分形维数（Fractal Dimension）¶
定义¶
分形维数是对欧氏整数维度的扩展，用来量化不规则几何对象的"空间填充程度"。一条完全光滑的线是 1 维的，一个平面是 2 维的；海岸线、雪花曲线等分形对象的维数落在 1 和 2 之间，表示它比线复杂但又没有填满平面。
直觉理解¶
想象你用边长为 \(\varepsilon\) 的方格覆盖一个几何对象： - 一条直线段：方格数 \(\propto \varepsilon^{-1}\)（维数 = 1） - 一个正方形面：方格数 \(\propto \varepsilon^{-2}\)（维数 = 2） - 英国海岸线：方格数 \(\propto \varepsilon^{-1.25}\)（维数 \(\approx\) 1.25）
分形维数 \(D\) 正是这个指数。\(D\) 越大，对象在缩小测量尺度时"生长"出的细节越多。
Hausdorff 维数与 Minkowski-Bouligand 维数¶
分形维数有多种严格定义：
- Hausdorff 维数：基于最优覆盖集的测度理论定义，是最基本的分形维数概念。Mandelbrot 在 1967 年论文中将 Richardson 的经验参数 \(D\) 识别为 Hausdorff 维数的非整数形式
- Minkowski-Bouligand 维数（盒计数维数）：基于固定尺寸方格覆盖的计数，计算上更易操作，是实际测量中最常用的近似
两者在数学上不完全等价，但对于自然界中遇到的大多数分形对象，它们给出相同的值。
Richardson 公式中的角色¶
在 Richardson 效应 的数学表述中：
\[L(\varepsilon) \sim F \varepsilon^{1-D}\]
\(D\) 直接决定了长度随测量精度增加的发散速率： - \(D = 1\)：光滑曲线，\(L\) 与 \(\varepsilon\) 无关，收敛到确定值 - \(D = 1.02\)：南非海岸，几乎光滑，\(L\) 随 \(\varepsilon\) 减小缓慢增长 - \(D = 1.25\)：英国西海岸，\(L\) 随 \(\varepsilon\) 减小显著增长 - \(D = 2\)：Peano 曲线，完全填充平面
自然界中的分形维数¶
| 对象 | 近似分形维数 |
|---|---|
| 南非海岸线 | ~1.02 |
| 英国西海岸 | ~1.25 |
| 湖泊岸线（典型值） | ~1.28 |
| Koch 雪花 | ~1.26 |
| Sierpinski 曲线 | 依阶数变化 |
相关概念¶
- 海岸线悖论 — 分形维数概念诞生的直接背景
- Richardson 效应 — 分形维数在测量中的经验表现
- 统计自相似性 — 自然分形具有分形维数的结构基础
References¶
sources/wikipedia-coastline-paradox.md