摘要: 对于度量关系是在欧氏空间（Euclidean Space）和度量空间（MetricSpace）上进行的操作，它是一切空间数据定量化的基础。它包含长度、周长、面积、距离等定量的度量关系，其中最主要的度量空间关系是空间对象之间的距离关系。 度量关系既可以定量描述，...
对于度量关系是在欧氏空间（Euclidean Space）和度量空间（MetricSpace）上进行的操作，它是一切空间数据定量化的基础。它包含长度、周长、面积、距离等定量的度量关系，其中最主要的度量空间关系是空间对象之间的距离关系。
度量关系既可以定量描述，也可以定性描述。对于度量关系的定量描述，一般所采用的数学描述攻势形式简单、比较统一。具体到距离关系而言，两个空间目标间的距离有欧几里德距离、曼哈顿距离、广义距离、鍥比雪夫距离以及统计学中的斜交距离、马氏距离等多种定义。
具体到城市GIS以及房产测绘信息系统的应用中，为求得建筑物之间的距离或者最短路径（出租车问题），一般采用的都是欧几里德距离和曼哈顿距离。 对于一个具有正南正北、正东正西方向规则布局的城镇街道，从一点到达另外一点的距离正是南北方向上旅行的距离加上在东西方向上旅行的距离，因此曼哈顿距离又称为出租车距离。曼哈顿距离的度量性质和欧氏距离的性质相同，保持对称性和三角不等式成立。两者不同的是，在讨论空间邻近性时，不同点间距离的排序会有很大的不同。同时曼哈顿距离也不是距离不变量。当坐标系变换时，点对之间的距离就会不同。因此曼哈顿距离只适合于讨论具有规则布局的城市街道的相关问题。 除了距离关系以外，还存在其它的度量关系，其中几何量测对点、线、面、体4类目标物而言，其涵义是不同的：
- 点状目标（0维）：坐标
- 线状目标（1维）：长度、曲率、方向等
- 面状目标（2维）：面积、周长等
- 体状目标（3维）：体积、表面积等
无论对于矢量数据模型还是栅格数据模型，对点、线、面状目标的几何度量功能一般为系统软件所封装。用户不必关心其实现细节，仅需利用其封装性，解决实际应用问题。 距离关系也可以应用与距离概念相关的术语，如远近等进行定性地描述，这种描述本身就存在着一定的模糊性，同时由于空间目标之间的距离本身也存在着不确定性，不同类型的空间实体间，尤其是面状和线状实体之间的距离定义又比较困难，往往有多种定义。
