第10章节-空间统计分析.ppt

第10章 空间统计分析 空间统计分析含义：“空间数据的统计分析”“数据的空间统计分析” 空间统计分析,即空间数据的统计分析,通过空间位置建立数据间的统计关系。 1. 空间统计学产生的原因？ 大多数经典统计学分析要求样本相互独立，而空间数据间并非完全独立，而是存在依赖性。 2 空间统计分析的目的? 描述事物在空间上的分布特征（随机的、聚集的或规则的）。 分析数据的空间自相关性，空间自相关性对空间格局的影响，如何利用这种关系构建模型 本章主要内容： 一 基本统计量 二 探索性数据分析 三 分级统计分析 四 空间插值 五 空间回归分析 一 基本统计量 本章主要内容： 一 基本统计量 二 探索性数据分析 三 分级统计分析 四 空间插值 五 空间回归分析 二 探索性数据分析 对样本数据性质的研究，没有先验的理论假设，通过对数据全面深入分析来了解其在空间分布、空间结构以及空间相互影响方面的特征。 二 探索性数据分析 （一）基本分析工具 （二）检验数据分布 （三）寻找数据离群值 （四）全局趋势分析 （五）空间自相关分析 （一）基本分析工具 1 直方图 2 QQplot分布图 3 变异函数 4 Voronoi图 1 直方图 对采样数据按一定的分级方案进行分级，统计采样点落入各个级别中的个数，并通过条带图或柱状图表现出来。 2 QQplot分布图 （1） 正态QQPlot分布图 （2）普通QQPlot 分布图 （General QQPlot） 3 变异函数 3 变异函数 4 Voronoi图 由俄国数学家M.G.Voronoi 于1908年发现并以他的名字命名的。 又称泰森多边形。 思考题： 中央电视台天气预报，那个省会城市的天气情况与你家乡最接近？ Voronoi图的定义: 平面n个离散点，把平面分成n个区，每个区包括一个点，该点所在的区是到该点距离最近的点的集合。 （二）检验数据分布 在地统计分析中，克里格方法是建立在平稳假设的基础上，这种假设在一定程度上要求所有数据值具有相同的变异性。另外，一些克里格插值都假设数据服从正态分布。如果数据不服从正态分布，需要进行一定的数据变换，从而使其服从正态分布。因此，检验数据分布特征，了解和认识数据具有非常重要的意义。 （三）寻找数据离群值 数据离群值分为全局离群值和局部离群值两大类。全局离群值是指对于数据集中所有点来讲，具有很高或很低的值的观测样点。局部离群值值对于整个数据集来讲，观测样点的值处于正常范围，但与其相邻测量点比较，它又偏高或偏低。 用直方图查找离群值 用半变异函数云图识别离群值 用Voronoi图查找局部离群值 （四）全局趋势分析 空间趋势反映了空间物体在空间区域上变化的主体特征，它主要揭示了空间物体的总体规律，而忽略局部的变异。 趋势面分析是根据空间抽样数据，拟合一个数学曲面，用该数学曲面来反映空间分布的变化情况。 （五）空间自相关分析 1 空间分布模式 2 空间权重矩阵 3 空间自相关系数 可以划分为聚集模式（clustered pattern)、分散模式（dispersed pattern)和随机模式（random pattern)三类。  真实世界中的大部分模式都介于随机与分散模式或随机与聚集模式之间，极少能遇到极端聚集、极端分散或极端随机的模式。 既然现实模式很难轻易归入聚集、分散或随机型，那么我们就要考虑某一给定的空间模式与这三种模式中的某一种到底有多接近？如果它接近其中的一种模式，那么这种接近到底是有偶然因素还是系统过程造成的？ 我们在分析某变量的空间分布模式时，实际上是在测度空间自相关程度或者说空间依赖程度。 空间自相关是指属性值在空间上相关是由要素的地理位置造成的。 空间自相关是根据位置相似性和属性相似性的匹配情况来测度的。 位置的相似性可以通过空间接近性矩阵（或权重矩阵）W来描述； 属性的相似性一般通过交叉乘积xixj,或平方差异（xi-xj)2,或绝对差异│xi-xj│来描述。 基于“距离”的空间接近性测度就是使用面积单元之间的距离定义接进行。 如何测度任意两个面积单元之间的距离呢？ ① 按照面积单元之间是否有邻接关系的邻接法； ② 基于面积单元中心距离的重心距离法。 式中：Wij表示区域i与j的临近关系，它可以根据邻接标准或距离标准来度量。 （1） 简单的二进制邻接矩阵 （2） 基于距离的二进制空间权重矩阵 （1） Moran’s I