《ArcGIS空间统计知多少ppt课件.pptx》由会员分享，可在线阅读，更多相关《ArcGIS空间统计知多少ppt课件.pptx（31页珍藏版）》请在三一办公上搜索。
1、ArcGIS 空间统计知多少？,产品技术部 王莉,目录,1、空间统计概述（5min）2、ArcGIS 空间统计（15min）3、ArcGIS集成R语言（20min）,1、空间统计,传统统计VS空间统计,什么是空间统计？,空间统计：将空间信息（面积、长度、邻近关系、朝向和空间关系）整合到经典统计分析中，以研究与空间位置相关的事物和现象的空间关联和空间关系，从而揭示要素的空间分布规律。,为什么需要空间统计？,空间统计能做什么？,空间统计分析使我们更深入、定量化的了解：分布特征空间关系分布模式,2、ArcGIS空间统计,度量地理分布工具集,ArcGIS空间统计工具,聚类分布制图工具集,分析模式工具集
2、,空间关系建模工具集,分布模式分析,分布特征分析,空间关系建模,分布特征分析,平均中心,中位数中心,集中特征分散特征,线性方向平均值,分布特征分析,集中特征分散特征,应用场景：仓库选择：中心要素开新店：平均中心（离散程度小）中位数中心（离散程度大）,分布特征分析,集中特征分散特征,标准差椭圆,标准距离,分X、Y方向分别计算标准差,X、Y方向合起来的总体标准差,分布特征分析,应用场景：长轴方向：犯罪模式、疾病传播模式、污染物扩散模式等面积覆盖：不同人种活动范围关系、不同物种间活动范围关系等,分布模式分析,集聚 离散,位置 VS 属性,分布模式分析,位置 VS 属性,应用场景：固定研究区，比如在同
3、一城市范围内，不同类型的企业之间的分布情况的研究；或者同一类型的企业，在固定区域以内，随着不同年份的变化情况的研究。,平均最近邻,分布模式分析,全局统计：从总体上判断要素的分布状态（集聚、分散）空间自相关（MoranI）高低聚类（Getis-Ord General G）局部统计：识别要素聚类或分散的位置和程度（热点、冷点）聚类和异常值（Anselin Local MoranI）热点分析（Getis-Ord G*）,位置 VS 属性,分布模式分析,全局统计：从总体上判断要素的分布状态（集聚、分散）空间自相关（MoranI）高低聚类（Getis-Ord General G）,位置 VS 属性,区别
4、：空间自相关：模式判断高低聚类：高值聚类VS低值聚类,Where？,分布模式分析,局部统计：识别要素聚类或分散的位置和程度（热点、冷点）聚类和异常值（Anselin Local MoranI）热点分析（Getis-Ord G*）,位置 VS 属性,分布模式分析,Z得分表示标准偏差，P值表示要素分布是完全空间随机分布的概率。,Z得分 = 2.0,= 95%,空间关系建模,空间回归在经典统计回归分析中考虑了空间自相关性，通过空间关系把属性数据与空间位置关系结合起来：OLS（普通最小二乘回归）GWR（地理加权回归）,度量地理分布工具集,ArcGIS空间统计工具,聚类分布制图工具集,分析模式工具集,空
5、间关系建模工具集,分布模式分析,分布特征分析,空间关系建模,3、ArcGIS集成R语言,R语言,用于统计计算和作图的语言数据计算与分析的环境大量的第三方功能包，开源,聚类：cluster, mclust分类：randomForest, tree, ctree时间序列：timsac, ts，zoo统计：anova, glm图表：hist, pie, lattice, ggplot2,6000+,ArcGIS VS R,树种聚类,河流污染物预测,疾病预测,意义：在ArcGIS中方便实现高级、复杂统计方法，并且进行空间可视化表达,如何安装？,环境要求：,ArcMap 10.3.1及其以上版本 或者A
6、rcGIS Pro 1.1及其以上版本R 3.1.0及其以上版本确保网络连接,安装部署：,ArcMap,Pro,https:/r-arcgis.github.io/,集成原理,R：直接读写ArcGIS支持的空间数据类型ArcGIS中：识别R源码封装成的GP工具，从而调用R的分析功能,集成原理-arcgisbinding包：,tool_exec - function(in_params, out_params)input1 - in_params1input2 - in_params2ouput1 - out_params1return(out_params),Demo：疾病预测,半参数回归利用
7、R提供的SemiPar包，实现对二值化数据的建模和预测。工具的参数介绍如下：Input Feature：待回归建模的数据，包含建模所需要的属性信息。Location to Predict：待预测的数据。Dependent Variable：回归方程的因变量Y。Output Prediction Feature Class：输出的预测结果。包含了每个点的预测概率值以及置信区间。Linear Explanatory Variables：自变量X中的线性变量。Nonlinear Explanatory Variables：自变量X中的非线性变量。,Demo：疾病预测,malaria：在被调查儿童的血
8、液中是否检测到疟疾。有为1，无为0.green：绿度。这里用NDVI来量化。很多研究发现绿度是影响文字数量，疟疾传播的重要因素，而且与疟疾发生率有着非线性的关系。age：被调查儿童的年龄（以天为单位）。研究表明，大龄儿童更容易被感染疟疾。netuse：表示是否有习惯使用蚊帐。有为1，无为0. 蚊帐的使用可以一定程度上降低被蚊虫叮咬的可能。而蚊虫是疟疾的主要传播途径之一，所以使用蚊帐也可以降低疟疾发生的风险。healthcenter：疟疾是一种可治愈的疾病，所以对健康中心，医院的可达性和便利程度也是影响疟疾发生的重要线性指标。有为1，无为0,总结,传统统计 VS 空间统计ArcGIS 空间统计：分布特征、分布模式、空间关系建模强有力的补充：ArcGIS集成R语言,ArcGIS极客说,专题详细解释更多案例更深度更复杂的空间统计其它技术热点,2016Esri空间信息开发者大会,
