空间分析原理与应用：第四章 面模式分析方法.ppt

当空间系统（n）较小时，EI可能是一个绝对值较大的负值，但不能因此认为存在较强的负空间自相关，只要所观测到的负Moran’s I值大于期望值，一个绝对值相对较小的负Moran’s I就仍可能表明不存在空间自相关,甚至存在正的空间自相关。 对于Moran's I来说，0不能作为区分正空间自相关和负空间自相关的参照点。 实例：中值居民收入 country median-val Geauga 107700 38528.57 1484450814.1249 Cuyahoga 72100 2928.571 8576530.4449 Trumbull 53300 -15871.4 251902245.8049 Summit 61900 -7271.438849 Portage 69200 28.5714 816.3249 Ashtabula 45800 -23371.4 546223674.8049 Lake 74200 5028.5713249 summary 69171.43 2369314285.7143 与随机模式相比，观测模式存在一定程度的空间自相关，但还必须检验Moran's I的观测值与期望值之间的差异是偶然的还是系统的。 正态假设下，Moran's I的方差为： 随机抽样下，Moran's I的方差为： 正态假设下： 随机假设下： 4.4.2 Geary's C 比率 Geary's C的值域在0和2之间，0表明存在完全正空间自相关，这是所有相邻的值均是相同的，因此分子等于0。而2则表明完全负空间自相关。 Geary's C的期望值不受样本容量n影响，始终为1。 Moran's I与Geary's C的关联 正态假设下，方差为： 随机假设下，方差为： 4.4.3 广义G统计量 在空间聚集分析中，较高值的局部聚集称为热点，而较低值的局部聚集则称为冷点。Moran's I和Geary's C由于只关注邻近值是否相似，而无法判读相似的邻接值是较高的值还是较低的值，因此无法区分热点和冷点。 广义G统计量则可以用来探测研究区内的热点和冷点。 广义G的计算公式： 相邻值越大，决定G(d)统计量大小的分子就相对越大；相邻值越小，分子就越小。中等大小的G(d)值反映高值与中等值的空间关联，而相对较小的G(d)值则表明低值与低于平均水平的值空间关联。 对广义G统计量的值进行解释，必须依赖于期望值和标准化值（z值）。G(d)的期望值为： G(d)的方差为： 以30英里为邻接标准，构建二元邻接矩阵 Geauga Cuyahoga Trumbull Summit Portage Ashtabula Lake Geauga 0 1 1 0 1 1 1 Cuyahoga 1 0 0 1 0 0 1 Trumbull 1 0 0 0 1 1 0 Summit 0 1 0 0 1 0 0 Portage 1 0 1 1 0 0 0 Ashtabula 1 0 1 0 0 0 1 Lake 1 1 0 0 0 1 0 4.5 局部空间自相关统计量 4.5.1 局部空间关联指标 区域单元i的局部Moran统计量的计算公式： 随机假设下的期望值和方差及Z值 4.5.2 局部G统计量 局部层面的广义G统计量，是分别针对个区域单元计算的旨在表明所关注区域单元的值与其周边以距离d定义的相邻单元的值之间关联性的统计量。 期望值、方差： Gi(d)统计量标准化z值的含义 情形 Z(Gi) 高高相邻 较大的正值 高中相邻 中等大小的正值 中中相邻 0 随机 0 高低相邻 负值 中低相邻 中等大小的负值 低低相邻 绝对值较大的负值 4.6 Moran散点图 假设z是zi的矢量，其中zi为数据值与均值的离差，即 ，W为行标准化空间权重矩阵，则可以建立一个Wz关于z的回归模型，模型的斜率表示的是相邻值之间的关联性。 将Z和Wz绘制在二维坐标下，则得到Moran散点图，可以反映出研究区内空间自相关水平异常的单元。 七县中值居民收入的Moran散点图 美国49州2000年外来人口比例图 第四章 面模式分析方法 4.1 空间接近性 空间接近性就是面积单元之间的距离关系，它是测度面积单元的空间模式的基础。 通常“距离”的测度有两种方法： 边界邻接法：直接邻近、间接邻近、多重邻近； 重心距离法：面积单元的中心或重心之间的距离与指定距离的比较。 （a）邻接边界表示的接近性 （b）距离表示的接近性 A B C D X E F G H （a）按照车的行走方式 （b）按照象的行走方式 （c）按照王后的行走方式 A B C D X E F G H A B C