ArcMAP地统计学习..doc

ArcGIS 地统计学习指南(一) 1.1 地统计扩展模块简介 ArcGIS地统计分析模块在地统计学与GIS之间架起了一座桥梁。使得复杂的地统计方法可以在软件中轻易实现。体现了以人为本、可视化发展的趋势。地统计学的功能在地统计分析模块的都能实现，包括：（1）ESDA：探索性空间数据分析，即数据检查；（2）表面预测（模拟）和误差建模；（3）模型检验与对比。地统计学起源于克里格。当时他用此法预测矿产分布，后来经过别人改进修改发展成为现在所用的克里格方法。虽然空间数据分析还有其他方法，如IDW（反距离加权插值法）等，但克里格方法是最主要、最常用的空间分析方法，下面也以此法为主进行。 1.2表面预测主要过程 ArcGIS地统计扩展模块的菜单非常简单，如下所示，但由此却可以完成完整的空间数据分析过程。 一个完整的空间数据分析过程，或者说表面预测模型，一般为。拿到数据，首先要检查数据，发现数据的特点，比如是否为正态分布、有没有趋势效应、各向异性等等（此功能主要由Explore Data菜单及其下级菜单完成）；然后选择合适的模型进行表面预测，这其中包括半变异模型的选择和预测模型的选择；最后检验模型是否合理或几种模型进行对比；（后两种功能主要由Geostatistical Wizard…菜单完成）。Create Subsets…菜单的作用是为把采样点数据分成两部分，一部分作为训练样本，一部分作为检验样本。 下面将按上述表面预测过程进行叙述。（注：[1]文章示例中所使用的数据为ArcGIS扩展模块中所带的学习数据（某地测得的臭氧含量样本），整个过程均使用此数据；[2]文章以操作方法介绍为主，所涉及到的地统计方法和基本理论一般未进行解释，可查阅相关地统计理论资料；操作中所用到的某些参数为地统计中的标准名称的也未进行解释。） 我们下面的任务是根据测量所得到的某地臭氧浓度数据进行全区的臭氧浓度预测。首先检查数据的特点，然后根据数据特点用不同参数进行表面模型预测，随后比较不同模型的精确程序，选择最佳模型，最后制作成果图。 我们下面的任务是根据测量所得到的某地臭氧浓度数据进行全区的臭氧浓度预测。首先检查数据的特点，然后根据数据特点用不同参数进行表面模型预测，随后比较不同模型的精确程序，选择最佳模型，最后制作成果图。 1.3数据检查，即空间数据探索分析（ESDA） 此功能主要通过Explore Data菜单中实现。 扩展模块提供了多种分析工具，这些工具主要是通过生成各种视图，进行交互性分析。如直方图、QQ plot图、半变异函数/协方差图等。 （1）直方图显示数据的概率分布特征以及概括性的统计指标。 　下图中所展示的数据，中值接近均值、峰值指数接近3。从图中观察可认为近似于正态分布。克里格方法对正态数据的预测精度最高，而且有些空间分析方法特别要求数据为正态分布。 （2）正态QQ Plot图： 　检查数据的正态分布情况。作图原理是用分位图思想。直线表示正态分布，从图中可以看出数据很接近正态分布（左上角几个偏离的点被选中）。 ?? （3）趋势分析图。 　蓝线表示南北方向，呈水平，可见南北方向无趋势。绿线表示东西方向，呈倒U形，可用二阶曲线拟合，在后面进行表面预测时将会去除。 点击Rotete右边的方向旋转箭头（横向箭头），可旋转趋势图，更明显地显示某一个方向的趋势。 （4）Voronoi图 用来发现离群值。Voronoi图的生成方法：每个多边形内有一个样点，多变形内任一点到该点的距离都小于其他多边形到该点的距离，生成多边形后。某个样点的相邻样点便会与该样点的多边形有相邻边。至于多边形值的计算有多种方法，可以用生成多边形的样点值作为多边形的值（Simple方法），也可以以相邻样点的平均值为多边形的值（Mean方法），具体计算方法可以在Type下拉菜单中选择。 （5）半变异函数/协方差函数。 该图可以反应数据的空间相关程度，只有数据空间相关，才有必要进行空间插值法。图表的横坐标表示任两点的空间距离，纵标表示该两点的半变异函数值。根据距离越近越相似的原理，因而x值越小，y值应该越小。 如果任意两点的值都要计算，当采样点很多时，数据量便很大，因而根据距离和方向对样点距离进行了分组。下列参数便是为此要求而设置：Lag，步长值；Number of，步长组数。步长值和步长组数之乘积应小于采样点区域的坐标范围的一半。如下图。 最后的两个图表是针对两个数据集而言的。 （6）普通Qqplot分布图 评估两个数据集分布的相似程度。利用两个数据集中具有相同累积分布值的数据值来作图。 （7）正交协方差函数云。 横坐标：两点间的距离； 纵坐标：两点间的距离所对应的样点对的理论正交协方差。 这些