[7] [9]
基态修正模型 、 时空复合模型只保存数据库中变化 的内容 ， 对于没有更新变化内容 ， 只物理存储一次 ， 冗余量小 。 此类模型的共同特征是侧重对时空现象 或目标状态本身的描述 ， 把时间作为空间对象的一 个属性 ， 众多变化通过累积的方法以状态的方式呈 现 。 空间信息技术特别是多源遥感方法的使用 ， 为 土地利用动态监测提供了快速 、 高效的手段 ， 从不 同时相的影像中 ， 可比较快捷 、 准确地提取土地利 用的变化 ， 因此 ， 从遥感影像直接或间接提取的变 化信息 ， 多采用此类基于状态 （ 栅格 ） 的时空模型表 达和存储 [18]。 然而 ， 此类模型无法表达时空对象关系 和变化过程是其最大缺点 。
国内学者对时空模型的综述性文献 ， 主要多参 照国外的综述成果 ， 多从时空数据模型的应用领域 出发 ，对其进行总结 。其中尹章才和李全 [13]以土地划 拨案例 ， 对时空数据的存储管理和语义表达 ， 总结 和阐述了国内外比较实用的 10 种时空数 据 模 型 ， 这些时空数据模型有时空立方体模型 、 连续快照模
3 4
V4W XY Z[ ? @AB N./
&
!"#$ !% ’()*+, -./
! 0
1234!56 7834!9’ ;<=> :CA 78Q1234! 9’RST U
" CDEF34 G HIJK G " LM34 N" ABOVoronoiP 34 0 % !\]^34 NaT34 0 ! \]_‘
Pelekis et al.[12]等 。 其中 Langran[7]最早就前人关于时
空模型的成果进行了文献性总结和讨论 ， 主要从计 算机模型入手 ， 总结了 4 种模型 ， 即 立 方 体 模 型
(space-time cube model)、 快 照 模 型 (snapshots)、 基 态 修正模型 (the base state with amendments model) 和
的基本原理 、 特点和缺陷等方面 ， 采用列表的形式 对主要的时空数据模型进行了归纳 ， 认为应该充分 考虑地理现象的特征类型 ， 标志特征类型的属性 、 关系及操作 ， 建立基于特征的时空数据模型 ， 有利 于克服其他数据模型地理分层所带来的 无 缝 连 接 等一系列问题和局限性 。 姜晓轶等 [15]从地学中的时 空观应用出发 ， 论述了时空数据模型的研究现状与 发展趋势 ， 就几类有代表性的模型原理和特点进行 了详细介绍 ， 并建议从系统理论角度出发 ， 分析 、 模 拟地学现象的基本变化与过程 ， 建立面向对象和过 程的 、 基于时空语义的 、 符合人类逻辑思维的时空 数据模型方法 。 王贺封 [16] 对早期主要的 TGIS 模型
( 空间时间立方体模型 、 序列快照模型 、 基态修正模
型 、 空间时间组合体模型 、 面向对象的时空数据模 型等 ) 进行了讨论和评价 ， 但对后来所发展或扩展的 时空模型 ， 如 N1F 时空模型 ( 陈军 1997) 、 基于网 络
表 1 时空数据模型分类方法和归类情况表 Tab.1 The classification methods and category of the spatiotemporal data model
关 键 词 ： 时空数据模型 ； 扩展 ； 关联性
1 引言
近 20 年来 ， 随着以空间数据库为基础的 GIS 研究和应用的不断深入 ， 随时间而变化的信息越来 越受到人们的广泛关注 [1]。 而时态 GIS 的提出及实 践 ， 在诸如地籍变更 [2]、 环境监测 、 城市演化 、 交通管 理 、 地震救援 、 全球或区域气候 [3]、 军事战场态势分 析 、 国家大型基础地理数据库建设 [5,6]等领域都得到 了大量的应用 ， 有效保存和管理了历史变化数据 ， 并能模拟和实现历史状态 、 跟踪变化 、 预测未来 等 过程和功能 。 作 为 时 态 GIS 的 核 心 研 究 内 容 — —— 时 空 数 据 模型 ， 是时态 GIS 的最重要的组成部分 ， 是 能 否 实 现时态 GIS 良好应用的前提条件 。 正因如此 ， 国内 外研究者和技术人员对此展开了大量 的 研 究 和 实 践 ， 并由此产生众多时空数据模型的综述性文献 。 国外有代表性的有 Langran[7,8]、Peuquet[9,10]、Yuan[11] 和
陈新保 等 ： 时空数据模型综述
11
表 2 侧重状态描述的主要时空数据模型
)
(b) Source Lan gran
- (Source: )

BaseStatewithAmendmentsModel Source:Peuqu et


(3) (Series Snapshot Model) ! Armstron g [1988]"#$%& (b)’($)*+( S ),- .(t )*/ 0 12 34$ 56,789:;<= +>?@ABCDE!FAB01 GHIJK’LMN01OPQ R *STU$ V, $%& (b)’($W X)YZ [EA\ ]^_‘](>a > ABJb>AB$ c6V,d efgh:Z[iAB$ jkl01O P$mno4 01 pqQ 56 V,01rstuvQ wxyz ’"# $%& (c)’(${| }~]( tD2 ,| ]( }~ tDAB, R , , ,=S c Q ,$ a > , 01‘N , }~ >,m n, Q "# [ }~-¡\ $~¢£¤Q u4 (2) $efg ¥ J bABCD$%& (a) ’(Q! $ )¦AB fg, JbABCD$ fgN$§ u 4 $% & (b)’($fg , R¦ABCD$ fg¨$AB ©ª«¬­KNQ=z~¢,*®$ e,d¯fgCD°¤§±$ ’E² u4 , TUQ R=S ³f-[78´ CD >µ/¶·¸¹\56Q wxºµ»¼$%½¾ V ¿À 01 CÁÂ01fg ¶·¸Ã¹ÄÅ$ {|CDABÆ ÇÈ09: ÉÊ8$ C¿À UËTU$ "ÌÍÁÂ01f g¶·¸Q C 01>µ/ ÄÅÎÏÐÑÒ$ ÓÔC U*ÕÖ×QØ ÙÚÛ " #Í*Y 2 ABÀ* 0 1 SCUDM)$! u4 Ü §‘$ |CDÝÞ>Ý >Ý‘]ß 2 $ à áÃâãä2 AB] ߤ $ Gáãä >åæ>åæ ]ßQç¾½Mè "#ÍÃéê >01rëì éêíîïð,ÎñòóôQ
主要特征 ： 描述时空变化 （ 事件 ） 过程 ， 并对触发这 中 ， 基于事件的时空数据模型最具有代表性 ， 基 于
种变化 （ 事件 ） 的原因和结果进行表达和分析 。 其
Á Å Ä Á Â Ã Ä Á Å Ä Â Å Ä Á Æ Á Â Å Ä Á Ç Ã Á Â Ã Ä Â Ä È Á É Á Â Ä
第 28 卷 第 1 期 2009 年 01 月
地
理
科
学
进
展
PROGRESS IN GEOGRAPHY
Vol.28, No.1 Jan., 2009
时空数据模型综述
陈新保 １，２，Ｓｏｎｇｎｉａｎ Ｌｉ１，朱建军 ２，陈建群 ２
（1. 瑞尔森大学土木工程系 ， 加拿大多伦多 ； 2. 中南大学信息物理工程学院 ， 长沙 410083 ）
摘 要 ： 虽然相对传统的 GIS 数据模型而言 ， 人们对时空数据模型的研究起步较晚 ， 但是大量的时空数据模型已经
被提出了 。 在综述已有时空数据模型时 ， 就如何区别时空数据模型的异同 ， 众多研究人员和学者更多地是比较模型 优缺点或罗列和陈述各模型针对某一案例的实践和应用 ， 而 没 有 阐 述 模 型 间 的 本 质 区 别 ， 没 有 过 多 地 解 释 模 型 扩 展及其关联性 ， 也就无法跟踪已有模型的扩展 、 变异和发展趋势 ， 最终导致在选择模型的应用 、 实践和整合其他非 时空数据模型时 ， 不能做出最优抉择 。 与众多相关时空 数 据 模 型 的 综 述 文 献 不 同 ， 本 文 进 一 步 提 升 和 归 纳 已 有 模 型 ， 主要集中叙述众多相关时空数据模型的扩展和关联性 ， 阐 述 模 型 间 的 本 质 区 别 ， 呈 现 模 型 的 演 变 过 程 ， 从 而 为 人们在应用和实践时空数据模型时提供科学的指导 ， 为模型的扩展和新模型的研究提供理论依据和参考 。
已有的模型进行归纳和评述 ， 即它们是基于位置的 时空表达 、 基于实体的时空表达 、 基于时间的时空 表达和基于事件的时空表达等 ；Yuan[11] 对基于时间 标签 （ 包括快照模型 、 时空复合模型 、 时空对象模型
[37]
） 的模型和基于事件或过程的时空模型 (包括
ESTDM （Peuqet & Duan,1995）、 地形空间模型 （OOgeomorph, Raper & Livingstone, 1995 ） 和 三 域 模 型 （the three domain model,Yuan 1994 ；A process -oriented or semantics approach, Yuan 1996）） 两大类的 相关模型进行了论述 。 Pelekis et al.[12]则用图来实例 化模型的方式详细说明了 11 种模型 。
[14]
时空规划模型 （Ed Nash ） 和基于语义的时空数据模 型 （Yuan 1995 ； 徐志红等 1997） 等没有论述 。 就众多时空数据模型的综述文献来看 ， 可以发 现 ， 人们只注重罗列和比较已有模型的优缺点和案 例应用分析 ， 更多的是在阐述某种模型的特征 ， 而 很少涉及该种模型与其他模型的关系和本质区别 ； 而区别模型的异同 ， 又更多的是从表面入手 ， 不 能 从本质上提出更好的分类方法 ， 来阐述模型间的本 质区别 ， 从而无法跟踪已有模型的扩展 、 变异 和 发 展趋势 。 最终在选择模型的应用 、 实践和整合其他 非-时空数据模型时 ， 不能做出最优抉择 。 为了能更好 地 阐 述 众 多 模 型 的 关 系 和 本 质 区 别 ， 本文在参考李玉兰 [17]的分类方法基础上 ， 增加了 ‘ 侧重于时空目标本身和时空关系描述 ’ 一项 ， 即根 据所描述的时空目标本身情况不同 ， 分成三类 。 完 善后的此方法能在覆盖大多数模型的同时 ， 从本质 上区别各类模型的异同 ( 表 1) 。 下面主要梳理各类 时空数据模型的特征和模型关联性 ， 比较优缺点的 同时 ， 重在阐述各类模型的扩展和变异 ， 从本 质 上 解释众多模型的异同 。