空间分析实习3讲解.docx

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。