| 区划方法 | 主要内涵 | 优点 | 不足 | | 德尔菲法 | 利用函询形式进行的集体匿名思想交流 | 独立思考判断,集思广益,探索性解决问题 | 专家间缺少交流,存在主观影响 | | 专家经验法 | 利用专家丰富的实践经验进行判断 | 最大限度发挥专家个人能力,操作简单便捷 | 主观性强,要求具体操作人员熟悉情况 | | 古地理法 | 通过对丰富的历史研究资料的深入分析,查明其年龄和发展历史 | 追本溯源,揭示本质 | 应用缺乏成熟经验,古地理资料缺乏时应用困难 | | 判别分析法 | 在对对象分类确定的条件下,根据特征值来判别类型 | 可操作性强,不受尺度大小影响 | 划分界限有一定的主观性 | | 主成分法 | 通过矩阵转换计算特征值和特征向量得到主成分,从而减少相关指标数量,适用于区划指标繁杂,相关性高的情况 | 消除指标间干扰,简化信息,且能客观评定各指标权重 | 对样本容量要求高,计算过程复杂,极易造成信息损失 | | 加权叠置法 | 将所有相关数据层面进行叠加产生一个新的数据层面的操作 | 方便快捷直观实现区划 | 不同图层间尺度精度难以统一 | | 3S技术分析法 | 将统计数据、矢量数据和栅格数据等不同数据形式进行空间叠加计算 | 能做指标的时空动态分析、处理速度快、数据管理便捷 | 电脑软硬件和人员专业技术要求高 | | 聚类分析法 | 按照相似性或差异性的指标,对要素或样本进行聚类 | 简单、直观、适用性强 | 易受异常值和特殊变量的影响 | | 层次分析法 | 通过对比确定各层次指标权重,逐层求和,适用于区划指标复杂,结构清晰 | 层次性强、灵活、简洁 | 无法摆脱定性判断的主观性和随机性 | | 地理空间分析法 | 分析各自然要素间的相互关系后进行分区,适用于要素联系紧密,相关度高的区域 | 关注要素间联系,区划系统性强 | 各区划的界线经常会相互矛盾,难以协调 | | 深度学习 | 利用多层非线性信息的处理方法来进行无监督学习或者有监督学习 | 自适应提取、人工干预少、适用范围广、挖掘精度深度高 | 多类型数据冲突难以处理,对硬件设施要求高 | | 人工智能 | 利用计算机科学技术研究,开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统 | 高效的自学习、自适应和自创造,运算高速、算法优 | 技术体系不够成熟,大量决策需人工参与 | | 大数据挖掘 | 通过对大数据聚类、关联分析、分类、预测等,揭示背后隐含的信息、知识、规律 | 有效挖掘隐藏信息,获取、处理大数据的新技术丰富 | 数据多源多格式、大量、价值密度低,统一处理难 |
|