1、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
2、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:xjW,j(xx)(Xj -X)I 2(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
3、空间集聚,而负的 Z州 Xgs =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-Spatial Statistics Tools;-Analyzing Fatterns誉 Average Nearest Neighbor養 High/Low Clustering (Jetis-Ord General G)姿 MuitiDistance Spatial Cluster Analysis (Ripleys K Function)卷 Spatial Aut oco
4、rr el at i on (dorans I)-Mapping Clusters玄 Cluster and Outlier Analysie Cknselin Local Morans I)當 Hot Spot Analysis (Getis-0rd Gi*)七、操作步骤A、鹿场点分布分析:1、最邻近分析(Average Nearest Neighbor)。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-Distanee Spatia
5、lCluster Analysis (Ripleys K Function),参数设置如下。Output Table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(Spatial Autocorrelation (Morans I)。参数设置如下,M ofans I Index = .1E Sc
6、ore = 2.61 standard deviationsiti: C.01 0.05 0.10 RANDOM 0.10 0 05 0L01 Critical Values: (.58)卜 (-165) (1$可 (196) (Z5SJThere is Itm than 1 % likdihgod Ihdt this clustered patterncould be the result of random chance.CloseZ值得分为2.61,全局莫兰指数表明,有99%的把握 确定离散点的分布存在分散或集聚效应,即不是随机分布。4、全局 G 统计量(High/Low Cluster
7、ing (Getis-Ord General G)。设置参数如下:General G Index = ,03E Score = 3.98 standard deviation?There i$ than 1 % likdihgod that the clustering of highvalues could be the result of random chance.CloseZ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
8、s I Index = .05 Score = 6.16 standard deviations141:Critical0.01 0.05 0.10 RANDOM 0.10 0.05 0.01(-2,58)円廉)(-1.65) (1$可(1.96) (2.58JThere is less than 1 % likdihood that this clustered patterncould be the result of random chance.doteZ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。
9、2、全局G统计量分析:Input Feature 匚 1 宣三呂Input FieldiL&tiiio&! Km aiiiiui iijii i u* Display Ou切ut Graphi cuLly 何选并hmiBi * nidlHiBaiHiHn ihi BiniHiB I BConceptuaLLi of Spati d. R1 ionshipsInvers e Di stanceDi stance HtthodEudidan Disianct Stuidardi rationNoneEi stance Band cr Threshold Ci Etaiice 厲I选)Veights
10、 MatriK File可选)General G Index = 0 Score = 3.77 standard deviationsThere is less than 1 % likdihood that the clustering of highvalues could be the result :! random chance.ClaeZ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 2.58 Std, 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
11、拉丁裔人口在空间上存在集聚分布。4、局部G统计量分析:Input Feature ClasspdlbOInput Field一团|Lati:noOotput Feature CIaee|D: U3 模式分折IdaXiiGiUbgOt)JtotSpots. dipConceptaalnation of Spat!al Relatioiuships|Fixe4 Dist&ftefi BndDkMftlhodl|Euclidtn Dist-uicvSi an jar ii z at i on llfoneDi stance Band or Threshold Di stance I可选Self Po
12、tenti:al Field.冋选)Wigtkts MttriK Fil 冋选局部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
13、,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
14、(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。
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1