2.4 空间相似关系的分类

将相似的事物分为同一类既是人们的本能，同时也是在各种学科中很普遍的现象和做法。对事物进行分类、排序，是人们在认识、了解事物时常用的手段。分类必须遵循两个重要原则，即分类要具有“完备性”和“排他性”。“完备性”是指分类后的所有类型子集的并集必须为全集（没有漏掉的要素），“排他性”是指各类型子集之间应该没有交集（即交集为空）。对空间相似关系从不同的侧面进行不同的分类，有助于从不同侧面对空间相似关系进行不同的理解，有助于更加了解空间相似关系的内涵和外延，有助于更加透彻地把握空间相似关系的本质。

从地理空间目标之间的形态关系来说，空间相似关系可以分为“互补相似”和“直接相似”。所谓“互补相似”，是指地理空间目标之间的形态等特征呈现出互相弥补的特点，如图2.2所示的世界各大陆板块之间呈“互补相似”；直接相似很常见，是人们日常生活中占据主要的相似关系，如图2.3所示的制图综合前后的地图目标之间就属于直接相似关系。“互补相似”很难定量表达和计算，本文主要关注于“直接相似”的表达和计算。

世界的时间长河无始无终，世界细节的表达也不可穷尽（Paul A. Longley、Michael F.Goodchild et al.，2004）。现实世界到数字世界的转换中，一个重要的问题就是粒度问题，具体到地理信息领域就是数据的多尺度问题。从讨论的数据是同尺度下的还是多尺度下的，空间相似关系可以分为横向的（即同尺度下的相似关系）和纵向的（即不同尺度下的相似关系）。

众所周知，空间数据结构一般分为矢量数据结构和栅格数据结构两种，对应到空间相似关系，则可分为基于矢量数据的相似关系和基于栅格数据的相似关系。如前所述，基于栅格数据的相似关系研究相对较多（如在图像检索领域），本文研究主要讨论基于矢量数据的相似关系研究。

综上所述，有空间相似关系的分类如图2.4所示。

从数据角度出发，地理空间实体是用数据来进行表达的。如前所述，在地理信息科学领域，有关空间实体目标的描述数据一般来说可以分为两类，即几何特征数据和非几何特征数据，从而，空间相似关系可以分为几何相似关系和非几何相似关系（主要是语义相似）。

对几何数据和属性数据进一步细化，在几何数据中，有单一空间目标之间的几何特征（如维数、大小、面积等）数据和群组空间目标之间空间关系（方向、距离、拓扑）数据；属性数据中既包括一般的属性描述数据（如数据质量、数量等），也包括很重要的一类属性数据即时间特征数据，这样对应到空间相似关系，可以具体分类如图2.5所示。