ArcGIS10空間統(tǒng)計工具介紹

1、ArcGIS 10 空間統(tǒng)計工具介紹Esri 中國（北京）有限公司2011 年 8 月本文檔由Es中國（北京）有限公司客戶與合作伙伴支持部撰寫，由Es沖國（北京）有限公司對相關(guān)技術(shù)內(nèi)容負(fù)責(zé)。未經(jīng)本公司書面許可，任何單位和個人不得以任何形式摘抄、復(fù)制本文檔的 部分或全部，并以任何形式傳播。本文檔版本依照以下原則進(jìn)行（version x.yz）:x:文檔結(jié)構(gòu)變化，設(shè)計框架升級y： 具體內(nèi)容更新，章節(jié)內(nèi)容修正z:文字格式調(diào)整奇數(shù)為包含對上一版修改記錄或批注的稿子，偶數(shù)為對上一版修改稿的定稿。版本修訂記錄版本日期作者描述1.02011.8.24本地化小組ArcGIS 的空間統(tǒng)計工具箱包含一系列用于分析

2、空間分布、 模式、 過程和關(guān)系的統(tǒng)計工具。盡管空間統(tǒng)計和非空間統(tǒng)計（傳統(tǒng)的統(tǒng)計方法）在概念和目標(biāo)方面可能存在相似性，但空間統(tǒng)計具有其固有 的獨(dú)特性，因?yàn)樗鼈兪菍ｉT為處理地理數(shù)據(jù)而開發(fā)的。與傳統(tǒng)的非 空間統(tǒng)計分析方法不同， 空間統(tǒng)計方法是將地理空間 （鄰域、區(qū)域、 連通性和 / 或其他空間關(guān)系）直接融入到數(shù)學(xué)邏輯中。您可以使用空間統(tǒng)計工具箱中的工具對空間分布的顯著特征進(jìn) 行歸納（例如，確定平均中心或總體方向趨勢） 、識別具有統(tǒng)計顯著 性的空間聚集（熱點(diǎn) / 冷點(diǎn)）或空間異常值、評估總體的聚集或離散 模式，以及建立空間關(guān)系模型?？臻g統(tǒng)計工具箱包含以下工具集：（1）分析模式工具集，用于評估要素（或與

3、要素關(guān)聯(lián)的值）的 空間模式：聚集？離散？隨機(jī)？（2）實(shí)用工具工具集，用于執(zhí)行面積計算、最小距離評估、變 量和幾何的導(dǎo)出、空間權(quán)重文件的轉(zhuǎn)換等；（3）度量地理分布工具集，用于判定中心在哪里？形狀和方向 如何？要素離散態(tài)勢？（4）渲染工具集，用于渲染分析結(jié)果；（ 5）空間關(guān)系建模工具集， 利用回歸分析來建立數(shù)據(jù)關(guān)系模型， 以及構(gòu)建空間權(quán)重矩陣；（6）聚類分布制圖工具集，用于標(biāo)識具有統(tǒng)計顯著性的熱點(diǎn)、 冷點(diǎn)或空間異常值借助空間統(tǒng)計，您可以完成以下任務(wù)：（ 1）匯總某一分布模式的關(guān)鍵特征；（2）標(biāo)識具有統(tǒng)計顯著性的空間聚集（熱點(diǎn) / 冷點(diǎn)）和空間異 常值；（ 3）評估總體的聚集或離散模式；（4）建模空

4、間關(guān)系。1、空間統(tǒng)計工具介紹1.1 分析模式（Analyzing Patterns）工具名用法概述多距離空間聚類分析(Ripleys K函數(shù))Multi-Dista nee Spatial Cluster An alysis (Ripleys K Fu nctio n)判定要素或關(guān)聯(lián)至要素的值在一定的距離范圍內(nèi)是否呈現(xiàn)出具有統(tǒng)計顯著性的聚 集或離散。工具輸出是一個包含以下字段的表：ExpectedK（ K期望值）、ObservedK（ K觀測值） 和DiffK （K期望值和K觀測值之差）。平均最近鄰Average Nearest Neighbor根據(jù)每個要素與其最近鄰要素之間的平均距離計算其最

5、近鄰指數(shù)。 可從結(jié)果窗口訪 問最終輸出結(jié)果。最近鄰指數(shù)是平均觀測距離和平均期望距離之比。如果小于 1, 則要素呈現(xiàn)空間聚集模式；如果大于 1,則要素呈現(xiàn)空間離散模式或競爭模式。平均最近鄰工具返回5個值：平均觀測距離、平均期望距離、最近鄰指數(shù)、z 得 分和p值?？臻g自相關(guān)(Moran I)Spatial Autocorrelati on (Mora n I)利用全局Moran's I統(tǒng)計量根據(jù)要素位置和屬性值測量空間自相關(guān)性?？梢詮慕Y(jié)果 窗口訪問最終輸出結(jié)果?？臻g自相關(guān) 工具返回5個值：Moran's I指數(shù)、期望指數(shù)、方差、z 得分及 p ，高/低聚類(Getis-Ord Ge

6、neral GHigh/Low Clusteri ng (Getis-Ord Ge neral G)利用Getis-Ord Ge neral G統(tǒng)計量度量咼值或低值的聚集程度。可從結(jié)果窗口訪冋最 終輸出結(jié)果。咼/低聚類工具返回5個值：Ge neral G觀測值、Ge neral G期望值、方差、z 得分 及p值。1.2 工具(Utilities)工具名用法概述空間權(quán)重矩陣轉(zhuǎn)換為表Co nvert Spatial Weights Matrix to Table將一進(jìn)制空間權(quán)重矩陣文件 （.swm） 轉(zhuǎn)換為表文件。要素屬性導(dǎo)出至 ASCIIExport Feature Attribute to A

7、SCII將要素類坐標(biāo)和屬性值導(dǎo)出到一個以空格、逗號或分號分隔的ASCII文本文件中。收集事件Collect Eve nts將事件數(shù)據(jù)（如犯罪事件或疾病事件）轉(zhuǎn)換為加權(quán)點(diǎn)數(shù)據(jù)。計算近鄰點(diǎn)距離Calculate Dista nee Band from Neighbor Count返回一組要素與指定的 N個（N 為輸入?yún)?shù)）最鄰近點(diǎn)的最小、最大和平均距離。 可從結(jié)果窗口訪冋最終輸出結(jié)果。計算面積Calculate Areas計算面要素類中每個要素的面積值。1.3 度量地理分布(Measuring Geographic Distribution )工具名用法概述中位數(shù)中心Media n Ce nter

8、標(biāo)識出距數(shù)據(jù)集中所有要素之間的總歐氏距離最小的要素位置點(diǎn)。中心要素Cen tral Feature標(biāo)識出點(diǎn)、線或面要素類中位于最中央位置的要素。平均中心標(biāo)識出一組要素的地理中心（或密度中心）。Mea n Ce nter方向分布(標(biāo)準(zhǔn)差橢圓)Directional Distributio n (Sta ndard Deviati on Ellipse)創(chuàng)建標(biāo)準(zhǔn)差橢圓以概括地理要素的空間特征：中心趨勢、離散和方向趨勢。標(biāo)準(zhǔn)距離Sta ndard Dista nee量測要素在幾何平均中心周圍的集中或分散程度。線性方向平均值Lin ear Directi onal Mean標(biāo)識出一組線要素的平均方向、

9、長度和地理中心。1.4 渲染(Rendering)工具名用法概述Z得分渲染ZScore Ren deri ng對某一區(qū)域的z 得分應(yīng)用從冷色（藍(lán)色）到暖色（紅色）的渲染方案。帶渲染的熱點(diǎn)分析Hot Spot An alysis with Ren deri ng計算熱點(diǎn)分析的Getis-Ord Gi*統(tǒng)計量，然后對輸出地Z得分應(yīng)用'冷色到暖色” 的渲染類型帶渲染的聚類/異常值分析Cluster/Outlie An alysis with Ren deri ng給疋一組加權(quán)要素，利用 Anselin提出的局部Moran's I統(tǒng)計量標(biāo)識出熱點(diǎn)、冷 點(diǎn)和空間異常值。然后，將由冷至熱的

10、渲染方式應(yīng)用于z得分結(jié)果。收集事件并渲染Collect Event with Ren deri ng首先將事件數(shù)據(jù)轉(zhuǎn)換為加權(quán)點(diǎn)數(shù)據(jù)，然后使用分級圓圈對生成的計數(shù)字段進(jìn)行渲 染。計數(shù)渲染Count Ren deri ng應(yīng)用分級圓圈對要素類中的數(shù)值型字段進(jìn)行渲染。1.5 空間關(guān)系建模(Modeling Spatial Relationship)工具名用法概述地理加權(quán)回歸Geographically Weights Matrix執(zhí)行地理加權(quán)回歸（GWR）,這是一種用于建?？臻g變化關(guān)系的線性回歸的局部形 式。普通最小二乘法Ordinary Least Squares執(zhí)行全局普通最小二乘法（OLS線性

11、回歸生成預(yù)測，或建模一個因變量與關(guān)聯(lián)的 一組解釋變量間的關(guān)系。可以從 結(jié)果窗口訪問最終輸出結(jié)果。生成空間權(quán)重矩陣Gen erate Spatial Weights Matrix構(gòu)建一個空間權(quán)重矩陣 （.swm） 文件，以表示數(shù)據(jù)集中各要素間的空間關(guān)系。生成網(wǎng)絡(luò)空間權(quán)重Gen erate Network Spatial Weights利用網(wǎng)絡(luò)數(shù)據(jù)集構(gòu)建一個空間權(quán)重矩陣文件 （.swm從而根據(jù)基礎(chǔ)網(wǎng)絡(luò)結(jié)構(gòu)定義 要素間的空間關(guān)系。1.6 聚類分布制圖(Mapping Clusters)工具名用法概述熱點(diǎn)分析(Getis-Ord Gi*)Hot Spot Analysis(Getis-Ord Gi*)

12、給定一組加權(quán)要素，利用Getis-Ord Gi*統(tǒng)計量標(biāo)識出具有統(tǒng)計顯著性的熱點(diǎn)和冷 點(diǎn)。聚類和異常值分析(Anselin LoceCluster and Outlier Analysis(Anselin Local Mora ns I)i l Moran I）給疋一組加權(quán)要素，利用Anselin提出的局部Moran's I統(tǒng)計量標(biāo)識出具有統(tǒng)計顯 著性的熱點(diǎn)、冷點(diǎn)和空間異常值。2、空間統(tǒng)計工具應(yīng)用示例2.1匯總某一分布模式的關(guān)鍵特征工具示例平均中心/中位數(shù)中心人口分布中心在哪里？如何隨時間變化？中心要素待建的客戶應(yīng)用支持中心應(yīng)定址在哪里？線性方向平均值冬季的主要風(fēng)向是什么？ 如何確定本

13、地區(qū)斷層線的走向？標(biāo)準(zhǔn)距離/方向分布（標(biāo)準(zhǔn)差橢圓）哪個犯罪團(tuán)伙作案的地域范圍最廣？哪E種疾病的傳播范圍最大？ 根據(jù)動物的生活地，各物種的融合程度如何？方向分布（標(biāo)準(zhǔn)差橢圓）飛機(jī)殘骸的方位？殘骸集中分布在哪里？2.2標(biāo)識具有統(tǒng)計顯著性的聚集點(diǎn)工具示例熱點(diǎn)分析/聚類或異常值分析富裕區(qū)和貧困區(qū)地過渡界限在哪里？ 哪里是生物多樣性最高且棲息條件最好的地方？聚類或異常值分析在洛杉磯的哪些地方找到了異常的消費(fèi)模式？熱點(diǎn)分析哪里的糖尿病發(fā)病率非常高？ 哪些地方廚房火災(zāi)占住宅火災(zāi)的比率咼于預(yù)期？ 白天犯罪案件的發(fā)生與夜晚的犯罪案件的發(fā)生是否具有相同的空間模 式？避難場所應(yīng)設(shè)置在哪里？2.3評估總體的聚集或離散

14、模式工具示例空間自相關(guān)/平均最近鄰哪一類犯罪的空間聚集度最高？哪些植物物種的分布在整個研究區(qū)域中最為離散？空間自相關(guān)/高/低聚類富裕區(qū)和貧困區(qū)是否或多或少地出現(xiàn)空間上的隔離帶？ 是否突然存在藥品購買高峰區(qū)？隨著時間推移，該疾病是固定在同一個地理位置，還是擴(kuò)散到鄰近的地 方？多距離空間聚類分析該疾病的空間模式是否反映出高危人群的空間模式？ 商業(yè)入室盜竊的空間模式是否偏離商業(yè)場所的空間模式？2.4建?？臻g關(guān)系工具示例普通最小二乘法/地理加權(quán)回歸教育程度與收入之間是什么關(guān)系？這種關(guān)系在整個研究區(qū)域是否一致？ 破壞財產(chǎn)的仃為數(shù)與入室盜竊數(shù)之間是否存在明確的關(guān)系？ 患病幾率是否會隨著與水體要素的接近而增加？哪些關(guān)鍵的可變因素可以解釋森林火災(zāi)頻發(fā)的