地统计分析.docx
《地统计分析.docx》由会员分享,可在线阅读,更多相关《地统计分析.docx(20页珍藏版)》请在冰豆网上搜索。
地统计分析
实验五加利佛尼亚州的大气臭氧浓度的地统计分析
〔综合实验〕
实验目的:
通过对数据的具体分析,掌握ArcGIS下地统计分析模块的功能,了解完整的地统计分析过程,并能使用其解决科研问题中的实际问题。
实验内容:
美国环保局负责对加利佛尼亚州的大气臭氧浓度进展监测。
利用地统计分析模块提供的许多工具,通过检测所有采样点之间的关系,对生成一个关于臭氧浓度值、预测标差〔不确定性〕的连续外表,从而使对其他点的浓度值进展最正确预测成为可能。
1、数据检查
2、模型拟合
3、模型精度比拟
4、臭氧浓度制图
实验数据:
数据集描述
Ca_outline加州轮廓图
Ca_ozone_pts臭氧采样点数据〔单位:
ppm〕
Ca_cities加州主要城市位置图
实验步骤:
一、数据加载
1、生成子集
将特定位置上的预测值同这些区域内的实测值相比照,是评价一个输出外表质量的最严格的方法。
其方法是将原始数据集划分成两个局部:
一个局部用于建立模型,也就是用来生成输出外表;另外一个局部用于测试,即验证输出外表。
〔1〕在GeostatisticalAnalyst工具栏中单击CreateSubsets命令;
〔2〕InputLayer:
选择要划分子集的图层;
〔3〕拖动滑块到适宜位置,来选择训练和测试数据的相对百分比;
〔4〕单击完成,训练和测试数据集会在PersonalGeodatabase中。
2、应用子数据集进展验证
〔1〕validation:
input选择测试数据集
〔2〕attribute:
选择与生成外表时一样的属性
〔3〕翻开验证图层
二、数据检查
你可以用三种方式对数据进展检验:
〔1〕检测数据分布
〔2〕发现数据可能存在的趋势
〔3〕找出数据间的空间自相关以及方向效应
2.1检查数据的分布
当数据服从正态分布时,里用插值方法生成外表的效果最正确。
如果你的数据是偏态分布的,即向一边倾斜,那么你可以选择数据变换使之服从正态分布。
Histogram工具描绘了数据属性的频率直方图,使你能够针对数据集的每一种属性检测其单变量分布。
1.单击GeostatisticalAnalyst工具条,指向ExploreData,然后单击Histogram。
你也可以改变Histogram对话框的大小以便能够看见地图,正如下列图所示:
2.单击Layer下拉箭头,点击并选择ca_ozone_pts。
3.单击Attribute下拉箭头,点击并选择OZONE。
通常,描述数据分布的重要特征包括中值,他的展布以及对称性。
对于正态分布,有一个快速检验的方法:
如果平均值与中值大致相等,你就可以把它当作数据服从正台分布的证据之一。
上面显示的直方图外表数据是单峰分布的,而且具有较好的对称性,接近于正态分布。
直方图的右侧尾部说明,存在相对少量的具有较高臭氧浓度值的采样点。
2.2正态QQ图
QQ图提供了另外一种度量数据正台分布的方法,利用QQ图你可以将现有数据的分布与标准正态分布比照,如果数据点接近一条直线,那么它们越接近于服从正态分布。
1.单击GeostatisticalAnalyst工具条,指向ExploreData,然后点击NomalQQplot。
2.单击Layer下拉箭头,点击并选中ca_ozone。
3.单击Attribute下拉箭头,点击并选中OZONE。
在一个普通的QQ图上,两种分布的对应点一一对应。
对于两种一样类型的分布,QQ图应该是一条直线。
因此通过绘制相对应的臭氧数据的分布点与标准正态分布的分布点,能够检查臭氧数据的正态分布情况。
从上述正态QQ图可以看出,该图形非常接近于一条直线。
而偏离直线的情况主要发生在臭氧浓度值较高时〔因为这些偏离值在直方图中是高亮显示的,所以在这里它们也是被高亮显示的〕。
2.3识别数据中的全局趋势
只有在你的数据中存在某种趋势时,你才可能利用某些数学公式对外表的非随机(确定性的)成分进展表达。
如果趋势面不能准确地描绘你实际需要的外表,你可能想到将其移去,通过建立趋势剔除后的残差的模荆来继续你的分析。
在建立残差模型时,你需要分析外表中的短程变异。
这是理想平面或理想“u〞型面所无法实现的内容。
TrendAnalysis(趋势分析)工具使你能够找出在输入数据集中是否存在趋势。
1.单击GeostatisticalAnalys工具条,鼠标指向ExploreData,点击TrendAnalysis.2单击layer下拉箭头,点击选中ca_ozone_pts。
3.单击Attribute下拉箭头,选中OZONE,
趋势分析图中的每一根竖棒代表了一个数据点的值(高度)和位置。
这些点被投影到一个东西向的和一个南北向的正交平面上。
通过投影点可以作出一条最正确拟合线(一个多项式),并用它来模拟特定方向上存在的趋势。
如果该线是平直的,那么说明设有趋势存在。
4.单击RotateProiection滚动条并向左拖动,使旋转角为30度。
造成该趋势的一个可能的事实是,在沿海地区污染较轻,而在向内陆推进时,人口增多,污染增大。
到了山区那么人口又减少,污染也随之降低。
在练习4中,这些趋势将要被剔除。
5.单击退山对话框。
2.4理解数据的空间自相关和方向效应
1.单击GeostatisticalAnalyst工具条,指向ExploreData,点击Semivariogram/CovarianceCloud。
2.单击Layer框下拉箭头,点击选中ca_ozone_pts。
3.点市Attribute框下拉箭头,单击选中OZONE。
半变异函数/协方差函数云图使你能够检测已测样点间的空间自相关。
空间自相关理论认为彼此之间距离越近的事物越相象。
半变异函数/协方差函数云图使你能够对这种关系进展检测。
为此,可以用Y轴表示半变异函数值,即每一样点对间测量值之差的平方,而相应地用x轴表示每对样点之间的距离。
在半变异函数/协方差函数云图中,每个红点表示一对采样点。
既然越近的点越相似,那么在半变异函数云图中邻近的点(在x轴的左边)应该有较小的半变异函数值(在Y轴的下部)。
随着样点对间距离的增加(在x轴上向右移动),中变异函数值也要相应增加(在Y轴上向上移动)。
然而,当到达一定的距离后,云图变平,这说明超出这个距离时,样点对之间不再具有相关关系了。
观察半变异函数图,如果某些靠得很近的数据点(在x轴上接近于零)具有——个异常的较高的半变异函数值(在Y轴的上部)时,你就应该仔细检杳这些样点对,看看是不是这些数据不准确。
三、制作臭氧浓度图
1.单市GeostatisticalAnalyst—工具条,然斤单击GeostatisticalWizard。
2.单击InputData卜拉框箭头,点击选中caozonepts。
3.单击AttributeF拉框箭头,点击属性OZONE。
4.在Methods框中选择Kriging。
5.单击Next按钮。
OrdinaryKriging和Prediction被缺省选中。
6.在GeostatisticalMethodSelection对话框中,单击OrderofTrendRemoval下拉箭头,选择Second。
在TrendAnalysis对话框中已经检测到一条南西-北东方向的“u〞型曲线,所以选择二阶多项式拟合是适宜的。
7.在GeostatisticalMethodSelection对话框中点击Next按钮。
缺省情况下,地统计分析模块将绘制数据集中的全局趋势。
从下列图可以看出,南西-北东向的变化最快,而北西-南东向的变化那么较平缓(从而形成椭圆形)。
8.点击Detrending对话框中的Next按钮。
3.1半变异函数/协方差函数模型
半变异函数是一个关于数据点的半变异值(或称变异性)与数据点间距离的函数。
对它的图形表述可以得到一个数据点与其相邻数据点的空间相关关系图。
在Semivariogra/CovarianceModeling对话框中你可以模拟数据集的空间关系。
缺省情况下,将以球面半变异函数模刑来计算其最正确参数值。
拟合一个球面半变异函数模那么(在各个方向都能拟合的很好)以及它们的相关参数值,这些参数通常被称为块金效应、自相关阐值及偏基台值(构造方差)。
9.输入—个新步K值12000。
10.单击输入框,设定步长组的数目为10。
当距离很小时,半变异函数值也很低(即越靠近的事物相似性越大):
随着距离的增加,其值也增大(即越远离的事物变异性越强)。
3.2方向半变异函数
方向效应会对半变异函数中的点以及将要拟合的模型产生影响。
邻近的事物在某些方向上的相似性比其他方向的相似性更强。
方向效应又被称为各向异性,地统计分析模块能够对它们进展解释。
引起各向异性的因素可能足风、侵蚀、地质构造或者许多多其他过程。
你可以用SearchDirection工具来分析某一方向上数据点的变异性,利用该工具你可以在半变异函数图上检测方向效应,这并不影响输出的外表。
11.选中ShowSearchDirection复选框。
12.在SearchDirection的中心线上点击并按住鼠标,移动搜索工具的方向。
13.选中Anisotropy复选框。
在变异函数外表图中的椭圆说明了在不同方向上的半变异函数的自相关阈值。
在这种情况下,椭圆主轴大致位于北北西-南南东方向。
现在你可以在模型中参加各向异性,用以调整输出外表中自相关的方向效应。
半变异函数棋到到达的稳定水平时的值一样,我们称之为基台值。
而半变异函数模刮到达其限值(基台值)时经过的距离,即为模型的自相关阈值。
超出这个自相关阈值后,各点之间的变异性将随着步长距离的增加而变为常数。
步长是通过点对间的距离来界定的。
步长距离大于自相关阈值的样点对之间空间无关。
块金效应代表了测量误差和(或)微观尺度的变异(该变异在空间尺度上太小以至于无法检测到)。
3.3领域搜索
为防止某一特定方向上的偏差,可以把这个圆(或者椭圆)分为假设干个小扇形,在各扇形内选取一样数目的点。
利用SearchingNeighborhood对话框,你可以指定点的数目(最大为200)、半径(或者长/短轴)以及用来预测的圆(或者椭圆)中的扇形个数。
3.4穿插验证
穿插验证可以让你知道你的模型对未知值的预测效果终究怎样。
对于一个预测准确的模型,其均差应接近于0,其均方根误差和平均标准差应该尽可能地小(这在比拟模型时很有用),并且其均方根标准误差应该接近于1。
25.单击Finish按扭。
Outputlayerinformation对话框显示了用于创立外表的模型的信息摘要。
四、模型比照
1.在“Trendremoved〞层上右击,在快捷菜单中点击“Compare….〞,就可以将不同的图层进展比拟。
2.在CrossValidationComparison(穿插验证对话框)中点击Close按钮。
五、生成最终成果图
5.1显示外表
1.在IndicatorKriging层上右击鼠标,单击Properties。
2.点击Symbology标签。
3.取消FilledContours复选框,然后选中Contours复选框。
4.点击ColorRamp下拉箭头,选择一种别的颜色梯度。
5.点击OK按钮。
5.2外推臭氧值
缺省时,地统计分析模块对落于采样数据的南北和东西范围内的任一位置上的可选变量的值进展内插。
但是,预测得到的臭氧图并不能覆盖加州全部地理范围(图层ca_outline)。
要解决这个问题,必须对外表进展外推求值(即预测缺省边界之外的点的值)。
1.在目录表中右击IndicatorKriging层,再单击Properties。
在Properties对话框中点击Extent标签。
在Settheextentt0框中选择acustomextententeredbelow,在VisibleExtent区域中输入下面的值,然后点击OK按钮。
左:
-2400000右:
-1600000
上:
860000下:
-400000
对图层Trendremoved重复上述步骤。
5.3以加州轮廓图为参考对图层进展剪裁
因为你只想制作加州范围内的臭氧浓度图,所以你可以以图层ca_outline为标准对图层进展剪裁,以生成一幅更吸引入的地图。
1.在目录中右击Layer,然后单击Properties。
2.在Properties对话框中单击DataFrame标签。
3.选中EnableCliptoShape复选框。
4.点击SpecifyShape按扭。
5.在弹出的对话框中单击OutlineofFeatures按扭。
6.在Layer下拉框中单击ca_outline。
7.点击OK按扭。
8.单击OK按扭以关闭DataFrameProperties对话框。
裁剪后的地图如下列图所示。