模糊理論應用在GIS影響圈及疊圖分析之研究

Abstract

本研究基於 GIS 對空間資訊研究相關工作之輔助功能，有助於研究工作 的效率化，為續求 GIS 分析結果品質的良好，而以網格式 GIS 為範圍， 從 GIS 上空間資料模糊性問題的歸納出發，並以疊圖分析方法為探討分 析模式的範圍，以期能發掘出現有疊圖分析方法中尚未完全解決的模糊性 問題，以瞭解其原因並建立模式以解決之。本研究從文獻回顧中歸納出空 間資料模糊性將造成「空間資料輸入時的模糊分類」、「空間區域分割時 的模糊邊界」、「空間資料查詢時的模糊語意」及「空間決策支援時的偏 好表示」等問題，並探討網格式 GIS現有的「傳統疊圖法」、「貝氏推論 法」、「 D-S 推論法」及「模糊疊圖法」等四種疊圖分析方法之理論架 構、應用情況及優缺點後，得到就空間資料模糊性問題的解決方法中，尚 有「空間距離關係表達問題」及「資料不精確、規則不明確的疊圖分析方 法」尚未提出，故以此兩項為本研究重點。就「空間距離關係表達問題」 的解決而言，本研究以模糊理論為基礎，提出「模糊空間距離關係分析模 式」的概念，透過隸屬函數將空間距離關係轉換成具連續性的數值，並以 語意變數來修飾基本的隸屬函數，以減少資訊的流失及滿足決策者的真正 需要。在緊急疏散民眾集結點設置問題的應用例子中，比較傳統疊圖分析 法與模糊疊圖分析法配合模糊空間距離關係分析模式的分析結果，可驗證 得後者確能提供較多的資訊，並使 GIS系統具有較高的決策支援功能。就 提出「資料不精確、規則不明確的疊圖分析方法」而言，本研究以模糊理 論為基礎，提出「模糊推論疊圖分析法」，該方法透過隸屬函數轉換空間 資料，以解決資料不精確問題，並以模糊關係的合成方法推論疊圖規則， 以解決規則不明確問題，最後再以 Max-Min 法來綜合推導最後的結果。 由於本方法為一概念，目前尚無法以實例驗證之，但由簡例的應用過程可 得知本方法之理論架構及計算結果尚稱合理。 Geographic Information System (GIS) has been proved to be an efficient tool for dealing with spatial problems. The quality of analysis results usually rely on the precision of spatial data and the modeling techniques. The purpose of this study is to discuss the fuzzy characteristics of natural spatial data and its related modeling techniques. There are two major components in this research: 1) a new way to express the spatial distance relationship adequately and 2) a new modeling technique to address the data and rules uncertainty. First, a fuzzy spatial distance relationship model is developed in this study in order to describe spatial distance relationship adequately. This model utilies fuzzy theory's membership function to describe continuous spatial distance relationship and use ling- uistic hedge method to offer users more possible sel- ectionns of decision making. We also use the emergency gathering sites selection of the first nuclear power plant at Taiwan as a case study to demonstrate that this model can provide more informations than traditional spatial distance model. Secondly, fuzzy theory is used to develop a new overlay analysis method. This model is especially useful when spatial data is unexact and decision rules are unclear. A membership function is first used to process unexact data. Then, a max-min method is introduced to induce overlay rules from several separate ones. A max-min method is next adopted to aggregate several layers into a single one. A preliminary test is also offered for testing purpose and the results are acceptable and reseansable.