空间数据的统计分析-2-本.pptxVIP

第七章 空间数据的统计分析方法 （2）;2;3;4;5;6;7;8;9;10;11;12;13;14;15;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反映的就是这样一种思想：使用事件的空间密度分析表示空间点模式。 和样方计数法相比较，KDE更加适合于可视化方法表示分布模式。;在KDE中，区域内任意一个位置都有一个事件密度，这是和概率密度对应的概念。 空间模式在点S上的密度或强度是可测度的，一般通过测量定义在研究区域中单位面积上的事件数量来估计。 最简单的事件密度估计方法是在研究区域中使用滑动的圆来统计出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。;核密度估计法;19;核密度估计法;核密度估计法;关于KDE中的带宽;23;KDE中的边缘效应;KDE方法在热带气旋源地分析中的应用：;我们还对1×1经纬度的网格用样方计数法进行了计算。 通过两种方法对比可以看出KDE方法能够更好地揭示台风源地的模式。;基于距离的方法;最邻近距离：;CSR模式：完全随机模式;最近邻指数测度方法;NNI的一般计算过程：;NNI的一般计算过程：;33;34;显著性检验;36;实例研究;NNI中通过简单的概念揭示了分布模式的特征，但是只用一个距离的平均值概括所有邻近距离是有问题的。在点的空间分布中，简单的平均最近邻距离概念忽略了最邻近距离的分布信息在揭示模式特征中的作用。 如果最近邻距离是均匀分布的，那么均值是唯一的稳健估计。图中给出了用实例数据计算得到的最邻近距离的频率分布直方图，显然这是一种偏态分布，更多点的最邻近距离小于均值99.48km。此外，NNI中，模式的显著性信息被忽略了。 ;G函数和 F函数就是用最近邻距离的分布特征揭示空间点模式的方法。这两个函数是关于最邻近距离分布的函数。;G函数;示例;首先，计算最邻近距离，并按照升序对这些距离排序。;G函数;根据G(d)曲线的形状分析空间点模式： 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函数值得增加就比较缓慢。;图4.16是聚集、随机、均匀三类点模式的G函数曲线的形状。在实际应用中还需要进行显著性检验。;F函数;F函数;F函数;实例分析;F函数;K函数和L函数;K函数;K函数;K函数;K函数;K函数;K函数;K函数;实例研究;K函数;L函数;62;63;面状数据是地理学研究中的一类重要数据，很多地理现象都通过规则的或不规则的多边形表示，这类地理现象的显著特点是空间过程与边界明确的面积单元有关。 面状数据通过各个面积单元变量的数值描述地理现象的分布特征。例如气候类型区、土壤类型区、土地利用类型区、行政区、人口普查区等。 面状数据的空间模式研究的是面积单元的空间关系作用下的变量值的空间模式。面积单元之间的邻接与否、距离远近等对于变量的空间分布具有重要影响。;空间邻接性就是面积单元之间的“距离关系”，基于“距离”的空间邻接性测度就是使用面积单元之间的距离定义邻接性。 测度任意两个面积单元之间的距离的两种方法： （1）按照面积单元是否有邻接关系的邻接法， （2）基于面积单元中心之间距离的重心距离法。 ;（1）边界邻接法：面积单元之间具有共享的边界，被称为是空间邻接的，用边界邻接可以定义一个面积单元的直接邻接，然后根据邻接的传递关系还可以定义间接邻接，或者多重邻接。 （2）重心距离法：面积单元的重心或中心之间的距离小于某个指定的距离，则面积单元在空间上是邻接的。这个指定距离的大小对于一个单元的邻接数量有影响。;空间权重矩阵是空间邻接性的定量化测度。 假设研究区域中有n个多边形，任何两个多边形都存在一个空间关系，这样就有n ×n对关系，需要n ×n的矩阵存储这n个面积单元之间的空间关系。 根据不同准则可以定义不同的空间关系矩阵， 主要的空间权重矩阵包括以下几种类型： （1）左右相邻权重：空间对象间的相邻关系从空间方位上考虑，有左右相邻的关系。 左右相邻权重的定义如下：;68;69;70;空间数据的一阶效应反映了研究区域上变量的空间趋势，通常用变量的均值描述这种空间变化。 研究一阶效应使用的方法主要是利用空间权重矩阵进行空间滑动平均估计。;72;空间自相关是空间地理数据的重要性质，空间上邻近的面积单元中地理变量的相似性特征将导致二阶效应。 在面状数据的背景上，二阶效应又称为空间自相关。 空间自相关描述的是在空间域中位置上的变量与其邻近位置上同一变量的相关性。 对于任何空间变量(属性