第四章空间点模式方法.pptVIP

用G函数分析空间点模式依据是G(d)曲线的形状。如果点事件的空间分布趋向聚集，具有较小的最邻近距离的点的数量就多，那么G函数会在较短的距离内快速上升；如果点模式中事件趋向均匀分布，具有较大的最邻近距离的点的数量多，那么G函数值的增加就比较缓慢。 即如果G(d)在短距离内迅速增长，表明点空间分布属于聚集模式；如果G（d）先缓慢增长后迅速增长，表明点的空间分布属于均匀模式。 G函数 第61页，共89页，编辑于2022年，星期二 G函数 第62页，共89页，编辑于2022年，星期二 F函数 F函数 . F函数是一种使用最邻近距离的累积频率分布描述空间点模式类型的一阶邻近测度方法，记为F(d)。 . F函数首先在被研究的区域中产生一新的随机点集P(p1,p2,…pi)，其中pi是第i个随机点的位置。然后计算随机点到事件点S之间的最邻近距离，再沿用G函数的思想，计算不同最邻近距离上的累积点数和累积频率。其计算公式可表示为： 式中，dmin(pi,S)表示从随机选择的pi点到事件点S的最邻近距离，即计算任意一个随机点到其最邻近的事件点的距离。 第63页，共89页，编辑于2022年，星期二 基于密度的方法——样方计数法 2) 方差均值比的X2检验 为了通过R推断点模式是否来自于泊松过程，首先假设m个样方中分别有(n1,n2,…nm)个事件的计数，然后用均值和方差比定义一个检验统计量I(也称分散性指数)： 对于CSR，I服从X2m-1分布，根据样方计数可以方便地计算I，然后将I和显著性水平为α的值进行比较，推断点模式是否来自于CSR。如果I显著地大于X2m-1，表示聚集分布；如果I显著地小于X2m-1，表示均匀分布。 第29页，共89页，编辑于2022年，星期二 基于密度的方法——样方计数法 2) 方差均值比的X2检验 还可以利用方差均值比定义一个聚集性指数ICS (index of cluster size)判断点模式的类型。ICS定义为： 在CSR中，ICS的期望E(ICS)＝0；如果E(ICS)0，表示聚集分布模式；如果E(ICS)O，表示规则分布模式。 第30页，共89页，编辑于2022年，星期二 基于密度的方法——样方计数法 4. 样方计数方法的问题 理论上可以将观测点模式和任何已知特征的点模式作比较。通常先采用视觉观察的方法，假设点的分布模式和哪一种特征分布相似，然后进行统计量的计算和检验。 然而样方技术存在一定的限制，样方方法只能获得点在样方内的信息，不能获取关于样方内点之间的信息，其结果是样方分析不能充分区分点分布模式。 第31页，共89页，编辑于2022年，星期二 基于密度的方法——样方计数法 上图所示的两个分布模式，图中(a) 、(b) 分别是8 个点在4 个样方中的分布。 在视觉上是两个不同的模式，(a)更加分散，(b)非常聚集。使用样方技术将产生相同的结果。 原因是样方技术不能计算样方内点之间的空间关系信息；当样方格网划定后，人为地割裂了点之间的空间关系。 用点分布的空间关系信息识别空间模式的方法是最近邻方法。 第32页，共89页，编辑于2022年，星期二 基于密度的方法——核函数 1. 核密度的概念与方法 核密度估计法(kernel density estimation , KDE)认为地理事件可以发生在空间的任何位置上，但是在不同的位置上事件发生的概率不一样。点密集的区域事件发生的概率高，点稀疏的地方事件发生的概率低。 KDE和样方计数法相比较，KDE更加适合于用可视化方法表示分布模式。 第33页，共89页，编辑于2022年，星期二 基于密度的方法——核函数 1. 核密度的概念与方法 空间模式在点S上的密度或强度是可测度的，是通过测量在研究区域中单位面积上的事件数量来估计的。 有多种事件密度估计的方法。最简单的方法是在研究区域中用滑动的圆来统计落在圆域内的事件数量，再除以圆的面积，就得到估计点S处的事件密度。 设S处的事件密度为L (s)，其估计为^L (s)，则 式中，C(s, r)是以点s为圆心、r为半径的圆域；#表示事件S落在圆域C中的数量。 第34页，共89页，编辑于2022年，星期二 基于密度的方法——核函数 1. 核密度的概念与方法 根据概率理论，核密度估计的定义为：设Xl，…，Xn是当作从分布密度函数为f的总体中抽取的样本，估计f在某点x处的值f(x)。通常用Rosenblatt-Parzen 核估计: k( )称为核函数；h0，为带宽；(x-Xi)表示估值点x到事件Xi处的距离。 第35页，共89页，编辑于2022年，星期二 基于密度的方法——核函数 影响KDE的主要因素是k( )函数的数学形式和带宽τ 。 Scott等199