在地形复杂的澜沧江及周边流域,利用相关系数法、散点斜率法,以研究区内35 个国家基准与基本站观测数据为“真值”对1998-2009 年之间月尺度的TRMM 3B43 降水数据精度进行检验,采用泰森多边形法、K-Means 聚类法分析了高程与坡度对检验结果的影响,借助主成分法比较了高程与坡度对TRMM 3B43 的影响程度。研究表明：在整体上,月尺度的TRMM 3B43 数据具有较高精度；就个体而言,研究区上游与下游地区具有较高的精度,而在波密,以及中游的贡山、德钦、德钦及香格里拉等地区精度较低；高程对TRMM 3B43 数据精度的影响小于坡度,在空间上呈现出较复杂的变化趋势,自托托河—勐腊随着海拔的降低,数据精度出现高值—低值—高值的变化规律；坡度对TRMM 3B43 数据精度有较大影响,坡度越大,数据精度越低。

选择在600 m~30 km 16 个尺度上，在ArcGIS 中利用常用的面积最大值法(Rule ofMaximum Area，RMA) 对2005 年四川省1:25 万土地覆被矢量数据进行栅格化，并采用两种属性精度损失评估方法：传统的常规分析方法和一种新的基于栅格单元分析方法，来对比分析在这两种评估方法下RMA栅格化的属性(这里是指面积) 精度损失随尺度的变化特征。结果表明：(1) 在同一尺度下采用基于栅格单元方法分析所得的研究区平均属性精度损失大于常规分析方法分析得到的平均属性精度损失，且二者之间的差异在1~10 km内很明显，当栅格单元大于10km时，两种方法得到的平均属性精度损失的差值稳定，且其随尺度的变化曲线趋于平行；(2) 基于栅格单元分析方法不仅能够准确地定量估计RMA栅格化的属性精度损失，而且能客观地反映属性精度损失的空间分布规律；(3) 对四川省1:25 万土地覆被数据进行面积最大值法(RMA)栅格化的适宜尺度域最好不要超过800 m，在该尺度域内数据工作量适宜，且RMA栅格化属性精度损失小于2.5%。

目前自上而下的城市系统宏观模拟并不能解决城市这一复杂系统中出现的部分问题，城市系统微观模拟(如多主体系统MAS) 已经成为城市系统模拟的新思路，其主要是基于个体数据(如个人、家庭、公司或建筑物) 开展的。国际国内这方面的应用都受到个体样本稀缺的限制。微观模拟所需要的个体样本数据是原有的统计制度所不能适应的，尤其是在中国，个体样本在统计公报或年鉴中不公开，仅可通过典型调查来补充。本文旨在探索稀疏数据环境下构建城市系统微观模拟的个体样本数据的新方法。该方法基于已有的多源统计数据、典型调查数据以及个体的通用规则，反演出个体样本的属性信息和空间分布，进而可以以GIS图层的形式直接作为微观模拟的数据基础。通过本方法获取的样本，能够符合已有的统计资料，并遵照了样本的基本特征，可以作为现有数据条件下的微观模拟模型的数据输入。同时该方法的应用简单，统计意义上的准确度高，适合我国统计制度下的微观模拟模型的构建。

本文提出了基于多叉树蚁群算法(ant colony optimization based on multi-way tree) 的区 位选址优化方法。在多目标和大型空间尺度约束条件下，地理区位选址的解决方案组合呈现 海量规模、空间搜索量庞大，难以求出理想解。基于多叉树的蚁群算法对地理空间进行多叉树划分，在多叉树的层上构造蚂蚁路径(ant path)，让蚂蚁在多叉树的搜索路径上逐步留下信息 素，借助信息素的通讯来间接协作获得理想的候选解。采用该方法用于广州市的地理区位选址，取得良好结果。实验结果表明：采用基于多叉树的蚁群算法，改善了蚂蚁在空间搜索能 力，适合求解大规模空间下的区位选址问题。

传统的城市土地扩张模型多为静态模型, 无法呈现空间上每一时间点的土地利用状况, 以元胞自动机(Cellular Automata) 模型为代表的新型城市土地扩张模型虽然具有动态特性, 但其无法描述影响城市土地扩张的智能体(Agent) 之间所产生的多元变化结果。以多智能体系统(Multi-Agent System) 理论为基础, 建立城市土地资源时间和空间配置规则, 构建了动态且能描述影响城市土地扩张的智能体(Agent) 间互动关系的城市土地扩张模型, 并以长沙市 区为例, 应用所构建之模型进行了城市土地扩张的实证分析。结果表明: 该模型可以反映城市土地扩张的基本特征和规律, 对于解释城市土地扩张的成因、理解智能体行为对城市土地 扩张过程的影响是合适的。并且将模拟结果与遥感土地利用解译结果对比, 1998 年、2001 年、2005 年城市土地扩张模拟的点对点精度均达到68%以上, 从而能够为政府和城市规划者 制定用地政策提供辅助决策支持。

人工免疫系统(AIS) 具有强有力的计算能力, 可以通过免疫识别、克隆选择、免疫学 习、免疫记忆等功能来进行模式识别和自适应学习。AIS 所具有的自学习、自适应和记忆的能力非常适合于复杂地理过程的研究。而元胞自动机(CA) 是研究复杂系统非常方便和有效的工具。将人工免疫系统和元胞自动机相结合, 建立了城市演变的模拟和规划模型。该模型通过改变抗体的进化变异机制, 把规划目标嵌入到AIS 算法中, 抗体将会逐渐朝着规划目标“进化”, 从而模拟出基于不同规划情景的城市发展空间格局, 为城市和土地利用规划提供决 策支持。设计了6 种不同的城市发展方案, 利用该模型模拟了不同规划方案下珠江三角洲城市的发展情景(1988-2002 年)。并比较了不同模拟情景结果城市的紧凑性: “城市中心” 和 “城市中心—高速公路”发展模式的城市形态更为紧凑, 破碎度较低; 而“镇中心” 和“道路”发展模式形成的城市形态则比较凌乱和分散。模拟结果和分析表明: “城市中心—高速 公路”是珠江三角洲最适合的城市发展模式。

元胞自动机(CA) 被越来越多地用于复杂系统的模拟中。许多地理现象的演变与其影响要素之间存在着复杂的关系, 并往往具有时空动态性。在研究区域较大和模拟时间较长时, 定义具体的规则来反映这种复杂关系有较大的困难。为了解决CA 转换规则获取的瓶颈问题, 提出了基于案例推理(CBR) 的CA 模型, 并对CBR 的k 近邻算法进行了改进, 使其能反映转换规则的时空动态性。将该模型应用于大区域的珠江三角洲城市演变中。实验结果显示, 其模拟的空间格局与实际情况吻合较好。与常规的基于Logistic 的CA 模型进行了对比, 所获得的模拟结果有更高的精度和更接近实际的空间格局, 特别在模拟较为复杂的区域时有更好的模拟效果。

人口空间分布信息在环境健康风险诊断、自然灾害损失评估和现场抽样调查比较等地理学和相关学科研究中占有重要的地位。目前随着对地观测技术和地理信息科学的飞速发展, 如何精确地进行人口数据空间化成为了研究的难点和热点。针对采用传统方法解决人口空间化问题所遇到的困难和不足, 设计了遗传规划(genetic programming, GP)、遗传算法(genetic algorithms, GA) 和GIS 相结合的方法, 以GIS 确定量化影响因子权重, 以GP 建立模型结构, 以GA 优化模型参数, 成功建立研究区—山西省和顺县的人口数据格网分布表面。实验证明与传统建模方法(如逐步回归分析模型和重力模型)相比, 所提方法建模过程更为智能化与自动化, 模型结构更为灵活多样, 而且数据拟合精度更高。