，最后通过对“训练区”的数据不断训练，修改和调试知识规则，形成地学规律知识库。

土地覆盖/土地利用类型对高程有明显的依赖关系。对研究区已有的土地利用现状图分析，建筑用地、园地主要分布在海拔300m以下；耕地绝大部分分布在海拔150m以下；林地的分布范围较广，不同海拔都有分布，分布在10m以下的林地主要是沿海防护林和公路绿化林地。350m以上的海拔，只有林地分布，没有其他地类。

坡度数据可以用于区别某些土地覆盖/土地利用类型。根据实地考察结果和对地形图、已有土地利用现状图的分析，建筑用地、水浇地、园地主要分布在坡度小于20 °区域，坡度大于10 °时很少有水浇地。所以，遥感数据的光谱特征同样表现为绿色植被，难以判断是水浇地还是林地时，坡度数据是一个有价值的参数。以下是几种地类与高程和坡度的详细关系。

在本次的分类知识库，专家规则采用下面的基本形式来表达：

IF（条件）THEN（结论），Confidence（结论可信度）

其中可信度的值域为［0，1］，值为0 时，完全排除当前像元为所给类别的可能性；当取值为1时，维持像元原始可信度，且表示当前结论永远成立。可信度可以根据地学经验或专家打分等方法来确定。

知识的表示与知识库的构造要结合地学问题的研究特点。通过不断修改和调试知识库，使影像解译结果基本达到人工目视解译的效果。当可信度的值为0时，则排除了当前像元为（结论）所给出的类别的可能性；而当取值为1 时，已有可信度值不该变。这种表示方法，不但考虑到了遥感影像解译的特点，而且明显地减少了知识库中规则的数量。这对于大数据量的遥感数据处理是极其重要的。下面给出规则库中的规则：

IF VALUE ＝1 DEM ＜300 AND SLOPE ＜20 THEN 建筑用地 CF ＝1

IF VALUE ＝2 DEM ＜50 AND SLOPE ＜10 THEN 水浇地 CF ＝1

I VALUE ＝3 THEN 水域 CF ＝1

IF VALUE ＝4 DEM ＜300 AND SLOPE ＜20 THEN 旱地 CF ＝1

IF VALUE ＝5 DEM ＜300 AND SLOPE ＜20 THEN 园地 CF ＝1

IF VALUE ＝6 THEN 林地 CF ＝1

ELSE IF DEM＞＝300 OR SLOPE＞＝20 THEN 林地 CF ＝1

ELSE IF 50＝＜DEM＜＝250 AND 10＝＜SLOPE＜20 THEN 园地 CF＝05

ELSE 林地 CF ＝1

本次分类结果精度评价采用分层随机采样法，主要参考龙口市土地利用现状图，同时结合目视判读的结果以及现场验证，对两个时期的分类结果进行精度评价。各时期的遥感分类结果直接参照同年的土地利用现状图进行精度验证。由于遥感分类体系与土地利用现状的分类体系有一定差异，因此，在进行随机采样之前，将遥感分类图像的土地利用类型和土地利用现状的分类进行适当统一。然后分别对每期遥感分类结果选取300个样本点，并保证每类有10个以上的样点，用基于误差矩阵的精度评价方法，对龙口市1989年和2003年的分类结果进行评价。实用Kappa系数计算表明1989年和2003年龙口市土地利用TM遥感分类结果的总体精度和使用者精度都在75%以上，Kappa系数也都在08以上，达到最低允许判别精度07的要求。这些表明了龙口市两期图像的土地利用遥感分类结果均比较理想，各地类的分类精度也较高。

3 龙口市土地利用时空变化分析

随着地球信息科学的兴起与发展，人们可获取的资源的极大丰富以及信息处理技术的极大提高，尤其是动态可视化技术获得新的突破。在此需求与技术背景下，陈述彭先生倡导在传统地学图谱的基础上开展地学信息图谱的探讨与研究。地学信息图谱是地学图谱在地球信息科学基础上的自然延伸，是按照一定指标递变规律或分类体系排列的一组能够反映地学空间信息规律的数字地图、图表、曲线或图像。地学信息图谱是“图”与“谱”的结合，兼有图形与谱系的双重特征。

本文所采用土地利用图谱分析模型包括两部分内容：①转移矩阵，从中可以看出各个时序单元土地利用变化的主要类型以及各地类的补给来源。②不同时序单元内土地利用图谱分析，考察图谱单元的空间组合与时空位移。

31 转移矩阵

转移矩阵对于分析土地利用类型之间的流向具有重要作用，它不仅可以定量说明土地利用类型之间的相互转化状况，而且可以揭示不同景观类型间的转移概率，从而可以更好地了解土地利用的时空演变过程。转移矩阵包括转移面积矩阵、概率矩阵。

表1 1989～2003年土地利用转移矩阵（单位：hm2）

注：R为各土地利用类型的转移比例（%）。

从表1可以看出，在1989年至2003年，建筑用地发生用途流转面积为48761hm2，占初始建筑用地面积的比率为362%，不存在明显流向。耕地发生用途流转面积为1763240hm2，占初始耕地面积的比率为 4985%，主要流向是园地，该流向1383582hm2，占初始耕地面积的比率为3911%，其次是建筑用地，该流向350877hm2，占初始耕地面积的比率为992%。水域发生用途流转面积为49292hm2，占初始水域面积的比率为872%，主要流向是园地和林地，共占初始水域面积的比率为64%。园地发生用途流转面积为131662hm2，占初始园地面积的比率为789%，主要流向是建筑用地，该流向 75925hm2，占初始园地面积的比率为 455%。林地发生用途流转面积为140545hm2，占初始林地面积的比率为 1045%，主要流向是建筑用地，该流向62464hm2，占初始林地面积的比率为 466%。未利用地发生用途流转面积为215874hm2，占初始未利用地面积的比率为 4724%，主要流向是园地，该流向130685hm2，占初始未利用地面积的比率为2860%，其次是流向林地和建筑用地，共占初始未利用地面积的比率为1289%。

32 土地利用信息图谱

在图谱中，共有36类图谱单元，即土地利用变化类型，其中有30类显示为土地利用类型发生了变化，占研究区总面积的2634%。为了更简单明了地读取土地利用类型流转的主要方向，认识土地利用变化的主要特征，将该30类变化的图谱单元按照面积大小进行排序，计算各类图谱单元的转换面积百分率和累计转换百分率，统计其中涵盖变化总面积的9204%的10类图谱单元，得到1989～2003年土地利用主要图谱单元类型的面积排序表（表2）。

表2 1989～2003年土地利用主要图谱单元类型的面积排序表

从表2可以看出，龙口市在1989～2003年间土地利用变化最显著的结构特征是耕地向园地的转化，该流向的耕地面积共1383582hm2，占到整个变化面积的5889%。其次是耕地向建筑用地的转化，面积为350877hm2，占到整个变化面积的1493%。再次是未利用地向园地的转化，面积为130685 hm2，占到整个变化面积的556%。可以看出，研究时段内龙口市的土地利用类型主要是流向建筑用地和园地。

4 结论

（1）本研究利用陆地卫星资料ETM＋对龙口市土地利用进行了时空监测与分析，取得了较好的效果；但是ETM＋的影像分辨率较低，它主要是反映一些综合的地类信息，对于一些土地利用图斑较为破碎，用地类型交错复杂的地区，其地物提取就有一定的难度，因此在土地利用变化的详细监测上就有所欠缺。在今后的研究中，应结合高分辨率卫星影像进行研究，积极探求新的动态监测方法以充分利用这些高分辨率的遥感数据来获得更可靠准确的区域土地利用变化信息。

（2）如何充分地利用地理信息系统空间数据库提供的丰富的地理辅助数据，进而自动发现知识，并融合多尺度、多时相的高分辨率的遥感数据，建立灵活高效的推理机制，从而完成遥感影像的专题信息自动提取，是需要进一步的研究方向。

（3）“地学信息图谱”是一新兴的学术思想，目前还处于认识阶段，对它的理解尚不很成熟，需要更多的学者和更多的研究工作来完善对其的认识。本文利用遥感技术开展土地利用演化与发展的信息图谱研究，来反演时空变化，进而认识客观世界，揭示和再现过去，是一先进可行的技术途径。

（4）研究结果表明龙口市在1998～2003年间，土地利用方式相互转化较为频繁，变化强度大，矛盾非常突出。主要表现为耕地的不断减少，园地和建筑用地持续增长；其主要流向是从耕地流向园地和建筑用地。这些变化造成了龙口市耕地质量下降和利用程度加强，给耕地保护带来了巨大压力。因此，土地管理部门应该从宏观决策上给予重视，处理好社会经济发展与土地后备资源储备的关系实施可持续发展。

参考文献

陈述彭2001地学信息图谱探索研究商务印书馆

李小英，彭望碌，曹彤2002土地利用演化信息图谱的研究——以北京市顺义县为例地球信息科学，2：（58～63）

齐清文，池天河2001地学信息图谱的理论和方法地理学报，56（增刊）：8～18

术洪磊，毛赞猷1997GIS辅助下的基于知识的遥感影像分类方法研究——以土地覆盖土地利用类型为例测绘学报，11（4）

叶庆华2001黄河三角洲土地利用/土地覆盖变化的时空复合模式研究中国科学院地理科学与资源研究所博士学位论文

周成虎，骆剑承，杨存建，刘庆生2001遥感影像地学理解与分析科学出版社，180～240

Lucas I F J，Frans J M，Wel V D1994Accuracy assessment of satellite derived land-cover data：a reviewPhotogrammetric Engineering and Remote Sensing，60（4）：410～432

金融数学

21世纪数学技术和计算机技术一样成为任何一门科学发展过程中的必备工具。美国花旗

银行副总裁柯林斯（Collins）1995年3月6日在英国剑桥大学牛顿数学科学研究所的讲演

中叙述到：“在18世纪初，和牛顿同时代的著名数学家伯努利曾宣称：‘从事物理学研

究而不懂数学的人实际上处理的是意义不大的东西。’那时候，这样的说法对物理学而

言是正确的，但对于银行业而言不一定对。在18世纪，你可以没有任何数学训练而很好

地运作银行。过去对物理学而言是正确的说法现在对于银行业也正确了。于是现在可以

这样说：‘从事银行业工作而不懂数学的人实际上处理的是意义不大的东西’。”他还

指出：花旗银行70%的业务依赖于数学，他还特别强调，‘如果没有数学发展起来的工具

和技术，许多事情我们是一点办法也没有的……没有数学我们不可能生存。”这里银行

家用他的经验描述了数学的重要性。在冷战结束后，美国原先在军事系统工作的数以千

计的科学家进入了华尔街，大规模的基金管理公司纷纷开始雇佣数学博士或物理学博士

。这是一个重要信号：金融市场不是战场，却远胜于战场。但是市场和战场都离不开复

杂艰深，迅速的计算工作。

然而在国内却不能回避这样一个事实：受过高等教育的专业人士都可以读懂国内经济类

，金融类核心期刊，但国内金融学专业的本科生却很难读懂本专业的国际核心期刊《Jo

urnal of Finance》，证券投资基金经理少有人去阅读《Joural of Portfolio Manage

ment》，其原因不在于外语的熟练程度，而在于内容和研究方法上的差异，目前国内较

多停留在以描述性分析为主着重描述金融的定义，市场的划分及金融组织等，或称为描

述金融；而国外学术界以及实务界则以数量性分析为主，比如资本资产定价原理，衍生

资产的复制方法等，或称为分析金融，即使在国内金融学的教材中，虽然涉及到了标的

资产（Underlying asset）和衍生资产（Derivative asset）定价，但对公式提出的原

文证明也予以回避，这种现象是不合理的，产生这种现象的原因有如下几个方面：首先

，根据研究方法的不同，我国金融学科既可以归到我国哲学社会科学规划办公室，也可

以归到国家自然科学基金委员会管理科学部，前者占主要地位，且这支队伍大多来自经

济转轨前的哲学和政治学队伍，因此研究方法多为定性的方法。而西方正好相反，金融

研究方向的队伍具有很好的数理功底。其次是我国的金融市场的实际环境所决定。我国

证券市场刚起步，也没有一个统一的货币市场，投资者队伍主要由中小投资者构成，市

场投机成分高，因此不会产生对现代投资理论的需求，相应地，学术界也难以对此产生

研究的热情。

然而数学技术以其精确的描述，严密的推导已经不容争辩地走进了金融领域。自从1952

年马柯维茨（Markowitz）提出了用随机变量的特征变量来描述金融资产的收益性，不确

定性和流动性以来，已经很难分清世界一流的金融杂志是在分析金融市场还是在撰写一

篇数学论文。再回到Collins的讲话，在金融证券化的趋势中，无论是我们采用统计学的

方法分析历史数据，寻找价格波动规律，还是用数学分析的方法去复制金融产品，谁最

先发现了内在规律，谁就能在瞬息万变的金融市场中获取高额利润。尽管由于森严的进

入堡垒，数学进入金融领域受到了一定的排斥和漠视，然而为了追求利润，未知的恐惧

显得不堪一击。

于是，在未来我们可以想象有这样一个充满美好前景的产业链：金融市场--金融数学--

计算机技术。金融市场存在巨大的利润和高风险，需要计算机技术帮助分析，然而计算

机不可能大概，左右等描述性语言，它本质上只能识别由0和1构成的空间，金融数学在

这个过程中正好扮演了一个中介角色，它可以用精确语言描述随机波动的市场。比如，

通过收益率状态矩阵在无套利的情形下找到了无风险贴现因子。因此，金融数学能帮助

IT产业向金融产业延伸，并获取自己的利润空间

金融数学（Financial Mathematics），又称数理金融学、数学金融学、分析金融学，是利用数学工具 研究金融，进行数学建模、理论分析、数值计算等定量分析，以求找到金融学内在规律并用以指导实践。金融数学也可以理解为现代数学与计算技术在金融领域的应用，因此，金融数学是一门新兴的交叉学科，发展 很快，是目前十分活跃的前言学科之一。

金融数学是一门新兴学科，是“金融高技术 ”的重要 组成部分。研究金融数学有着重要的意义。 金融数学总的研究目标是利用我国数学界某些方面的优势，围绕金融市场的均衡与有价证券定价的数学理论进行深入剖析，建立适合我国国情的数学模型，编写一定的计算机软件，对理论研究结果进行仿真计算，对实际数据进行计量经济分析研究，为实际金融部门提供较深入的技术分析咨询。

金融数学主要的研究内容和拟重点解决的问题包括：

(1)有价证券和证券组合的定价理论

发展有价证券（尤其是期货、期权等衍生工具）的定价理论。所用的数学方法主要是提出合适的随机微分方程或随机差分方程模型，形成相应的倒向方程。建立相应的非线性Feynman一Kac公式，由此导出非常一般的推广的Black一Scho1es定价公式。所得到的倒向方程将是高维非线性带约束的奇异方程。

研究具有不同期限和收益率的证券组合的定价问题。需要建立定价与优化相结合的数学模型，在数学工具的研究方面，可能需要随机规划、模糊规划和优化算法研究。

在市场是不完全的条件下，引进与偏好有关的定价理论。

(2）不完全市场经济均衡理论（GEI）

拟在以下几个方面进行研究：

1．无穷维空间、无穷水平空间、及无限状态

2随机经济、无套利均衡、经济结构参数变异、非线资产结构

3．资产证券的创新（Innovation）与设计（Design）

4．具有摩擦（Friction）的经济

5．企业行为与生产、破产与坏债

6证券市场博奕。

（3）GEI 平板衡算法、蒙特卡罗法在经济平衡点计算中的应用， GEI的理论在金融财政经济宏观经济调控中的应用，不完全市场条件下，持续发展理论框架下研究自然资源资产定价与自然资源的持续利用。

目前国内开设金融数学本科专业的高等院校中，实力较强的有北京大学、复旦大学、浙江大学、山东大学、南开大学。

后来从事计算机工作很出色。金融数学将后来在银行、保险、股票、期货领域从事研究分析，或做这些领域的软件开发，具有很好的专业背景，而这些领域将来都很重要。

国内金融数学人才凤毛麟角

诺贝尔经济学奖已经至少3次授予以数学为工具分析金融问题的经济学家。北京大学金融数学系王铎教授说，但遗憾的是，我国相关人才的培养，才刚刚起步。现在，既懂金融又懂数学的复合型人才相当稀缺。

金融数学这门新兴的交叉学科已经成为国际金融界的一枝奇葩。刚刚公布的2003年诺贝尔经济学奖，就是表彰美国经济学家罗伯特·恩格尔和英国经济学家克莱夫·格兰杰分别用“随着时间变化易变性”和“共同趋势”两种新方法分析经济时间数列给经济学研究和经济发展带来巨大影响。

王铎介绍，金融数学的发展曾两次引发了“华尔街革命”。上个世纪50年代初期，马科威茨提出证券投资组合理论，第一次明确地用数学工具给出了在一定风险水平下按不同比例投资多种证券收益可能最大的投资方法，引发了第一次“华尔街革命”。1973年，布莱克和斯克尔斯用数学方法给出了期权定价公式，推动了期权交易的发展，期权交易很快成为世界金融市场的主要内容，成为第二次“华尔街革命”。

今天，金融数学家已经是华尔街最抢手的人才之一。最简单的例子是，保险公司中地位和收入最高的，可能就是总精算师。美国花旗银行副主席保尔·柯斯林著名的论断是，“一个从事银行业务而不懂数学的人，无非只能做些无关紧要的小事”。

在美国，芝加哥大学、加州伯克利大学、斯坦福大学、卡内基·梅隆大学和纽约大学等著名学府，都已经设立了金融数学相关的学位或专业证书教育。

专家认为，金融数学可能带来的发展应该凸现在亚洲，尤其是在金融市场正在开发和具有巨大潜力的中国。香港中文大学、科技大学、城市理工大学等学校都已推出有关的训练课程和培养计划，并得到银行金融业界的热烈响应。但中国内地对该项人才的培养却有些艰辛。

王铎介绍，国家自然科学基金委员会在一项“九五”重大项目中，列入金融工程研究内容，可以说全面启动了国内的金融数学研究。可这比马科威茨开始金融数学的研究应用已经晚了近半个世纪。

在金融衍生产品已成为国际金融市场重要角色的背景下，我国的金融衍生产品才刚刚起步，金融衍生产品市场几乎是空白。“加入 W TO后，国际金融家们肯定将把这一系列业务带入中国。如果没有相应的产品和人才，如何竞争？”王铎忧虑地说。

他认为，近几年，接连发生的墨西哥金融危机、百年老店巴林银行倒闭等事件都在警告我们，如果不掌握金融数学、金融工程和金融管理等现代化金融技术，缺乏人才，就可能在国际金融竞争中蒙受重大损失。我们现在最缺的，就是掌握现代金融衍生工具、能对金融风险做定量分析的既懂金融又懂数学的高级复合型人才。

据悉，目前国内不少高校都陆续开展了与金融数学相关的教学，但毕业的学生远远满足不了整个市场的需求。

王铎认为，培养这类人才还有一些难以逾越的障碍———金融数学最终要运用于实践，可目前国内金融衍生产品市场还没有成气候，学生很难有实践的机会，教和学都还是纸上谈兵。另外，高校培养的人大多都是本科生，只有少量的研究生，这个领域的高端人才在国内还是凤毛麟角。国家应该更多地关注金融和数学相结合的复合型人才的培养。

王铎回忆，1997年，北京大学建立了国内首个金融数学系时，他曾想与一些金融界人士共商办学。但相当一部分人对此显然并不感兴趣：“什么金融衍生产品，什么金融数学，那都是国家应该 *** 心的事。”

尽管当初开设金融数学系时有人认为太超前，但王铎坚持，教育应该走在产业发展的前头，才能为市场储备人才。如果今天还不重视相关领域的人才培养，就可能导致我们在国际竞争中的不利。

记者发现即使今天，在这个问题上，仍然一方面是高校教师对于人才稀缺的担忧，一方面却是一些名气很大的专家对金融数学人才培养的冷漠。

采访中，记者多次试图联系几位国内金融数学界或金融理论界专家，可屡屡遭到拒绝。原因很简单，他们认为，谈人才培养这样的话题太小儿科，有的甚至说，“我不了解，也根本不关注什么人才培养”。还有的说，“我现在有很多课题要做，是我的课题重要，还是讨论人才培养重要”、“我没有时间，也没义务向公众解释什么诺贝尔经济学奖，老百姓要不要晓得金融数学和我没有关系”。

[编辑本段]金融中的数据挖掘

1什么是关联规则

在描述有关关联规则的一些细节之前，我们先来看一个有趣的故事： "尿布与啤酒"的故事。

在一家超市里，有一个有趣的现象：尿布和啤酒赫然摆在一起出售。但是这个奇怪的举措却使尿布和啤酒的销量双双增加了。这不是一个笑话，而是发生在美国沃尔玛连锁店超市的真实案例，并一直为商家所津津乐道。沃尔玛拥有世界上最大的数据仓库系统，为了能够准确了解顾客在其门店的购买习惯，沃尔玛对其顾客的购物行为进行购物篮分析，想知道顾客经常一起购买的商品有哪些。沃尔玛数据仓库里集中了其各门店的详细原始交易数据。在这些原始交易数据的基础上，沃尔玛利用数据挖掘方法对这些数据进行分析和挖掘。一个意外的发现是："跟尿布一起购买最多的商品竟是啤酒！经过大量实际调查和分析，揭示了一个隐藏在"尿布与啤酒"背后的美国人的一种行为模式：在美国，一些年轻的父亲下班后经常要到超市去买婴儿尿布，而他们中有30%～40%的人同时也为自己买一些啤酒。产生这一现象的原因是：美国的太太们常叮嘱她们的丈夫下班后为小孩买尿布，而丈夫们在买尿布后又随手带回了他们喜欢的啤酒。

按常规思维，尿布与啤酒风马牛不相及，若不是借助数据挖掘技术对大量交易数据进行挖掘分析，沃尔玛是不可能发现数据内在这一有价值的规律的。

数据关联是数据库中存在的一类重要的可被发现的知识。若两个或多个变量的取值之间存在某种规律性，就称为关联。关联可分为简单关联、时序关联、因果关联。关联分析的目的是找出数据库中隐藏的关联网。有时并不知道数据库中数据的关联函数，即使知道也是不确定的，因此关联分析生成的规则带有可信度。关联规则挖掘发现大量数据中项集之间有趣的关联或相关联系。Agrawal等于1993年首先提出了挖掘顾客交易数据库中项集间的关联规则问题，以后诸多的研究人员对关联规则的挖掘问题进行了大量的研究。他们的工作包括对原有的算法进行优化，如引入随机采样、并行的思想等，以提高算法挖掘规则的效率；对关联规则的应用进行推广。关联规则挖掘在数据挖掘中是一个重要的课题，最近几年已被业界所广泛研究。

2关联规则挖掘过程、分类及其相关算法

21关联规则挖掘的过程

关联规则挖掘过程主要包含两个阶段：第一阶段必须先从资料集合中找出所有的高频项目组(Frequent Itemsets)，第二阶段再由这些高频项目组中产生关联规则(Association Rules)。

关联规则挖掘的第一阶段必须从原始资料集合中，找出所有高频项目组(Large Itemsets)。高频的意思是指某一项目组出现的频率相对于所有记录而言，必须达到某一水平。一项目组出现的频率称为支持度(Support)，以一个包含A与B两个项目的2-itemset为例，我们可以经由公式(1)求得包含{A,B}项目组的支持度，若支持度大于等于所设定的最小支持度(Minimum Support)门槛值时，则{A,B}称为高频项目组。一个满足最小支持度的k-itemset，则称为高频k-项目组(Frequent k-itemset)，一般表示为Large k或Frequent k。算法并从Large k的项目组中再产生Large k+1，直到无法再找到更长的高频项目组为止。

关联规则挖掘的第二阶段是要产生关联规则(Association Rules)。从高频项目组产生关联规则，是利用前一步骤的高频k-项目组来产生规则，在最小信赖度(Minimum Confidence)的条件门槛下，若一规则所求得的信赖度满足最小信赖度，称此规则为关联规则。例如：经由高频k-项目组{A,B}所产生的规则AB，其信赖度可经由公式(2)求得，若信赖度大于等于最小信赖度，则称AB为关联规则。

就沃尔马案例而言，使用关联规则挖掘技术，对交易资料库中的纪录进行资料挖掘，首先必须要设定最小支持度与最小信赖度两个门槛值，在此假设最小支持度min_support=5% 且最小信赖度min_confidence=70%。因此符合此该超市需求的关联规则将必须同时满足以上两个条件。若经过挖掘过程所找到的关联规则「尿布，啤酒」，满足下列条件，将可接受「尿布，啤酒」的关联规则。用公式可以描述Support(尿布，啤酒)>=5%且Confidence(尿布，啤酒)>=70%。其中，Support(尿布，啤酒)>=5%于此应用范例中的意义为:在所有的交易纪录资料中，至少有5%的交易呈现尿布与啤酒这两项商品被同时购买的交易行为。Confidence(尿布，啤酒)>=70%于此应用范例中的意义为:在所有包含尿布的交易纪录资料中，至少有70%的交易会同时购买啤酒。因此，今后若有某消费者出现购买尿布的行为，超市将可推荐该消费者同时购买啤酒。这个商品推荐的行为则是根据「尿布，啤酒」关联规则，因为就该超市过去的交易纪录而言，支持了“大部份购买尿布的交易，会同时购买啤酒”的消费行为。

从上面的介绍还可以看出，关联规则挖掘通常比较适用与记录中的指标取离散值的情况。如果原始数据库中的指标值是取连续的数据，则在关联规则挖掘之前应该进行适当的数据离散化（实际上就是将某个区间的值对应于某个值），数据的离散化是数据挖掘前的重要环节，离散化的过程是否合理将直接影响关联规则的挖掘结果。

22关联规则的分类

按照不同情况，关联规则可以进行分类如下：

1基于规则中处理的变量的类别，关联规则可以分为布尔型和数值型。

布尔型关联规则处理的值都是离散的、种类化的，它显示了这些变量之间的关系；而数值型关联规则可以和多维关联或多层关联规则结合起来，对数值型字段进行处理，将其进行动态的分割，或者直接对原始的数据进行处理，当然数值型关联规则中也可以包含种类变量。例如：性别=“女”=>职业=“秘书” ，是布尔型关联规则；性别=“女”=>avg（收入）=2300，涉及的收入是数值类型，所以是一个数值型关联规则。

2基于规则中数据的抽象层次，可以分为单层关联规则和多层关联规则。

在单层的关联规则中，所有的变量都没有考虑到现实的数据是具有多个不同的层次的；而在多层的关联规则中，对数据的多层性已经进行了充分的考虑。例如：IBM台式机=>Sony打印机，是一个细节数据上的单层关联规则；台式机=>Sony打印机，是一个较高层次和细节层次之间的多层关联规则。

3基于规则中涉及到的数据的维数，关联规则可以分为单维的和多维的。

在单维的关联规则中，我们只涉及到数据的一个维，如用户购买的物品；而在多维的关联规则中，要处理的数据将会涉及多个维。换成另一句话，单维关联规则是处理单个属性中的一些关系；多维关联规则是处理各个属性之间的某些关系。例如：啤酒=>尿布，这条规则只涉及到用户的购买的物品；性别=“女”=>职业=“秘书”，这条规则就涉及到两个字段的信息，是两个维上的一条关联规则。

23关联规则挖掘的相关算法

1Apriori算法：使用候选项集找频繁项集

Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法。其核心是基于两阶段频集思想的递推算法。该关联规则在分类上属于单维、单层、布尔关联规则。在这里，所有支持度大于最小支持度的项集称为频繁项集，简称频集。

该算法的基本思想是：首先找出所有的频集，这些项集出现的频繁性至少和预定义的最小支持度一样。然后由频集产生强关联规则，这些规则必须满足最小支持度和最小可信度。然后使用第1步找到的频集产生期望的规则，产生只包含集合的项的所有规则，其中每一条规则的右部只有一项，这里采用的是中规则的定义。一旦这些规则被生成，那么只有那些大于用户给定的最小可信度的规则才被留下来。为了生成所有频集，使用了递推的方法。

可能产生大量的候选集,以及可能需要重复扫描数据库，是Apriori算法的两大缺点。

2基于划分的算法

Savasere等设计了一个基于划分的算法。这个算法先把数据库从逻辑上分成几个互不相交的块，每次单独考虑一个分块并对它生成所有的频集，然后把产生的频集合并，用来生成所有可能的频集，最后计算这些项集的支持度。这里分块的大小选择要使得每个分块可以被放入主存，每个阶段只需被扫描一次。而算法的正确性是由每一个可能的频集至少在某一个分块中是频集保证的。该算法是可以高度并行的，可以把每一分块分别分配给某一个处理器生成频集。产生频集的每一个循环结束后，处理器之间进行通信来产生全局的候选k-项集。通常这里的通信过程是算法执行时间的主要瓶颈；而另一方面，每个独立的处理器生成频集的时间也是一个瓶颈。

3FP-树频集算法

针对Apriori算法的固有缺陷，J Han等提出了不产生候选挖掘频繁项集的方法：FP-树频集算法。采用分而治之的策略，在经过第一遍扫描之后，把数据库中的频集压缩进一棵频繁模式树（FP-tree），同时依然保留其中的关联信息，随后再将FP-tree分化成一些条件库，每个库和一个长度为1的频集相关，然后再对这些条件库分别进行挖掘。当原始数据量很大的时候，也可以结合划分的方法,使得一个FP-tree可以放入主存中。实验表明，FP-growth对不同长度的规则都有很好的适应性，同时在效率上较之Apriori算法有巨大的提高。

3该领域在国内外的应用

3．1关联规则发掘技术在国内外的应用

就目前而言，关联规则挖掘技术已经被广泛应用在西方金融行业企业中，它可以成功预测银行客户需求。一旦获得了这些信息，银行就可以改善自身营销。现在银行天天都在开发新的沟通客户的方法。各银行在自己的ATM机上就捆绑了顾客可能感兴趣的本行产品信息，供使用本行ATM机的用户了解。如果数据库中显示，某个高信用限额的客户更换了地址，这个客户很有可能新近购买了一栋更大的住宅，因此会有可能需要更高信用限额，更高端的新xyk，或者需要一个住房改善贷款，这些产品都可以通过xyk账单邮寄给客户。当客户打电话咨询的时候，数据库可以有力地帮助电话销售代表。销售代表的电脑屏幕上可以显示出客户的特点，同时也可以显示出顾客会对什么产品感兴趣。

同时，一些知名的电子商务站点也从强大的关联规则挖掘中的受益。这些电子购物网站使用关联规则中规则进行挖掘，然后设置用户有意要一起购买的捆绑包。也有一些购物网站使用它们设置相应的交叉销售，也就是购买某种商品的顾客会看到相关的另外一种商品的广告。

但是目前在我国，“数据海量，信息缺乏”是商业银行在数据大集中之后普遍所面对的尴尬。目前金融业实施的大多数数据库只能实现数据的录入、查询、统计等较低层次的功能，却无法发现数据中存在的各种有用的信息，譬如对这些数据进行分析，发现其数据模式及特征，然后可能发现某个客户、消费群体或组织的金融和商业兴趣，并可观察金融市场的变化趋势。可以说，关联规则挖掘的技术在我国的研究与应用并不是很广泛深入。

3．2近年来关联规则发掘技术的一些研究

由于许多应用问题往往比超市购买问题更复杂，大量研究从不同的角度对关联规则做了扩展，将更多的因素集成到关联规则挖掘方法之中，以此丰富关联规则的应用领域，拓宽支持管理决策的范围。如考虑属性之间的类别层次关系，时态关系，多表挖掘等。近年来围绕关联规则的研究主要集中于两个方面，即扩展经典关联规则能够解决问题的范围，改善经典关联规则挖掘算法效率和规则兴趣性。

金融工程的定义

关于金融工程的定义有多种说法，美国金融学家约翰·芬尼迪(John Finnerty)提出的定义最好：金融工程包括创新型金融工具与金融手段的设计、开发与实施，以及对金融问题给予创造性的解决。

金融工程的概念有狭义和广义两种。狭义的金融工程主要是指利用先进的数学及通讯工具，在各种现有基本金融产品的基础上，进行不同形式的组合分解，以设计出符合客户需要并具有特定P／L性的新的金融产品。而广义的金融工程则是指一切利用工程化手段来解决金融问题的技术开发，它不仅包括金融产品设计，还包括金融产品定价、交易策略设计、金融风险管理等各个方面。本文采用的是广义的金融工程概念。

[编辑本段]金融工程的核心内容

金融工程中，其核心在于对新型金融产品或业务的开发设计，其实质在于提高效率，它包括：

1新型金融工具的创造，如创造第一个零息债券，第一个互换合约等；

2已有工具的发展应用，如把期货交易应用于新的领域，发展出众多的期权及互换的品种等；

3把已有的金融工具和手段运用组合分解技术，复合出新的金融产品，如远期互换，期货期权，新的财务结构的构造等。

[编辑本段]金融工程的运作程序

金融工程的运作具有规范化的程序:诊断—分析—开发—定价—交付使用，基本过程程序化。

其中从项目的可行性分析，产品的性能目标确定，方案的优化设计，产品的开发，定价模型的确定，仿真的模拟试验，小批量的应用和反馈修正，直到大批量的销售、推广应用，各个环节紧密有序。大部分的被创新的新金融产品，成为运用金融工程创造性解决其他相关金融财务问题的工具，即组合性产品中的基本单元。

精算学

精算学在西方已经有三百年的历史，它是一门运用概率论等数学理论和多种金融工具，研究如何处理保险业及其他金融业中各种风险问题的定量方法和技术的学科，是现代保险业、金融投资业和社会保障事业发展的理论基础。

精算是一门运用概率数学理论和多种金融工具对经济活动进行分析预测的学问。在西方发达国家，精算在保险、投资、金融监管、社会保障以及其他与风险管理相关领域发挥着重要作用。精算师是同"未来不确定性"打交道的，宗旨是为金融决策提供依据。

精算师

唐先明1，2　曲寿利1　雷新华2

（1中国石化石油勘探开发研究院，北京100083；2中国地质大学（北京），北京100083）

摘要 在分析目前石油领域三维可视化技术应用局限性的基础上，给出了全球三维可视化系统构建流程和数据组织管理模式。以ArcSDE作为空间数据引擎，利用Oracle 10g建立四川盆地油气勘探海量空间数据库，基于三维可视化软件平台Skyline TerraSuite，利用功能强大的三维可视化开发平台TerraDeveloper，设计、开发基于全球三维模型的油气勘探信息集成管理平台。通过集成基础地理数据库、区域地质数据库、地面工程数据库、遥感影像库、地层数据库、断层数据和测井数据，该系统不仅提供了强大的油气勘探基础数据管理、三维地形建模以及模型的可视化功能，还为专业技术人员提供了一个可视化的分析、设计平台。

关键词 四川盆地 三维可视化 三维地理信息系统 油气勘探 全球导航

Application and Research of 3D Visualization Technique to Petroleum Exploration Information Management in Sichuan Basin

TANG Xian-ming1，2，QU Shou-li1，LEI Xin-hua2

（1Exploration ＆ Production Research lnstitute，SlNOPEC，Beijing100083；2China University of Geosciences，Beijing100083）

Abstract Based on the analysis of the current shortcomings of 3D visualization application in the fields of petroleum，the paper introduces the construction process and data structure of global 3D visualization systemBy using ArcSDE as engine of spatial data and Oracle 10g，“Petroleum exploration geodatabase of Sichuan Basin”is establishedBased on Skyline Terra Developer，the software system“3D petroleum exploration data management and integration platform based on 3D global model”is designed and establishedBy integrating geographical database，areal geology database，surface engineering database，remote sensing image database，stratigraphical database，fault data，logging database with 3D terrain modeling，the system realize such functions as data management for petroleum exploration，3D terrain modeling and the visualization of 3D geological modelIt is a visualization platform that assists the design and analysis for the geologists and the technologists

Key words Sichuan basin 3D visualization 3D geographic information system petroleum explorationglobal navigation

随着计算机图形图像软硬件技术的迅猛发展，三维地形可视化技术在越来越多的领域得到了广泛的应用，构建一个为多种专业人员提供共同工作、研究与交流的三维实时交互的虚拟全球地理环境逐渐由梦想成为现实。三维可视化技术在石油工业中已得到高度重视和普及应用，它充分利用了三维地震信息和地震属性，以人们易于感知的三维图形对各种复杂数据场和数据关系进行描述。

油气勘探是通过采用不同的技术手段采集各种野外原始地质资料，并经处理、解释形成成果资料，进而采用各种科学方法进行盆地评价、圈闭评价和油气储藏评价，开展勘探规划部署、井位设计和地质综合研究工作，完成勘探科研和生产任务。在油气勘探过程中，各油田企业积累了海量的、异构的、多源的地理数据、勘探基础数据和成果数据，这些信息的综合应用对指导油田生产具有很重要的意义。利用三维GIS技术，基于“数字地球”将地表地理信息与地下地质信息一体化管理，构建一个分析、决策、规划及实施油气勘探开发研究的三维实时交互共享工作平台，能够有效地评估潜在的石油资源，及时、准确、直观地定位油气资源的空间分布及其特征，正确有效地开展部署勘探开发工作。

1 三维可视化技术的应用现状

迄今为止，三维地形的可视化技术分为两种，一种是面绘制技术，另一种是体绘制技术。在地质研究工作中，主要是采用体绘制技术。三维地学模拟主要包括两大部分内容，即三维地质建模和可视化，其中前者是后者的基础，后者是前者的表现［1］。目前，在三维地震数据的可视化方面，已有多种成熟的商业软件系统推出，国外的有 EarthCube，Geoviz，gOcad，VoleGeo等，国内的有石油物探局的3DV和双狐公司的三维地震微机解释系统等。这些软件涉及地质建模、地震勘探、开采评估、矿床模拟、规划设计和生产管理等领域，在功能上各有千秋，很难说哪一个更先进［2，3］。但是，它们主要是面向地质领域的专用系统，基于局部区域而非全球区域，对海量基础地理数据与遥感影像数据等的支持也较弱。基于这种情况，本文采用面向对象的程序开发语言Visual C＃，基于优秀的国外三维可视化软件平台Skyline，设计并开发基于全球三维模型的空间数据管理平台，集成管理四川盆地区域内海量的、异构的、多源、多尺度的基础地理数据、油气勘探基础数据和成果数据、遥感影像，实现流畅的油气勘探的三维地形展示和地质分析。

2 系统开发技术背景与基本流程

随着地学应用的深入，人们越来越多地要求基于全球角度和真三维空间来认知世界和处理问题。但三维空间是复杂的，包含的信息是海量的，需要集成三维可视化与三维空间对象管理功能，同时由于三维应用的巨大差异，必须采用开放体系结构，实现用户定制功能。基于这种认识，Skyline TerraSuite在提供一般三维空间数据模型及其管理功能的基础上，允许针对特定应用领域动态扩展建模及分析功能插件，以适应特定的三维应用。整个TerraSuite软件体系如图1所示。

系统的实现分为4部分：地球三维场景构建、中心数据库建立、定制三维可视化环境和场景驱动与应用定制。

图1 Skyline TerraSuite软件体系

21 地球三维场景构建

场景构建是将要模拟的场景和对象通过数学方法表达成存储在计算机内的三维图形对象的集合。场景构建分为以下步骤：

（1）DEM数据采集：收集工作区的各级比例尺等高线数据或各种分辨率的航空航天遥感影像立体像对，建立地域的数字高程模型（DEM）。

（2）DOM数据生成：利用地面控制点和DEM数据，对工作区的低、中、高分辨率遥感影像进行严密的精纠正后生成数字正射影像图（DOM）。

（3）DLG数据采集：收集工作区的各级比例尺地形图、野外数据采集，建立工作区的各级比例尺线划图（DLG）。

（4）GIS数据转换：将数据采集阶段获得的DLG数据通过GIS工具转换为TerraBuilder能够接受的数据格式。

（5）数据建模：对一些油田地面建筑物、地标、油井或其他油田设备在3D MAX或MultiGen或TerraBuilder中进行建模。

（6）地球三维场景构建：将以上各种数据，导入到TerraBuilder中，创建一个现实影像的、地理的、精确的地球三维模型（MPT文件）。

22 中心数据库建立

基于全球三维模型的油气勘探信息集成管理平台是一个高度集成的应用系统，系统建设过程中必须充分考虑系统涉及的多专业图形、属性、影像、文字资料数据的一体化集成、系统数据库与系统软件功能的集成以及系统与网络环境的集成等关键问题。为实现功能的集成与扩展，考虑石油勘探开发数据的区域性、多维性、时序性、海量和异构的特点，拟采用大型商用关系数据库Oracle10g和空间数据引擎ArcSDE集中管理这些海量数据，建立数据中心，易于解决数据共享、网络化集成、并发控制、跨平台运行及数据安全恢复机制等方面的难题。

23 定制三维可视化环境

在全球三维场景的基础上，可以叠加自己关心的专题信息，通过与数据库的接口，还能集成中心数据库存放的地表、地下多维、动态空间信息，从而创建一个令人激动的交互式三维可视化环境，来突出一个地区的特征，显示其功能、相互关系以及从一个独特的视点展示该地区。

24 场景驱动与应用定制

（1）三维可视化程序：通过API接口直接调用所建立的三维可视化环境，也可以根据三维场景的参数生成实时场景，动态加载图层，有助于对空间数据相互关系的直观理解。

（2）三维空间查询与交互：直接在三维可视化环境下，对存放在中心数据库的各种数据和场景实体提供交互式查询等 *** 作，以提供一个动态的环境，为进一步空间决策服务。

（3）应用定制：利用TerraDeveloper软件开发包提供的各种ActiveX控件，可以构建自己的面向三维的应用程序，实现与其他系统的应用集成［4］。

3 系统总体设计

31 系统体系结构

根据系统的功能需求，系统在技术上要求具有业务变化的适应性、高度的安全性和大容量数据存储处理等特点，因而在系统的技术框架中采用了3 层B（C）/AS/DS结构。与此同时，考虑到系统与其他专业系统之间的集成，拟采用基于SOA（面向服务架构）和Web Services（Web服务）技术的应用集成技术，构建基于“数字地球”的地表地理信息与地下地质信息一体化管理服务平台。整个系统的体系结构如图2所示。

32 系统数据的组织形式

系统数据的组织形式是可视化系统的关键，其优劣将直接影响到场景绘制的效率。在基于全球三维模型的空间数据管理平台中，主要包括3部分数据：①场景数据，即场景环境包含的地形信息，通过影像处理而成，包含在mpt文件中；②对象图形数据，即油气勘探对象图形信息，是由3D MAX等三维图像处理软件处理而成的三维模型；③对象属性数据，即油气勘探属性信息。所有关于对象的信息包含在fly文件中，采用基于层（Layer）的面向对象的场景数据组织形式。目前，系统集成的四川盆地区域的数据层主要有：

（1）DLG——数字线划图：全区不同比例尺土地覆盖状况、植被、道路、水系、居民地等图层。

图2 基于全球三维模型的油气勘探数据管理平台系统结构

（2）DEM——数字高程模型：全区不同比例尺数字高程模型数据。

（3）DOM——数字正射影像：全区不同比例尺、不同分辨率的彩色正射影像。

（4）DRG——数字栅格图：全区不同比例尺地形图栅格数据。

（5）全国地名数据。

（6）1：200000地质图。

（7）勘探基础数据：测网、矿井、三维探区。

（8）勘探成果数据：地震异常、一类进积、二类进积、礁体、生物礁、滩和相带等。

（9）构造数据：断层、等值线等（宣汉、通南巴）。

（10）井位数据。

（11）地面工程数据：天然气管道、道路。

33 系统功能模块

基于全球三维模型的油气勘探信息管理与集成系统分为石油勘探数据管理、三维基本 *** 作、三维GIS导航查询、三维分析等模块。系统主界面如图3所示。

各个模块的具体功能如下：

（1）石油勘探数据管理：系统利用GIS技术、XML技术、空间数据库等技术对多尺度基础地理信息、勘探基础数据和成果数据、多分辨率遥感影像、各种图表和文字报告等地表地下信息进行一体化的存储和管理。实现了对地理底图、油气地质勘查所获取的资料和成果的录（导）入、转换、编辑及查询等功能。另外，系统还提供了目标实体超链接及关联服务，如与钻孔相关的试验表类属性数据与图形数据的关联存储管理功能，提供与钻孔相关的各种基本信息及试验结果等属性信息的查询等功能。

图3 基于全球三维模型的油气勘探数据管理平台系统界面

（2）三维基本 *** 作功能：在全球三维场景中，实现以下功能：

放大、缩小、平移、旋转等三维基本功能；

选择对象、使物体居中、环绕浏览对象；

飞行或者跳转到指定对象；

获得场景中任何一点的经纬度坐标和高程值；

场景的点对象、线对象，可以实现不依赖试图比例缩放；

提供场景的快照和打印输出功能。

（3）三维GIS导航查询：在全球坐标系统上实现基础地理信息、地质数据及勘探数据的立体定位导航分析。

全球任意点定位和导航；

二维三维联动功能；

测距、求积、高程和剖面生成；

地表实体三维建模及多种属性管理；

可定制飞行路径和视角的三维浏览功能。可自己制定飞行的路线或选择预定义飞行路线进行三维飞行（图4）。

（4）三维分析功能：

图4 基于全球三维模型的油气勘探数据管理平台设置飞行路径

测量功能：测量距离（水平、垂直和随地形起伏3种方式）、面积；

区域对象选择：可以进行多边形框选进行对象选择，并可获得选中区域内的对象集，可统计区域内的实体数并形成分类列表；

剖面观察：对所选地区场景进行剖面观察，可分析出地表起伏状况；

等高线绘制：用矩形框选出指定范围，可以显示出该范围等高线示意图，并可随意设定等高线显示方式；

最佳路径分析：根据给定的参数，如放样间隔、上升的最大坡度、下降的最大坡度、允许的放样宽度等信息，依据地形的走势，自动解算出最佳的放样线路；

视线分析：根据地面拾取两点系统可以自动计算两点间的通视情况；

视域分析：在场景中任选一点和视角范围可以进行视域可见分析；

空间分析：突发事件的地点，选择一定半径，利用分析工具可以作出整个目标点的空间范围，以提供决策。

4 系统应用扩展

基于全球三维模型的油气勘探信息管理与集成系统由于采用了组件技术、基于SOA（面向服务架构）和Web Services（Web服务）等技术，不仅提供了强大的地表与地下油气勘探信息数据管理、三维建模与模型的可视化、全球定位导航等功能，还可以进行系统扩展和专业系统集成，实现油气勘探开发的深度应用，如野外地质踏勘路径优选和工作安排、地震资料采集观测系统设计和优化、探井地面井场位置优选及工程测算、开发井位部署规划及钻前工程分析、油气集输地面工程设计及方案优化、目标区块水电路讯规划设计及优化、全球定位系统集成和油田现场服务等。

5 结论

三维可视化技术在国内、外已经趋于成熟，但基于全球三维模型的三维地理信息系统（GIS）刚刚起步，尤其是缺少针对地表与地下油气勘探信息三维一体化管理的经典模式和成熟经验。本文基于Skyline TerraDeveloper所设计、开发的全球三维油气勘探信息管理与集成系统，就是一个成功的实践，重点研究了虚拟现实环境下交互式地表地下油气勘探信息管理系统，给出了一种交互式虚拟现实全球导航平台的系统构成方案和原型系统。整个系统可靠性好、易于移植、便于维护，并具有很强的空间分析功能。结合三维地质建模及可视化系统的研究现状、相关技术的发展走向以及实际工程实践的应用需求，笔者认为，需要进一步探索、研究并解决以下问题：

（1）研究并实现现有的基于全球三维模型的空间数据集成管理平台的地上和地下三维一体化无缝集成与可视化功能。

（2）不断丰富与其他地震三维分析软件的接口。

（3）研究并开发基于VRML/X3D技术的网络三维可视化系统，能够为社会大众、专业技术人员和地质科学家提供更加普遍的支持和服务奠定基础。

参考文献

［1］Simon W Houlding3D Geoscience Modeling：Computer Techniques for Geological Characterization［M］Berlin：Springer-Verlag，1994

［2］朱良峰，潘信，吴信才三维地质建模及可视化系统的设计与开发［J］岩土力学，2006，27（5）：828～832

［3］姜素华，庄博，刘玉琴等三维可视化技术在地震资料解释中的应用［J］中国海洋大学学报（自然科学版），2004，34（1）：147～152

［4］Skyline Software System IncTerraDeveloper paper［EB/OL］［2007-6-1］>

地理信息系统（Geographic Information System，简称GIS）是20世纪60年代以来随着电子计算机技术的发展及其广泛应用，在地理学中发展起来的一种新的工作手段和方法。该学科是介于信息科学、空间科学和地球科学之间的交叉学科，它是计算机科学、遥感技术、信息工程和现代化地理学理论与方法的有机结合，是它们应用的进一步延伸和发展，是地理学的又一新进展。

一、地理信息与地理信息系统

地理信息是指表征地理系统诸要素的数量、质量、分布特征、相互联系和变化规律的数字、文字、图像和图形等的总称。从地理数据到地理信息的发展，是人类认识地理事物的一次飞跃。地球表面的岩石圈、水圈、大气圈和人类活动等是最大的地理信息源。地理科学的一个重要任务就是迅速地采集到地理空间的几何信息、物理信息和人为信息，并适时地识别、转换、存储、传输、再生成、显示、控制和应用这些信息。

地理信息属于空间信息，其位置的识别是与数据联系在一起的，这是地理信息区别于其他类型信息的最显著的标志。地理信息的这种定位特征，是通过经纬网或公路网建立的地理坐标来实现空间位置的识别；地理信息还具有多维结构的特征，即在二维空间的基础上实现多专题的第三维结构，而各个专题型实体型之间的联系是通过属性码进行的，这就为地理系统各圈层之间的综合研究提供了可能，也为地理系统多层次的分析和信息的传输与筛选提供了方便。地理信息的时序特征十分明显，因此可以按照时间尺度将地理信息划分为超短期的（如台风、地震）、短期的（如江河洪水、秋季低温）、中期的（如土地利用、作物估产）、长期的（如城市化、水土流失）、超长期的（如地壳变动、气候变化）等。地理信息的这种动态变化的特征，一方面要求地理信息的获取要及时，并定期更新；另一方面要从其自然的变化过程中研究其变化规律，从而作出地理事物的预测与预报，为科学决策提供依据。认识地理信息的这种区域性、多层次性和动态性变化的特征对建立地理信息系统，实现人口、资源、环境等的综合具有重要意义。

地理信息系统是以地理空间数据库为基础，在计算机软硬件的支持下，对空间相关数据进行采集、管理、 *** 作、分析、模拟和显示，并采用地理模型分析方法，适时提供多种空间和动态的地理信息，为地理研究和地理决策服务而建立起来的计算机技术系统。因此，地理信息系统具有以下三个方面的特征：

（1）具有采集、管理、分析和输出多种地理空间信息的能力。

（2）以地理研究和地理决策为目的，以地理模型方法为手段，具有空间分析、多要素综合分析和动态预测的能力，并能产生高层次的地理信息。

（3）由计算机系统支持进行空间地理数据管理，并由计算机程序模拟常规的或专门的地理分析方法，作用于空间数据，产生有用信息，完成人类难以完成的任务；计算机系统的支持是GlS的重要特征，它能使GIS得到快速、精确、综合地对复杂的地理系统进行空间定位和动态分析。

二、GIS的组成部分

地理信息系统是一种计算机技术系统，它由信息输入、存储、数据的分析处理和信息的输出等基本部分组成，并在计算机软、硬件支持下运行工作。各种组成在GIS中所起的作用不同，可以分为五个组成部分：

（1）计算机硬件：指GIS所需要的基本设备。这些设备用来存储、处理和显示。对象主要是数字地图或数字图像数据。

（2）计算机软件：包括机器运行所需的各种程序及有关资料，如 *** 作系统、编译程序、汇编程序、专用程序、GIS数据库管理系统、各种分析程序及使用分册、说明等。主要作用是完成各种GIS应有的 *** 作。

（3）数据：GIS研究所需要的各种地理空间数据，包括数字化了的地图数据、经过数字转换的图像数据、分析用的统计数据等等。

（4）过程：GIS工作时，为了得到问题的解答而执行的一步一步的动作。不少系统在执行时，为了方便用户使用目录选择方式，又称作点“菜单”方式，作哪个动作就点哪项；也有的系统使用命令方式，根据用户需要打入命令，由系统完成，可以一个命令做一个动作，也可以一个命令完成一系列动作，也就是命令过程。

（5）专家：了解GIS，知道怎样使用系统，这是最重要的。有些系统不能被人完全了解，因而不能发挥出全部作用，更不能进一步发展系统。创造GIS的工作量很大，常以“人年”作为计量工作的单位。

三、GIS的类型

（1）专题地理信息系统：是具有有限目标和专业特点的地理信息系统。为特定的专门的目的服务，如水资源管理信息系统、矿产资源信息系统、农作物估产信息系统、草场资源管理信息系统、水土流失信息系统、环境管理信息系统等。

（2）区域地理信息系统：主要以区域综合研究和全面信息服务为目标。可以有不同规模，如国家级的、地区或省级的、市级或县级等为各不同级别行政区服务的区域信息系统，也可以按自然分区或流域为单位建立区域信息系统。区域信息系统如加拿大国家信息系统、美国橡树岭地区信息系统、圣地亚哥县信息系统、中国黄河流域信息系统等。

（3）地理信息系统工具：它是一组具有图形图像数字化、存储管理、查询检索、分析运算和多种输出等地理信息系统基本功能的软件包。它们或者是专门研究的，或者是在完成实用地理信息系统后抽去具体的区域或专题的地理空间数据后得到的。这些软件适于用来作为地理信息系统支撑软件，以建立专题或区域性的实用性地理信息系统，也可以作教学软件。由于地理信息系统设计技术较高，而且重复编辑比较复杂的基础软件也造成人力的极大浪费，因此采用地理信息系统工具，无疑是建立实用地理信息系统的一条捷径。

四、资源与环境研究中的GIS

进入21世纪，中国的GIS事业发展迅速，GIS的作用日益被大众所认识，并蓬勃应用到各种领域中。人类正在进入以信息技术和空间技术应用为特征的新型信息时代。作为新兴技术科学的地理信息系统，从20世纪80年代末期以来已成为最活跃的信息产业之一。它涉及到GIS软件、硬件、数据、遥感与航空摄影、制图、野外数据采集、数据交换、系统集成和咨询等内容。其中，软件是GIS的技术核心，而从事软件开发和系统集成的公司或机构则往往成为GIS产业的主体。

早期GIS主要应用于自动制图、设施管理和土地信息系统（LIS），后来逐步扩展到资源与环境管理、森林清查、城市规划、市政管理、灾害监测与预测、科学研究和军事战略等众多领域。随着GIS技术的成熟，数据积累和应用环境的改善，它的应用范围不断扩展，应用程度不断深化。GIS在资源与环境研究中的应用主要表现在以下几个方面：

1资源清查与管理

资源的清查、管理和分析是GIS应用中趋于成熟而重要的领域，包括土地资源、森林资源和矿产资源的清查、管理，土地利用规划，野生动植物的保护等。资源清查是地理信息系统最基本的职能，这时系统的主要任务是将各种来源的数据汇集在一起，并通过系统的统计和覆盖分析功能，按多种边界和属性条件，提供区域多种条件组合形式的资源统计和资源状况分析，为资源的合理开发、利用和科学管理提供依据。

以土地利用类型为例，可以输出不同土地类型的分布和面积，按不同高程带划分的土地利用类型、不同坡度区内的土地利用现状、不同岩性引起的土地利用差异以及不同时期的土地利用变化等，为资源的合理利用、开发和科学管理提供依据。又如中国西南地区国土资源信息系统，设置了三个功能子系统，即数据库系统、辅助决策系统、图形系统。资源数据存储了1500多项300多万个。该系统提供了一系列资源分析与评价模型、资源预测预报及西南地区资源合理开发配置的资料。可绘制草场资源分布图、矿产资源分布图、各地县产值统计图、农作物产量统计图、交通规划图、重大项目规划图等不同内容的专业图件。

2区域与城镇规划

城市与区域规划中要处理许多不同性质和不同特点的问题，它涉及资源、环境、人口、交通、经济、教育、文化和金融等多个地理变量和大量数据。地理信息系统的数据库管理有利于将这些数据信息归并到统一系统中，最后进行城市与区域多目标的开发和规划，包括城镇总体规划、城市建设用地适宜性评价、环境质量评价、道路交通规划、公共设施配置以及城市环境动态监测等。这些规划功能的实现，是以地理信息系统的空间搜索方法、多元信息的叠加处理、空间分析方法和网络分析功能等作为保证的。中国大、中型城市很多，根据加快中心城市的规划建设，加强城市建设决策科学化、现代化的要求，利用地理信息系统作为城市规划、管理和分析的工具，具有十分重要的意义。

3环境灾害监测

利用GIS方法和多时相遥感数据，可以有效地用于森林火灾的预测预报、洪水灾情监测和灾情损失的估算，为救灾抢险和防洪决策提供及时准确的信息，例如据中国大兴安岭地区的研究，通过普查分析森林火灾实况，统计分析十几万个气象数据，从中筛选出气温、风速、降水、温度等气象要素、春秋两季植被生长情况和积雪覆盖程度等14个因子，用模糊数学方法建立数学模型，建立微机信息系统的多因子的综合指标森林火险预报方法，对预报火险等级的准确率可达73%以上。又如黄河三角洲地区防洪减灾信息系统，在ARC/INFO地理信息系统软件支持下，借助于大比例尺数字高程模型，加上各种专题地图，如土地利用、水系、居民点、油井、工厂排放工程设施及社会经济统计信息等，通过各种图形叠加、 *** 作、分析等功能，可以计算出若干个泄洪区域及其面积，比较不同泄洪区域内的土地利用、房屋、财产损失等，最后得出最佳的泄洪区域，并制定整个泄洪区域内的人员撤退、财产转移和救灾物资供应等的最佳运输线路。

4环境保护及管理

GIS技术也是进行环境评价、环境规划管理的有力工具。其内容包括：环境监测和数据收集，建立基础数据库和环境动态数据库，建立环境污染的有关模型，提供环境管理的统计数据和报表输出，环境作用分析和环境质量评价，环境信息传输和制图等。

环境管理涉及人类社会活动和经济活动的一切领域，一个大中型城市每年收集和监测的环境数据可能多达100万个，对如此大量的数据，应使其有效地为环境管理决策及其他用途服务。一个地方环境管理信息系统的功能有：为环境管理部门提供数据和信息系统存储方法——基础数据库系统；提供环境管理的数据统计、报表和图形编辑方法；建立环境污染的若干模型，为环境管理决策提供支持；提供环保部门办公软件；提供信息传输的方法和手段。

例如，上海市环境管理雅息系统具有如下主要特征：①建立了动态数据库，可存储环境监测数据（如包括污染源和环境质量）和其他有关数据（如环境标准、水文、气象等），对大多数环境管理功能来说，实现了数据共享；②面向环境质量管理，可以对环境质量状况的统计、评价、预测、规划以及其他管理提供支持；③为实现面向污染源的污染控制管理提供支持，可以实现排污收费、排污许可证制度的管理；④为便于用户使用，系统设计一个界面友好的窗口菜单系统，使用方便，可以提供不同形式的输出，包括屏幕显示、表格打印、图形绘制、磁盘输出等，还预留了远程通讯接口。

5宏观决策

GIS利用有效的数据库，通过一系列决策模型的构建和比较分析，可为国家或区域的宏观决策提供科学依据。例如GIS支持下的土地承载力的研究，可以解决土地资源与人口容量的规划。中国在三峡地区研究中，通过利用地理信息系统和机助制图的方法等多种功能建立了环境监测系统，为三峡宏观决策提供了建库前后环境变化的数量、速度和演变趋势等可靠依据。又如，通过水土流失监测系统数据库中的水土流失强度、地质岩性、坡度及其他资源与环境的相关数据进行分析研究，利用图形叠置等功能和变化的规律模型，可以进行水土流失的预测，为水土保持方案的编制及实施生态环境治理等提供坚实的数据基础，为宏观决策提供依据。

数字时代下，数据规模爆发性增长，数据存储结构越来越灵活多样，推动着数据库技术不断演进，我国数据库产业进入重要发展机遇期。 天翼云积极顺应时代趋势，创新推出 TeleDB 产品， 为企业提供全方位数字化转型解决方案，助力企业上云用数赋智。

TeleDB 是天翼云在数据库领域丰富实践经验和先进技术架构的有机结合， 由天翼云自主研发，具有兼容社区生态、全面国产化适配等核心能力。

历经8年打磨， 目前 TeleDB 已研发核心PaaS技术20余项，获得核心专利技术16项，承载7亿+用户， 稳定性得到全面验证。

TeleDB 数据库采用容器化技术和分布式块存储技术，通过云原生技术改造业务，使得数据库服务器的CPU、内存能够快速扩容，通过动态增减节点提升性能和节省成本，存储空间无需手动配置，实现自动d性伸缩。

面对多元化的业务需求，企业需要服务提供商能够提供横向主流数据库产品和纵向多版本技术服务的全覆盖能力，为此，天翼云还构建了 TeleDB 数据库上云全生态。

在数据库内核方面， TeleDB 采用云原生架构，高度兼容MySQL、PostgreSQL、openGauss、TiDB， 寻求社区深度合作，在强化自身能力的同时反哺社区，提升代码自主可控能力及数据库团队的社区影响力。

TeleDB 是一款兼容开源MySQL协议的企业级智能化关系型数据库引擎，适用于在线事务处理，可为用户提供稳定可靠的企业级数据库服务；

TeleDB 兼容开源PostgreSQL协议，支持SQL规范的完整实现、丰富多样的数据库类型，并高度兼容Oracle语法，集成了一系列管理功能，减轻运维压力；

TeleDB 支持在线事务处理（TP）和在线分析处理（AP），是一款高性能 HTAP 融合型NewSQL数据库引擎，适用于数据规模大、高可用、高吞吐等业务场景。

在建设层面，TeleDB 聚焦掌握数据备份、数据迁移、数据库自动驾驶仓、数据库安全网关等核心生态产品。 支持HBase、文档数据库、时序数据库等NoSQL数据库协议，提供实时分析云服务，适合PB级，千万级QPS的分布式计算应用场景， 是风控、推荐、广告、物联网、车联网、Feeds流、数据大屏等场景的首选数据库。

此外，TeleDB 借助外部生态体系夯实完善交付、实施、运营、维护等过程， 可以实现端到端软硬件深度的整合和优化，提升数据存储效率和访问效率，进一步发挥网络和新介质能力，构建一站式强体验生态体系。

TeleDB 数据库作为中国电信天翼云自主研发的产品，实现数据库基础软件全面自主可控。基于 TeleDB 数据库，解决核心基础软件卡脖子问题，赋能千行百业，满足其多元化的上云需求。未来，天翼云将坚持以创新、高效为目标，为用户提供更安全、更可靠、更智能的云数据库产品和服务，让 TeleDB 成为企业乘云而上的助燃剂。

以上就是关于基于RS和GIS技术的龙口市土地利用时空变化监测与分析全部的内容，包括:基于RS和GIS技术的龙口市土地利用时空变化监测与分析、麻烦谁给我介绍一下金融数学，金融工程，精算学！、三维可视化技术在四川盆地油气勘探信息管理中的应用研究等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！