《空间数据分析》总结复习

《《空间数据分析》总结复习》由会员分享，可在线阅读，更多相关《《空间数据分析》总结复习（36页珍藏版）》请在金锄头文库上搜索。

1、空间数据分析总结复习孔云峰 河南大学 环境与规划学院 2005年12月29日课程复习第一讲：空间数据分析概论 第二讲：地理空间数据特征 第三讲：地理空间数据管理，上机实习 第四讲：空间数据可视化，上机实习 第五讲：空间数据几何分析（地图分析），上机实习 第六讲：空间数据描述与探测，上机实习 第七讲：空间插值与地统计，上机实习 第八讲：空间模型与建模 第九讲：空间分析中的尺度问题 第十讲：复习总结什么是空间分析? 空间分析是对地理空间数据进行处理、分析； 空间分析是虽然不是一个新概念，但目前还没有 一个明确的、统一的定义； 空间分析通常包含以下方面： 空间数据可视化分析； 空间数据几何分析（地图

2、分析）； 空间数据描述与探索分析； 空间插值与地统计； 空间模型与建模，等。空间分析相关词汇 空间分析 spatial analysis 空间数据分析 spatial data analysis 空间信息分析 spatial information analysis 空间统计 spatial statistics 地统计 geostatistics 空间模型 spatial model 空间建模 spatial modeling空间分析的重要性 地理信息系统和科学包括四个部分：基本原理、 技术、空间分析、管理与政策问题（Longley等 ，2005）； 空间分析是GIS区别于其他信息系统的重要

3、特征 之一，也是GIS中难点和重点； 使用空间分析进行科学研究，如描述、探索、解 释地理现象，建立地理模型； 使用空间分析探索、发现地理知识：“数据 - 信 息 - 线索 - 知识”； 使用空间分析帮助进行空间决策：如选线问题、 选址问题、公共设施空间配置、环境管理、资源 管理。空间分析与常规数据分析之区别 常规数据分析 假设数据样本是独立的 数据样本数量有限 数据样本能够代表母体 空间数据分析 地理数据具有位置特征 地理数据样本常常不是独立的，存在空间相关 地理数据样本量庞大 空间分析的特点 常使用地图可视化、几何分析方法 因空间关系（自相关、尺度等）存在，造成空间 统计非常复杂 理论要求高

4、、技术性强、数据需求、缺乏工具地理信息概念 地理信息是关于地球表面某一位置地理实体或地 理现象的信息，是一种特殊的空间信息 (Maguire、Goodchild、Rhind，1991) 。 地理信息是直接或间接地与地球上某一位置相关 联的地理实体或地理现象的信息（ ISO/TC 211) 。 地理信息是地球上某个位置的信息，特别是有关 的自然现象和人文资源，也常常具有一定的时间 特性地理信息能够表现所有的影响人类活动和 经济活动的实体、位置、活动、事件之间的空间 关系（EU DG XIII/E，1998）。认识地理数据 数字世界：地理世界是无限复杂，数字世 界是有限的；数字世界是现实世界的一个

5、 （高度）简化模型。 地理数据的特征：地理数据与位置、时间 和属性有关（Where、when、what）。 地理数据的学术重要性：通过一定的研究 方法，可以从地理数据获得信息和知识（ How、Why）。离散对象模型与场模型 离散对象模型与场模型是两种最基本的表 达地理世界的方式。 离散对象模型将地理世界理解为由若干地 理实体充满的空间，地理实体边界明确、 可数。 场模型将地理世界理解为连续的表面，使 用有限的变量描述表面的每一个位置。 每种模型既有很多优点，又有一些缺点。 计算机空间数据模型（略）。地理数据的基本特征 不确定性（所有地图均存在不同程度的误差） 空间自相关（地理学第一定律） 尺度

6、问题 合成效应 边界效应 可变空间单元问题 距离衰减现象 空间依赖现象 不服从正态分布 多维数据 数据量庞大 上述特征往往交织在一起！地理数据的采集与管理 数据收集或采集； 数据录入与整理； 数据管理； 与地图数据集成。地图可视化分析 专题地图制作是地理数据分析（空间分析）的 第一步； 一幅图胜过一千句话、百闻不如一见，地图 在空间数据分析中具有不可替代的作用； 很多地理现象可以在地图上表现出来； 广义地理解，地图制图是空间数据分析的主要 方法之一！ 通常在地图分析的基础上，提出科学问题，再 进一步进行统计、建模等分析，验证时空规律 。地图设计 原则 地图表现方式适当； 符号选择 符合认知习惯

7、 ； 颜色选择 与搭配具有良好的视觉 效果； 足够的背景信息； 适当的投影方式； 数据分类适当：自然、等距、正态、分 位、任意。常见基本地图类型 单要素地图 点地图 线地图 面地图 影像地图 多要素地图 点线面综合各种专题地图设计的方法（略）空间数据几何分析（地图分析） 空间数据几何分析：通过基于几何的空间 关系运算，获取新的地理信息。 常见空间数据几何分析种类： 缓冲区分析； 叠加分析； 地形分析； 网络分析； 中心点； 泰森多边形；等。探索性空间数据分析 探索性空间数据分析的英文为Exploring Spatial Data Analysis 简称ESDA； 探索性空间数据分析是一系列数据

8、分析方法的总 称，例如： 空间数据常规统计 空间数据关联性判断 空间变异描述 探索性空间数据分析的目的 理解地理数据 发现研究线索探索性空间数据分析试图回答以下问题针对自然现象或人文现象数据，以下问题很常见： 这些数据样本的平均值、方差？ 这些数据样本满足正态分布吗？ 这些数据在空间分布上有何大趋势？ 这些数据存在空间关联吗？关联程度？ 这些数据的空间变异规律如何？ 这些数据的采样质量如何？ 这些数据能否内插一个趋势面？选择哪个内插方 法？常见空间数据探测工具 常见数据统计 常规统计：平均数、方差、中位数 直方图：直观显示数据的分布特征 标准的分位图：判断数据样本是否服从正态分布 普通分位图：

9、判断两个数据样本相关、或来源于一个母体 空间趋势分析：空间分布的总体趋势 空间变异描述 半变异函数：变程、块金、基台值 半变异云图/协方差云图：交互探索空间变异特征 空间自相关/空间关联分析 全局关联系数：全局空间分异指标 局部关联系数：空间自相关程度什么是空间插值？ 插值插值是将某些测量点上数据外推到整 个地理区域，来预测一定区域内每个位置 上的数值。 插值插值举例 大气污染监测 降雨量监测 地下/地表水质量监测 土壤污染/养分/水分监测空间插值的基本原理 空间插值基本前提：空间自相关原理！ 地理学第一定律：靠得越近越相似! 遵循空间自相关或空间关联的数据样本才 能用于空间插值。 常见两大类

10、插值方法： 确定性方法 地统计方法(geostatistics或Kriging)常见空间插值方法 倒距离加权平均 多项式、样条曲面拟合 不规则三角形(TIN)、泰森多边形 地统计（Kriging） 简单Kriging（ Simple Kriging ） 普通Kriging （ Ordinary Kriging ） 指示性Kriging （ Indicator Kriging ） 泛Kriging （ Universal Kriging ） 协Kriging （ Co-Kriging ）ArcMap空间插值的处理流程空间采样空间插值方法评述 当样本数据相当充足时，各种插值方法结 果几乎相同。 当

11、样本数据明显不足时，各种插值方法将 给出差异很大的结果。 实践经验表明，不存在最优的插值方法， 在具体的研究背景中，要选择经过检验的 或可以检验的插值方法。地统计（Geostatistics） 地统计是对统计学的进一步发展； 传统统计学假设随机变量的样本是完全随 机的、在空间上完全独立的，不考虑样本 位置； 地统计所处理的变量，在空间上不一定是 完全随机的或完全独立的； 除了计算变量的均值、方差等统计量，地 统计需要计算变量的空间变异结构。Kriging空间插值方法特征 Kriging方法是线性的，是根据已有数据的加权累 加而获得； Kriging方法无偏的，它使空间插值的平均残差或 误差接近

12、于零； Kriging方法是最优的，它使空间插值的方差最小 。 与其他方法相比， Kriging方法具有明显的优点 ：可以处理空间关联数据，可以估算插值精度。 有多种Kriging方法，适应各种不同的场合。空间模型（spatial model） 空间模型是用“方法+数据”的方式，对地理格局或过程的 抽象和简化； 空间模型： 数学模型； 基于数理逻辑的决策模型，如层次分析模型； 基于Agent的模型，如元胞自动机； 智能仿生模型：如神经元网络、遗传算法。 空间模型的作用： 表达/描述某种复杂的地理现象（知识交流）； 模拟某种地理运动的过程（场景分析）； 揭示某种地理想象的机理（科学研究）； 预测

13、某种地理现象的发展（预测应用）。理解空间模型 空间模型的种类相当多元化； 空间模型是对地理格局或过程的描述； 空间模型与空间位置密切相关，位置改变 了，模型运算的结论也随之改变； 空间模型的本质：地理空间看起来像什么 、他是如何运动的？ 空间模型是现实世界的高度简化，空间模 型的不确定性与空间、时间的详细程度相 关。选择模型 模型的理论基础是否坚实，受否经受得起 推敲？ 模型的前提假设与实际情形是否一致？ 模型运算结果与现实世界的近似程度？ 实现模型的复杂程度？ 模型需要的数据、计算能力？ 模型应用的状况：有效性与精度？GIS建模（GIS modeling） GIS建模是在计算机环境中； 使用

14、GIS软件管理空间数据； 选择或开发空间模型工具； 对空间数据进行计算、模拟、分析； 将分析结果（地图、动画等）输出。GIS建模应用设计面临的主要问题 拟解决的问题，问题性质； 是否需要模型和建模； 模型的选择，包括模型类型和模型参数； 空间单元的设计； 选择或开发模型工具； 设计模型计算的步骤； 模型结果检验； 问题分析。GIS建模四要素 良好的GIS建模工作需要： 数据：适当、可靠的数据； 模型：合适的模型； 计算机及软件工具：GIS、模型工具； 人：聪明的人，理解问题、目标、方法和数 据。ArcMap建模 利用ArcMap的数据管理、地图制图等功能 ； 利用ArcMap的空间分析工具；

15、选择概念模型，编程实现： 利用ArcObjects 使用内嵌VBA编程 使用任何语言，生成DLL，EXE 或OCX， ArcMap集成ArcMap ArcMap 8.3具有哪些数据分析功能？ 你是否熟练掌握了ArcMap的数据分析功能 ？空间数据分析展望（1）高级地理数据分析基础： 数学基础：概率论与数理统计、高等数理统计、 数值分析与计算方法、矩阵论与线性代数等； 计算机技术：数据库应用、计算机编程、人工智 能、多媒体等； 地理信息系统：GIS基础知识、技术与应用； 某一地学领域：地理学、环境科学、地质学或其 它相关学科。空间分析展望（1）空间数据分析展望（2）空间数据分析中的难点： 数据采集方案； 数据特征分析与数据预处理； 空间数据分析方法的选择； 各种空间数据分析方法的特点、适用性； 空间数据分析的精度、不确定性； 如何解决实际问题？ 空间数据分析展望（3） 空间数据分析还是一个崭新的领域，需要 进一步