基于名义尺度空间自相关指数测度方法研究.docVIP

基于名义尺度空间自相关指数测度方法研究 　　摘要：从空间自相关的基本构成出发，提出了一种测度名义尺度的空间自相关指数――自邻接指数，给出了基于名义尺度下全局空间自相关和局部空间自相关的测度方法，并在ArcView平台下通过Avenue二次编程进行了算法实现。最后通过例子展示了自邻接指数在土地利用格局分析中发挥的重要作用。 　　关键词：名义尺度； 空间自相关； 自邻接指数； GIS 　　中图法分类号：TP391文献标识码：A 　　文章编号：1001－3695(2007)01－0069－03 　　 　　地理实体之间总是表现出一定的空间关联性。Tobler提出著名的地理学第一定律[1]：“空间实体总是相互关联的，特别地，距离较近的实体间这种关联表现得更为显著。”在此基础上，Cliff提出空间自相关的概念[2]，其定义为“一个空间单元内的信息与其周围单元信息的相似性”[3]。作为空间统计学中的研究热点，空间自相关分析在区域经济、应用生态、景观分析、预防医学等领域已取得较好的研究成果[4~7]。与此同时，关于空间自相关的算法研究在近年来逐渐得到重视。Zhang等人在ArcView中通过Avenue语言实现了Moran’s I等空间统计运算[8]；毛亮等人在MapInfo中通过MapBaisc语言实现了基于实体的空间邻接指数和邻接概率矩阵的运算[9]。?? 　　目前的空间自相关研究还存在诸多不足，如在地理学研究中按照属性表达的差异，可以将地理数据划分为名义尺度、二元尺度、顺序尺度、间隔尺度和比例尺度五类[10]。目前的空间自相关研究大多是面向解决后三类尺度上的定量、半定量空间统计问题，而对于定性空间统计问题的方法研究则相对薄弱，仅停留在较简单的二元尺度上，对名义尺度少有涉及。由此，本文试图提出一种基于名义尺度的空间自相关测度方法，并给出相应算法实现。?? 　　 　　1基于名义尺度的空间自相关测度方法?? 　　 　　空间自相关是从数理统计的相关概念发展而来，却又有别于经典统计的相关，在一般相关的基础上，加入了空间相邻这一影响因素。现今使用的空间自相关指数测度方法，是建立在基于矩阵运算的一般交叉积统计（General CrossProduct Statistic）的基础上[11]，如式（1）所示。?? 　　 　　式(1)中，W??ij代表统计单元在空间上的临近度，C??ij代表统计单元在属性上的相似度。围绕对空间临近矩阵和属性相似矩阵的不同定义，产生了众多空间自相关指数计算方法，常见的空间自相关指数Moran’s I[12]，即可看成作为属性相似测度的自相关系数矩阵与作为空间临近测度的空间邻接矩阵相互乘积的归一化结果。?? 　　 　　1．1全局自邻接指数?? 　　目前空间自相关指数的构造大多是通过差值大小来反映属性的相似度。名义尺度数据即用数字表示地理实体、地理要素、地理现象或地理事件的状态类型[10]，这类数据相互之间无法进行比较运算，故有必要对名义尺度数据的空间自相关指数进行重新构造。根据式(1)，空间自相关系数由空间临近矩阵和属性相似矩阵这两大部分组成。对于名义尺度数据来说，属性相似矩阵的构造相对简单，可以表示为?? 　　 　　其中A??i（i = 1,2,…,n）为地理实体i所拥有的属性值。?? 　　另一方面是对空间临近矩阵的定义。从总体上讲，W矩阵中邻居可以通过邻接关系或是距离关系来定义。前者的邻接关系又可以分为基于拓扑的表示和基于边界的表示，后者的距离定义又可以分为中心点距离定义和边界距离定义。由于属性相似矩阵所表达的信息相对简单，因此有必要选择表达信息较为丰富的W矩阵。在此选择的邻接指数是景观生态学中提出的概念，反映了空间格局的异质性程度，本质上属于边界表示的空间邻接关系型空间临近矩阵，相比于一般邻接矩阵具有较为丰富的信息，其定义可由式(3)给出[13]。其中P??ij表示i， j两个地理实体间的公共弧段长度，P??i为实体i的周长（式(4)）。?? 　　 　　综上所述，若同时考虑依据式(1)~式(3)将空间临近矩阵和属性相似矩阵进行乘法运算，则得出基于名义尺度数据的空间自相关指数N，可表达为?? 　　 　　因为N是由邻接指数的概念演化而来，又代表了地理实体间的自相似性，所以将N反映出来的关系称为空间自邻接。显然，此处N是一个反映全局空间自相关的指数，因而称N为全局自邻接指数。式（5）中N的取值在（0，1）之间，且取值愈大，说明全局自相关性愈强。 　　 　　1．2局部自邻接指数?? 　　全局空间自相关指数仅说明各统计单元在空间上是否相关，但无法描述各单元在空间上的相关模式。针对这一问题，Anselin提出局部空间关联指数（Local Indicators of Spatial