GIS点模式的分析方法.docVIP

GIS点模式的分析方法： 1）以聚集性为基础的基于密度的方法，常用样方计数法和核函数法。 2）以分散性为基础的基于距离的方法，常用最邻近指数: G-函数，F-函数，K-函数等。 样方计数法：将区域划分为面积相等的子区域（样方），根据每一个样方中的事件数量计算与概括统计量，再将计算值除样方面积得点分布的密度。一般使用随机分布模式作为理论上的标准分布，然后将计算得到的点密度与理论分布作比较，判断点模式是属于聚集分布、均匀分布还是随机分布。样方形状、采样方式、样方起点、方向、大小都会影响到点的观测频次与分布。样方的形状与大小必须一样，以保证采样的均匀性。 样方尺寸的计算公式为：Q=2A/n Q样方面积；A研究区域面积；n研究区域中点的数量 观测频率与已知频率的显著性差异用K-S检验 K-S检验 通过比较观测频率分布与某一标准频率分布，确定观测频率分布模式的显著性。过程如下：1.假设两个频率分布之间不存在显著性差异。2.给出一个显著性水平α，如α=0.05。3.计算两个频率分布的累积频率分布。4.计算K-S检验的D统计量 D=maxOi-Ei Oi，Ei分别是两个分布的第i个等级上的累积频率。5.计算作为比较基础的门限值 Dα=0.05=1.36/根号下m （m是样方数量） 如果是两个样本模式的比较，则使用如下公式： Dα=0.05=1.36/根号下{（m1+m2）/m1m2} m1，m2分别是两个样本模式的数量。6.如果计算得到的D值大于Dα=0.05，则两个分布的差异在统计意义上是显著的。 核函数方法：地理事件可以发生在空间的任意位置上，不同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。空间模式在点s上的密度通过研究区域中单位面积上的事件数量来估计，最常用的方法是使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，就得到点s处的事件密度。 设s处的事件密度为λ(s)，则 λ(s)=（#S∈C(s,r)）/πr2 C(s,r)：以s为中心，r为半径的圆域 #表示事件S落在圆域C中的数量。 核密度估计的定义为：设X1，X2，...Xn是从密度函数f的总体中抽取的样本，要依据这些样本对每一个x估计f(x)的值，f(x)的估计有参数与非参数估计问题。 基于距离的方法： 1、最邻近距离法 使用最邻近点对之间的距离描述分布模式，形式上相当于密度的倒数，可看作是与点密度相反的概念。计算最邻近点对之间的平均距离，再比较观测模式与已知模式（随机模式）之间的相似性，当观测模式的最邻近距离大于随机模式的最邻近距离，则观测模式趋于均匀，否则趋于聚集。 1.1 最邻近距离 任意一点到其最邻近点之间的距离。事件si的最邻近距离记为dmin(si)，点对之间的最邻近距离不是相互的，但必然存在很多点对之间的最邻近距离是相互的。 1.2 最邻近指数测度方法 1）计算任意一点到其最邻近点的距离（dmin） 2）对所有的dmin按照模式中的点的数量n，求平均距离 3）在CSR模式中同样可以得到平均的最邻近距离，其期望为E(dmin)，最邻近指数R定义为： 判断如下： 当R=1，观测事件过程来自于完全随机模式，属于随机分布。 R1，表明大量事件点在空间上相互接近，属于空间聚集模式。 R1，表明事件模式中的空间点相互排斥，趋向于均匀分布。 另外，还存在极端聚集，事件发生在区域的同一位置，这时R=0。 1.3 显著性检验 首先计算观测的平均最邻近距离与CSR的期望平均距离差，并于作比较，如果前者小于后者，则点模式属于CSR，否则相反。