总复习空间分析区域模型.pptVIP

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)1与G函数仅仅基于事件间最近邻距离的频率分布不同，F函数基于区域内任意位置点与事件间最近邻距离的频率分布。2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；F函数计算的三个步骤：01如果事件是聚集的，F(d)先缓慢上升，而在远距离处急速上升，因为研究区的大部分地方没有事件点。如果点趋于均匀分布，F(d)先快速上升，而在远距离处上升缓慢。计算：02G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式和尺度的关系。2.2基于距离的方法：测度二阶效应K函数定义：K函数经验K函数估计的四个步骤：对于每一个事件si，以si为圆心、d为半径画圆C(si,d)计算圆内其他事件点的数量3)计算同一半径下所有事件的均值4)均值除以研究区内事件密度得：K函数聚集?均匀?空间权重矩阵连接数统计量（测度名义量）全局空间自相关指标（测度间隔量比率量）局部空间自相关指标五、空间格数据分析1.空间权重矩阵为了测度一组地理对象的空间自相关性，必须讨论识别多边形之间关系的方法。空间自相关衡量的是邻接区域内各单元属性值的相似程度，但首先必须定量地界定“邻接区域”的概念。即，在计算这些统计量之前，必须定量地界定区域单元之间的邻接关系，即，空间权重矩阵（SpatialWeightsMatrix）。空间权重的确定邻居的类型：两种规则邻接（公共边）：二值或标准距离（距离带，K-近邻）邻居的设定：“车、象、后”邻接方法连接数统计量(JoinCountStatistics)：一般用于名义量（nominal）数据，尤其是二值变量数据。由CliffOrd(1973)在《SpatialAutocorrelation》中首先提出。如，生/死,污染/非污染,耕地/非耕地。可以把“耕地”作为“1”或白色格数据,而把“非耕地”作为“0”或黑色格数据。连接数统计量3.全局空间自相关指标Moran’sI指数及其统计检验Geary’sC指数Getis’sG指数三个指标计算方法相似一般用于间隔量(interval)和比率量(ratio)数据最常用的是Moran’sIMoran’sI(covariance)Geary’sC(variance)GorG*(movingaverages)4.局部空间自相关指标局部空间自相关指标：LocalIndicatorsofSpatialAssociation(LISA)ProposedinGetisOrd(1992)andAnselin(1995).全局自相关：不能给出局部变化。LISA：全局自相关的分解，描述一个面元在多大程度上与其邻居相似，或不同。局部Moran’sIi指数局部Geary’sCi指数局部Getis’sGi指数倒距离权重（IDW）插值、趋势面分析01地统计学02克里金（Kriging）插值03六、空间插值与地统计1.倒距离权重(IDW)插值倒距离加权(IDW)插值方法假定每个输入点都有着局部影响，这种影响随着距离增加而减弱。步骤:计算未知点到所有点的距离；计算每个点的权重：权重是距离倒数的函数。计算结果：当一个变量的取值与其空间位置有关时，就称为区域化变量（regionalizedvariable）。区域化变量具有两个最显著，也是最重要的特征：随机性和结构性。地统计学是以区域化变量理论为基础，以变异函数为主要工具，研究那些在空间分布上既有随机性又有结构性，或空间相关和依赖性现象的学科。克里金方法(Kriging)就是建立在变异函数理论和结构分析基础之上的。2.地统计学区域化变量的组成部分随机性空间相关结构性可以用均值和常数趋势表示数据通常呈现正空间相关性测量误差，其他误差数据点1经验半变异函数(semi-variogram)—区域化变量的基本研究工具—半变异函数就是区域化变量增量平方的数学期望之半2区域化变量在i、i+h点的值3步长为h的样品对数4步长(h)：在一定方向上，距离为h的矢量理论模型拟合经验半变异函数必须拟合一个数学函数或模型，以用于估计任何给定距离的半方差。理论变异函数图模型偏基台值:C