土地用途分区是土地利用规划中的关键问题，是一个复杂的过程，因此仅通过距离聚类是不恰当的，应该是在一定知识指导下的自动分区。本书2.5.1中已经对土地用途分区的知识体系进行了研究。总体上可以认为是两个方面：约束知识和土地利用演化过程中的空间知识。这些知识有的可以通过自动获取的方式得到，如空间关联规则知识；有的是需要通过对领域问题进行分析和在处理问题过程中总结经验得到。本节主要对前者进行研究，后者已在本书2.5.1中进行阐述。
1.模糊概念格的构造与Hasse图绘制
利用空间关联规则挖掘模块可以对土地用途的规则进行挖掘，具体包括数据的初始化，参数设置和生成Hasse图等步骤。
(1)数据初始化
属性数据很多是连续的，因此需要使用5.2.2中提出的方法对数据进行预处理，以提高挖掘的工作效率，并能以较少的规则表示更多的知识。在面向土地用途分区的空间数据挖掘原型系统中，使用空间关联知识挖掘模块进行知识挖掘。虽然数据库中已经对数据进行了预处理，但是还提供了用户可以选择的属性选择功能，图5-8显示了原型系统的数据初始化界面，用户可以通过选择不同的属性对图斑的空间关联规则进行挖掘。
(2)参数设置
属性准备以后可以对挖掘的参数进行设置，并对生成的规则保存到相应的文件夹下，因为规则是通过知识库来进行管理，因此生成的文件将自动保存到知识库中。具体的参数设置见图5-9。由于土地利用的海量数据，本节实现的是自动对数据库文件中的所有记录进行处理。
(3)生成Hasse图
本实验系统还提供了Hasse图的绘制功能，实现了空间关联知识挖掘的可视化。根据基于模糊概念格的数据挖掘的算法，在挖掘的过程中，生成反映数据之间的概念层次关系的Hasse图，通过上面的实验，得到如图5-10所示的Hasse图。
图5-8 模糊概念格的数据初始化(www.xing528.com)
图5-9 模糊概念的参数设置
2.规则挖掘
由于土地利用系统的复杂性，很难通过一次获取所有的规则，因此可以通过多次的实验和选择合适的挖掘对象来进行分析，以利于挖掘出更为有用的规则，并用来解决实际问题。基于前文中得到的Hasse图，根据第3章研究的关联规则算法进行规则挖掘，通过计算获得初步获得83条空间关联规则。5.1.5中已经研究过，规则通过关系数据库的形式保存进入知识库，但是这些是人们很难理解的，并且每次需要打开知识库是非常烦琐的事情，因此本研究通过机器解码保存为易于理解和阅读的文本形式，解码后得到的部分初始关联规则见表5-8(仅列出农用地的空间关联规则)。
图5-10 空间关联规则挖掘生成的Hasse图
表5-8 空间关联规则表(部分)
续表
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
