空间信息作为一种重要的基础性资源,其应用与服务已日益深入经济、生活、军事等各个方面,社会对于空间信息的依赖程度也越来越大。用户面对以TB级计算的、多源的对地观测数据,无法快速且准确地获取所需的信息,使得空间信息的使用效率随着信息数据量的增加而下降,“信息超载”现象愈加明显。为了更好地解决地理空间信息数据量大、结构复杂等特性与空间信息获取效率低、分析处理功能不完善之间的矛盾,空间信息的共享和应用服务已渐渐成为测绘与遥感领域学者关注的焦点,而空间信息服务主动、智能化正是解决这一矛盾的关键。现有的遥感信息发布平台大多是给用户提供搜索界面,然后由用户输入所研究的区域范围、需求时间、产品类型等条件,返回满足要求的遥感影像搜索结果,再由用户浏览并下载所需的空间数据。传统的空间信息服务方法存在同一性、被动性等缺点。面对类型多样的海量空间数据,人们迫切期望建立一种空间信息智能服务系统。它充分考虑不同用户的兴趣偏好,既能主动给用户推荐数据,还可以针对不同用户的不同需求提供个性化的搜索结果。鉴于此,本文针对基于用户模型的空间信息智能服务方法进行研究。通过对空间数据资源和用户兴趣信息进行结构化的描述,建立面向空间信息智能分发的用户模型,并基于用户模型实现空间信息的主动推荐与智能分发。实验表明,本文的方法能够更好地实现面向用户兴趣的空间信息主动推荐,推荐结果更加准确,可以为今后空间信息智能分发的相关研究提供一定的理论参考。主要研究内容和成果包括以下方面:(1)对国内外空间信息智能服务技术与方法的研究进展进行总结。本文重点对三类个性化推荐系统和四种用户偏好模型的现有研究成果进行阐述,系统分析了传统信息服务方法和空间用户偏好模型的优缺点。以现有的用户模型和分发方法的不足之处为突破点,提出实现空间信息智能分发的关键性问题。(2)建立面向空间信息智能分发的用户模型。充分考虑用户的兴趣特征和个性化推荐的关联规则,针对空间信息的区间覆盖特征,引入区间数学的方法建立用户模型,以描述用户兴趣在遥感信息核心元数据上的分布特征。同时,提出关联度和兴趣度等概念评价空间信息对用户兴趣的满足程度,设计出基于拓扑关系的关联函数以定量计算关联度。(3)提出一种基于用户偏好模型的空间信息智能分发方法。通过将待分发的遥感信息作为备选方案构建了决策物元矩阵,将遥感信息的推荐问题转化为多属性决策问题。再根据各备选方案效用度的高低进行方案择优与排序,从而确定最终推荐结果,以提高用户模型推荐的准确性。