空间分析实习3讲解.docx
《空间分析实习3讲解.docx》由会员分享,可在线阅读,更多相关《空间分析实习3讲解.docx(14页珍藏版)》请在冰豆网上搜索。
空间分析实习3讲解
空间分析实习3
一、背景
点模式的空间分布是一种比较常见的现象,如不同区域内的人口、城市、房屋分布,油田的分布等。
而面模式分布可以简化成点模式分布,模式分析已经应用到了很多方面和领域。
二、实习目的
总结Moranl与G统计量进行对比分析;
对于输出结果进行解释分析;
熟悉使用最邻近分析,全局与局部的Moranl与
G统计量分析;
三、实习内容
对Deer数据进行最近邻分析、全局与局部的
Moranl与G统计量分析;
对adabgOO数据进行全局与局部的Moranl与G统计量分析,需要判断阿达县的拉丁裔人口分布是否具有空间集聚以及存在局部的热点。
四、实验数据
Deer.shp鹿场点分布图;
AdabgOO.shp爱达荷州阿达县各街区2000年人口普查数据。
五、基本原理
1.莫兰指数:
量测空间自相关性,,即量测各个属性值之间的相关关系,若相似的值在空间上集聚。
则说明空间正相关。
它实质上是将变量在某个位置的值与其他位置的值进行比较
全局莫兰指数:
x「jW,j(x「x)(Xj-X)
I2
(迟正jWi,j)瓦i(Xi-X)
2.局部莫兰指数:
结果是会为每个要素计算指数值和
Z得分,当Z得分高且为正数时,表明该要素与相近值要素邻近,当Z得分高且为负数,则表明该要素与具有不同数值的要素邻近。
3.整体G统计量:
基于指定的距离D,,其期望为E(G)。
评价指标:
正的Z值表示高值的空间集聚,而负的Z
州X
gs=穴严”
值表示低值的空间集聚。
二、■
4.局部G统计量:
也称之为热点分析,当计算得出的Z得分高且为正数时,表示高值聚类或者热点的存在,相反,表示低值聚类或者冷点的存在。
六、基本工具
-SpatialStatisticsTools;
-AnalyzingFatterns
誉AverageNearestNeighbor
養High/LowClustering((Jetis-OrdGeneralG)
姿Muiti^DistanceSpatialClusterAnalysis(RipleysKFunction)
卷SpatialAutocorrelation(doransI)
-MappingClusters
玄ClusterandOutlierAnalysieCknselinLocalMoransI)
當HotSpotAnalysis(Getis-0rdGi*)
七、操作步骤
A、鹿场点分布分析:
1、最邻近分析(AverageNearestNeighbor)。
选择欧氏距离。
结果显示有99%的把握确定为集聚的,距离的期望为
39.8,而距离的观测值为25.3,说明点与点之间的实际距离要小于期望距离,因此点在空间上集聚状态。
2、多距离空间相关性分析(Multi-DistaneeSpatial
ClusterAnalysis(RipleysKFunction)),参数设置如下。
OutputTable
通过观察生成的表和曲线走势,我们可以归纳如下结论。
随着范围的扩大,在范围距离小于大约620米时,观测值大于期望值,说明离散点在空间上集聚分布,又因为点分布于范围为大约620米之内,因此之后随着距离的增加,观测值不变,期望值增加,因此呈现观测值小于期望值的结果。
从此出可以看出,随着范围的选取不同,点的空间分布结果会有不同。
3、全局莫兰指数(SpatialAutocorrelation(MoransI))。
参数设置如下,
Mofan'sIIndex=.1
EScore=2.61standarddeviations
i^ti:
C.010.050.10RANDOM0.100050L01CriticalValues:
(^.58)卜(-165)(1$可(196)(Z5SJ
ThereisItmthan1%likdihgodIhdtthisclusteredpattern
couldbetheresultofrandomchance.
Close
Z值得分为2.61,全局莫兰指数表明,有99%的把握确定离散点的分布存在分散或集聚效应,即不是随机
分布。
4、全局G统计量(High/LowClustering(Getis-OrdGeneralG))。
设置参数如下:
GeneralGIndex=,03
EScore=3.98standarddeviation?
Therei$than1%likdihgodthattheclusteringofhigh
valuescouldbetheresultofrandomchance.
Close
Z值得分为3.93,全局G统计量说明,有99%的把握
确定离散点不是随机分布,且分布为高值集聚,
HH
――有许多热点存在。
B、阿达县的拉丁裔人口分布:
拉丁裔人口密度分布图
1、全局莫兰指数分析:
确定
取消
环境
显示帮助>>
Moran'sIIndex=.05
£Score=6.16standarddeviations
14^1:
Critical
0.010.050.10RANDOM0.100.050.01
(-2,58)円廉)(-1.65)(1$可(1.96)(2.58J
Thereislessthan1%likdihoodthatthisclusteredpattern
couldbetheresultofrandomchance.
dote
Z值得分为6.16,全局莫兰指数表明,拉丁裔人口密度在空间上分布,有99%的把握确定离散点的分布存在分散或集聚效应,即不是随机分布。
2、全局G统计量分析:
InputFeature匚1宣三呂
InputField
iL&tiiio
&■■■■■!
■■■■■■■■■■■■■■■■■■■■■■■■■■■■■Km■■■■■■■■■■■■■■■■■■■■■■»■■■■■]■■■■■■£■■aiiiiuiiijii・・・iu
*DisplayOu切utGraphicuLly何选并
'hmiBi■■■<■■■■■■■■*■■■■«■■■■■nidlHiBaiHiHn■■■■■■■■<■■■■■■■■■■■■■■■■■■■■ihi■■■■■BiniHiB■■■■■■■'IB
ConceptuaLLiofSpatid.R«1ionships
InverseDistance
DistanceHtthod
Eudid«anDisianct▼
Stuidardiration
None
EistanceBandcrThresholdCiEtaiice厲I选)
VeightsMatriKFile〔可选)
GeneralGIndex=0
£Score=3.77standarddeviations
Thereislessthan1%likdihoodthattheclusteringofhigh
valuescouldbetheresult':
!
randomchance.
Cla«e
Z值得分为3.77,全局G统计量说明,有99%的把握确定离散点不是随机分布,且分布为高值集聚,HH
――有热点存在。
3、局部莫兰指数分析:
LMiZScors
■<-2,56Std,Dev,
■■2,58796Std.D0V.[1-1.96--1.65Std,Dev,
□-1,65-1.65Std.Dev.I11.65-1,96Std.Dev.
■1.96-2,58Std.Dev.
■>2.58Std,Dev.
以上结果显示,拉丁裔人口密度中一共有19个热点,没有冷点,说明拉丁裔人口在空间上存在集聚分布。
4、局部G统计量分析:
InputFeatureClass
pdlb^O
InputField
一团
|Lati:
no
OotputFeatureCIaee
|D:
\U3模式分折IdaXiiGiUbgOt)JtotSpots.dip
ConceptaalnationofSpat!
alRelatioiuships
|Fixe4Dist&ftefiB^nd
DkMftlhodl
|Euclid«tnDist-uicv
Sianjariizationllfone
DistanceBandorThresholdDistanceI可选〕
SelfPotenti:
alField.冋选)
W局部G统计量显示,Z值得分越高颜色越红,说明有
高值的聚集,在中心街区有明显的热点分布,这一点与莫兰指数是一致的。
八、结果与分析
(1)全局空间自相关系数概括了在一个总的空间模式中空间依赖的程度,仅适用一个单一值来反映整体上的自相关,难以探测不同位置局部区域的空间关联模式;局部空间自相关指数则描述一个空间单元与其邻域的相似程度,表示每个局部服从全局总趋势的程度,并揭示空间异质。
(2)局部莫兰指数中,Z得分为正咼,则颜色越红,说明空间正相关性极强,或者说该要素是高高或者低低模式,而Z得分为负高,则颜色越蓝,说明空间负相关性极强,或者说该要素为高低或者低高。
(3)局部G统计量中,Z得分正高,颜色越红,说明有高值的聚集,存在热点分布,Z得分负高,颜色越蓝,说明有低值的聚集,存在冷点分布。
九、存在问题与解决方法
(1)多距离空间分析中的范围参数即距离是如何确定的,还有期望值是如何计算出来的。
(2)局部莫兰指数和局部G统计量中的距离5000米是如何确定的。
另外如果不设定距离,那么局部和全局是否没有区别。
(3)Z值的重分类方法有多种,其中系统采取的最佳方法是什么,用其他的分类方法都感觉没有最初的完美,猜测其中的阈值设定是按照统计学方法确定的(期望与方差)。
十、需要注意问题的总结与归纳
(1)两个要素(点和面)的坐标系统并不一致,因此不能同时加载(虽然坐标系统对于本次实验并没有影响)。
(2)需要区分全局与局部的区别。
在实际应用当中,对于不同的问题使用不同的方法。
另外对于不同的问题,选择哪一种分析方法也很重要,是最近邻分析法还是多距离空间相关分析法等,要根据自己的需求进行选择。
(3)对于每一种分析方法,设置参数也同为重要,不同的参数设置会的属不同的结果,对于每一个参数所代表的还以也要了解掌握。
尤其是局部莫兰指数、局
部G统计量和多距离空间相关分析。
十、个人体会
莫兰指数和G统计量在现实世界中有重要的意义,对于一些看似杂乱无章的数据,可以从中得到有价值的信息,为决策者提供帮助。
比如最近邻分析和雷普利的K函数主要用来分析空间分布和植物类型结构分析,尤其是雷普利的K函数,在流行病学标点地图中
也有广泛的应用。
而热点分析,已经用于犯罪热点制图与分析。
当然,像一个区域内的房产价格、GDP或
者一个农场里面的病虫害,这些都有可能在空间呈集聚现象的要素,都可以用空间统计变量来探索他们的空间分布模式。