《arcgis实习之空间统计分析报告》由会员分享，可在线阅读，更多相关《arcgis实习之空间统计分析报告（23页珍藏版）》请在金锄头文库上搜索。
1、1/1空间统计分析实习报告Spatial statistics tools分析模式工具集中的工具采用推论式统计，以零假设为起点, 假设要素与要素相关的值均表现随机分布。然后计算P值说 明，这种分布属于随机分布的概率。在应用中，返回z得分 和P值判断是否可以接受或拒绝零假设，同时在不同的工具 中，还表示分布是聚集，或分散Nearest Neighbor Ratio: 0.602941z-score: -10.955129 &p-value: 0.000000是标准差的倍数，在0.5-P的概率下接受随机分布的接受域(Rand&m)Significance Level(p-value)Critica
2、l Value (z-score)0.012.58nificantSignificantAverage Nearest Neighbor 最邻近分析根据每个要素预期最近要素的平均距禽来讣算最邻近指数，当指数大于要素有聚集分布 的趋势，对于趋势如何，还要依拯z-value和Pvalue来判断，小于1时，趋向分散分布 最近邻指数的表示方法为：平均观测距离与预期平均距离的比率，预期平均距离是假设随机 分布中领域间的平均距离这种方法对而积指值非常敏感（期望平均距离计算中需要而积参与运算），如果未指定面积 参数，则使用输入要素周圉最小外接矩形的面枳（不一左合坐标轴垂直）Spatial Autocorre
3、lation （Morans I）空间自相关分析更具要素位置的属性使用Global Moranos I统计量量测空间自相关性Morans I是计算所评估属性的均值和方差，然后将每个要素减去均值，得到与均值的 偏差，将所有相邻要素的偏差相称，得到叉积。统计量的分子便是这些叉积之和。如果相邻要素的值均大于均值，这叉积为正，如果以要素小于均值而一要素大于均值，则为 负如果数据集中的值倾向于在空间上集聚（高值聚集在髙值附近，低值聚集在低值附近） 则指数为正，如果髙值排斥高值，倾向于低值，则指数为负K函数分析之后，将讣算期望指数值，将之与英比较，在给定的数据集中的要素个数和全部熟知的方差 下，将计算Z得
4、分和P值，用来指示次差异是否具有统汁学上的显著性Multi-Distance Spatial Cluster Analysis确泄要素（后与之有关连的值）是否显示某一距离范国内统汁意义显著的聚类或离 散基于Riple/s K函数的多距离空间聚类分析工具是另外一种分析事件点数据的空 间模式的方法。该方法不同于此工具集中英他方法（空间自相关和热点分析）的特征是可汇 总一定距离范围内的空间相关性（要素聚类或要素扩散）Riple/s K函数可表明要素质心的空间聚类或空间扩散在邻域大小发生变化时是如 何变化的。如果特左距离的k观测值大于k预期值，则与该距离下的随机分布相比，该分布的 聚集程度更高，反之亦
5、可。如果，k观测值大于HIConfEnv,则该距离的空间聚类具有统计 学上的显著性，如果k观测值小于LwConFEnv,则该距离的空间离散具有统计学上的显著性 对于巻信区间，点的每个随机分布称为“排列”将一组点随机分布多次，将对每个 距离选择相对预期k值向下和向上最大的k值，作为置信区间Anselin Local Morans I 局部 Morans I 分析给定一组加权要素，使用局部Morans I统计量来识别具有统讣显著性的热点，冷点和空间 异常值。Z得分和p值是统计显著性的指标，用于逐个要素判断是否拒绝零假设。他们可指示表面相 似性和向异性如果要素Z值是一个较髙的正数，则表示周围的要素拥
6、有相似值，输出要素Cotype字段会 将具有统计显著性的高值聚类表示为HH,低值聚类表示为LL如果要素的z得分是一个较低的负值，则表示有一个具有统汁显著性的空间异常值。输岀 要素类中的COType字段将指明要素是否是髙值要素而四周用绕的是低值要素（HL）,或者要 素是否是低值要素而四周由绕的是髙值要素（LH）。Getis-Ord General G高低聚类分析使用Getis-Ord General G统汁可度捲髙值或低值的聚类程度Z得分越髙或越低，聚类程度就越高，如果z得分接近零，则表示不存在明显的聚类，为正 表示高值的聚类。为负表示低值的聚类Hot spot Analysis（Getis-O
7、rdGi*）热点分析如果给左一组加权要素，使用Getis-OrdGi*统计识别具有统汁显著性的热点和冷点如果要素的z得分高且p值小，则表示有一个髙值的空间聚类。如果z得分低并为负数 且p值小，则表示有一个低值的空间聚类。z得分越高（或越低），聚类程度就越大。如果 z得分接近于零，则表示不存在明显的空间聚类。AdabgOO模式分析Average Nearest Neighbor 最邻近分析4 Average Nearest Neighborc 1 回Input Feature Class对于点数据，没有明显的边ldecr/界，所以默认而积计算（最,1、/L、3回Distance flethodE
8、ICUIIEAKJISTAJICE小外接矩形）Generate Rupert (opti oral)Area (optional)Average Nearest Neighbor SummaryObserved Mean Distance:25.313385 MetersExpected Mean Distance:41.983181 Metere/Neatest Neighbor Ratio;0.602941z-score:-10.955129p-value:0.000000最邻近指数小于仁聚集分布。Z得分为-10.9,对应的P值为0.000000,即这种分布是随机的情况概率为0.00000
9、Nearest Neighbor Ratio: 0.602941z-score: -10.955129 p-value: 0.000000SignificantQ.100.050.01Significance Level (p-value) 0.01 0.05 0.10Random) RandomSignificantD-ispersedCriticalValue(z-score)2.58Given the z-score of 10.96, there is less than 1% likelihood that this clustered pattern could be the re
10、sult of random chance.Spatial Autocorrelation (Morans I)空间自相关分析丁 Spatial Autocorrelation (Morans I)空间关系模型参数说明空间要结果用戈准确素之间的关系，越接近现实,Input Feature ClassInput FieINVERSEJISTANCEDistance Method指左反距离和固定距离中的 距离参数，默认距离为所有要 素最临近距离的最大值EUCUDEAWJISTANCEStandardizationMOKEDi s tonce Bwd oi* TH-cskold Distune, (
11、optional)VGeneratw Report (optional)Weights Matrix File (optional)亘DEERGlobal Moran s I Sdrnr聚集分布Morans Index:CLZ00824Expected Index:-0.004831Variance:0.001640z-score:2.608720p-value:0.009088Dataset InformationInput Feature Class:deerInput Field:DEER_Conceptualization:INVERSE_DISTANCEDistance Method
12、:EUCUDEANRow Standardization:FalseDistance Threshold:4034L99 MetersWeights MatrixNone6 q +1 ELne meewurerrcnt (Flonar) Segment; -405llZ007Met Length: -K3：LR22yMetECritical Value (z-score) v253 -2.58-1.9G *1.96-1.65 -1.65 - 1.651.65 - 1.96 1.96-2.58 2.53DispersedRandomClusteredGiven the z-score of 2.
13、61, there is a less than 1% likelihood that this clustered pattern could be the result of random chance.Multi-Distance Spatial Cluster Analysis K 函数分析通过Calculate Distance Band From Neighbor count计包含一个近邻点的最大距离，作为k函 数的起始距离。将最近邻距离的期望距离作为间隔3* Multi-Distance Spatial Cluster Analysis (Ripleys K Function)O
14、utput TableE： firc5i K shixi lo曲戏析Mcuncati anNwnbcr o Di ztcmcc Bonds叵10U1100Compute Coni dexvce Envelope (opti on&l)曲 _FE 珊 UTAHONSl3 Display Results Graphically (optional)Weight Field (optional)Beginning Distanue (optional)N3NEStudy Area Het hod (op ti onal)MINIMW_ENCLOSIMG_RECTANGLEStudy Area Feature Class (optigal)OK I I Carrel En/ironmerits.Hide HelpKFunctionK Function-t缺 EcdK f ObuwecXConfidenceEn
