总复习空间分析区域模型.pptVIP

总复习空间分析区域模型;“空间分析”总复习;一 绪论;0. 空间分析概念;1. 空间/属性数据的类型;来源： FreeSAT：Free Spatial Analysis Tools;1.2 属性数据的类型;可视化;基于Anselin和Getis(1992)提出的一般框架，GIS环境下空间分析模块的关系见右图。参照GIS输入、存储、分析和输出等功能， GIS环境下空间分析可进一步细分为选择、操作、探索和确认4种。;地理学第一定律: everything is related to everything else, but near things are more related than distant things (Tobler,1970).;3.2 可变面元问题;x =?均值，n=9;O’SullivanUnwin（2003），p.31;;二、空间基础量算;在进行空间分析时，一般主要从以下几个方面入手： 空间位置 空间分布与格局 资源配置与规划 空间关系与影响 空间动态与过程;三、探索性空间数据分析;三种类型的数据分析;Exploratory Data Analysis（EDA）;2. 茎叶图（Stem-and-Leaf plot） Tukey在1977 年提出。 茎叶图：单变量、??数据集数据分布的图示方法。; 示例： 55 49 37 57 46 40 64 35 73 62 61 43 72 48 54 69 45 78 46 59 40 58 56 52 49 42 62 53 46 81;茎叶图制作方法;3. 箱线图五数总结 箱线图（boxplot）也称箱须图（box-whisker plot）需要五个数，称为五数总结： 最小值 下四分位数：Q1 中位数(median) 上四分位数：Q3 最大值;Box plot;4. 核密度估计(Kernel Density Estimation, KDE);应用不同带宽生成的100个服从正态分布随机数的核密度估计。;四、空间点模式分析;点模式分析由植物学家和生态学家在1930s应用。但是，随后许多不同领域也开始应用点模式分析，如考古学、流行病学、天文学和犯罪学。 一般来说，点模式分析可以用来描述任何类型的事件数据（incident data）。因为每一事件都可以抽象化为空间上的一个位置点。;随机分布：任何一点在任何一个位置发生的概率相同，某点的存在不影响其它点的分布。又称泊松分布(Poisson distribution)。 均匀分布：个体间保持一定的距离，每一个点尽量地远离其周围的邻近点。在单位(样方)中个体出现与不出现的概率完全或几乎相等。 聚集分布：许多点集中在一个或少数几个区域，大面积的区域没有或仅有少量点。总体中一个或多个点的存在影响其它点在同一取样单位中的出现概率。;;2.1 基于密度的方法：测度一阶效应;利用所有点： 样方的形状、大小、方向对结果有影响 如果样方太大/小，则 ……;样方分析步骤;注: N = 样方数量 = 10;样方分析的缺点;基本思想：在研究区域内的任一点都有一个密度，而不仅仅是在事件点上。 该密度通过计数一定区域内的事件点数量，或核(Kernel)进行估计。核以估计点为中心，一定距离为半径。;;核密度估计(KDE)用途： 可视化点模式进行热点 (hot spot)探测； 离散?连续。 如，疾病与污染。;计算每个点到其最近邻点之间的距离， 然后计算所有点最近邻距离的平均值。对每一个点，根据其欧几里德距离最小确定其最近邻点。 平均最近邻距离的大小，反映点在空间的分布特征。最近邻距离越小，说明点在空间分布越密集，反之，越离散。 ;2.2 基于距离的方法：测度二阶效应 最近邻距离方法：G函数(Event-Event) ;最近邻距离的最小值是9.00，即点48和点84之间的距离，有两个， 2/12=0.167，所以G(d)在距离等于9时的值为0.167。 下一个最近邻距离的最小值是15.64，即点2的最近邻距离，有一个，加上前面的两个最近邻距离(即9)共有3个，3/12=0.25，所以G(d)在距离等于15.64时的值为0.25。 依次累积下去，得到G函数。;2.2 基于距离的方法：测度二阶效应 最近邻距离方法：F函数(Point-Event) ;F函数计算的三个步骤： 随机选择m个位置{p1, p2, …, pm}； 计算dmin(pi, s) ：pi到点模式S中的任一事件的最小距离； 计算：;G 函数与 F 函数的比较;与G函数、F函数只使用事件或点的最近邻距离不同，K函数基于事件间的所有距离。因此，K函数不仅能探测空间模式，而且可以给出空间模