GIS算法_空间自相关..pptVIP

对G统计量的检验与局部Moran指数相似，其检验值为 显著的正值表示在该区域单元周围，高观测值的区域单元趋于空间集聚，而显著的负值表示低观测值的区域单元趋于空间集聚,与Moran指数只能发现相似值(正关联)或非相似性观测值(负关联)的空间集聚模式相比，具有能够探测出区域单元属于高值集聚还是低值集聚的空间分布模式。 G统计量--高/低 集中趋势 Getis-Ord General指数（高/低变化工具）度量对整体区域的高低值的集中度。 例1：可以用这个统计工具去比较一个城市内不同犯罪类型的分布模式，这样我们就能够看出该地区是犯罪比较集中（热点地区多），还是犯罪很分散。计算得出很高的值说明在研究区域高于平均值的区域比较聚集。较低的值说明低于平均值的区域趋向聚集。可以计算得出该区域的标准化z值使我们能看出高、低值是否具有统计显著性。 例2：比较总结空间现象在不同地方和不同时段的聚集程度。典型的有城市和城市人口集中。用高/低值聚集分析，你能够比较西方城市与东方城市的集聚水平（城市形态学），或者在一个城市内不同时段的人口集中程度的比较（城市增长和密度分析） ArcGIS 空间统计工具箱 空间统计工具箱是为那些需要使用高级的方法来解决其空间分析问题的gis用户设计的。 空间统计主要的工作是研究空间自相关性（Spatial Autocorrelation），分析空间分布的模式，例如聚类（cluster）或离散（dispersed）。通过使用ArcGIS 9中的空间统计工具，用户可以以一种非常直观而简单的方式获得这些信息。 ArcGIS 9中的空间统计工具箱包括了一系列工具，用来分析地理要素的空间分布形态。传统的统计并不考虑地理要素的空间关系，而在空间统计中，要素的空间关系是分析中需要考虑的必要的，处于绝对重要地位的因素。 1、nearest Neighbor Analysis 1、nearest Neighbor Analysis 1、nearest Neighbor Analysis The ratio is less than 1 if the point pattern is more cluster than random, and greater than 1 if the point pattern is more dispersed than random. The z-score indicates the likelihood that the pattern could be a result of random chance. The observed average distance between nearest neighbors The expected average for a hypothetical random distribution Global Moran’s I: Moran’s指数越接近1表示越集聚，接近－1表示离散，z-score indicate the likelihood be a result of random chance,如果 z score为正且大于 1.96，则分布为聚集的。如果 z score为负且小于-1.96,分布为离散的 General G Index:返回 General G Index值和 Z Score值。G Index值越高，越趋向于高聚类,反为低聚类。Z值为正且越大，要素分布趋向高聚类分布。相反为低聚类分布 TBSgroup /lianxiwomen/ 文章编辑：defrdvmnnd22 Local Moran I A high positive z score suggests that the feature is adjacent to features of similar values A high negative z score indicates that the feature is adjacent to features of dissimilar values 如果索引值I为正，则要素值与其相邻的要素值相近，如果索引I值为负值，则与相邻要素值有很大的不同 Local G statistic The high positive z score indicate the presence of a cluster of high values or a hot spot The negative z scores, on the other hands suggests the presence of a cluster of low values or a cold spot Lecture 4 空间自相