第四章-面模式分析方法課件

1、第四章 面模式分析方法4.1 空間接近性空間接近性就是面積單元之間的距離關(guān)系，它是測度面積單元的空間模式的基礎(chǔ)。通?！熬嚯x”的測度有兩種方法：邊界鄰接法：直接鄰近、間接鄰近、多重鄰近；重心距離法：面積單元的中心或重心之間的距離與指定距離的比較。（a）鄰接邊界表示的接近性 （b）距離表示的接近性ABCDXEFGH（a）按照車的行走方式 （b）按照象的行走方式 （c）按照王后的行走方式ABCDXEFGHABCDXEFGH規(guī)則格網(wǎng)的接近性空間權(quán)重矩陣是空間接近性的定量化測度，對(duì)于任意的n個(gè)多邊形，其兩兩之間都存在一個(gè)空間關(guān)系，于是總共有n*n對(duì)關(guān)系。這個(gè)關(guān)系可以用n*n的矩陣進(jìn)行存儲(chǔ)。4.2 空間權(quán)

2、重矩陣4.2.1 二元鄰接矩陣在矩陣中，各單元的值要么為0，要么為1，它表示了個(gè)面積單元之間的鄰接與否，這種矩陣稱為二元鄰接矩陣。其定義為鄰接：距離：CrawfordRichlandWyandotMorrowMarionKnoxDelawareLickingCrawford01111000Richland10010100Wyandot10001000Morrow11001110Marion10110010Knox01010011Delaware00011101Licking00000110二元鄰接矩陣的性質(zhì)：對(duì)角線元素矩陣具有對(duì)稱性，即矩陣中的行代表某一個(gè)區(qū)域單元與其他所有區(qū)域單元的空間關(guān)系，

3、因此將某一行的所有值相加得到的行合計(jì)，代表與該行對(duì)應(yīng)的區(qū)域單元相鄰的區(qū)域單元的個(gè)數(shù),稀疏矩陣:鄰居1鄰居2鄰居3鄰居4鄰居5CrawfordRichlandWyandotMorrowMarionRichlandCrawfordMorrowKnoxWyandotCrawfordMarionMorrowCrawfordRichlandMarionKnoxDelawareMarionCrawfordWyandotMorrowDelawareKnoxRichlandMorrowDelawareLickingDelawareMorrowMarionKnoxLickingLickingKnoxDelawa

4、re4.2.2 行標(biāo)準(zhǔn)化矩陣假設(shè)一個(gè)區(qū)域單元的各相鄰單元對(duì)該區(qū)域單元產(chǎn)生的影響程度相同，則可以計(jì)算出各相鄰單元的權(quán)重在總影響中中所占的比率。CrawfordRichlandWyandotMorrowMarionKnoxDelawareLickingCrawford00.250.250.250.25000Richland0.33000.3300.3300Wyandot0.50000.5000Morrow0.20.2000.20.20.20Marion0.2500.250.25000.250Knox00.2500.25000.250.25Delaware0000.250.250.2500.25Li

5、cking000000.50.504.2.3 重心距離與權(quán)重矩陣使用距離作為權(quán)重描述空間關(guān)系。考慮距離的遠(yuǎn)近對(duì)于變量值的貢獻(xiàn)，接近性測度定義為：因?yàn)榭臻g關(guān)系作用隨著距離的增加而減弱，因此在距離矩陣中權(quán)重是距離的倒數(shù)，但是很多空間關(guān)系的強(qiáng)度隨著距離的減弱程度要強(qiáng)于線性比例關(guān)系，因此經(jīng)常采用平方距離的倒數(shù)作為權(quán)重。CrawfordRichlandWyandotMorrowMarionKnoxDelawareLickingCrawford00.391 0.394 0.328 0.355 0.639 0.577 0.872Richland0.391 00.780 0.376 0.641 0.381 0

6、.679 0.682 Wyandot0.394 0.780 00.574 0.312 0.955 0.642 1.114 Morrow0.328 0.376 0.574 00.322 0.385 0.310 0.558 Marion0.355 0.6410.312 0.322 00.702 0.331 0.817 Knox0.639 0.3810.955 0.385 0.702 00.548 0.306 Delaware0.577 0.6790.642 0.310 0.3310.548 00.547 Licking0.8720.682 1.114 0.558 0.817 0.3060.547

7、0重心距離矩陣CrawfordRichlandWyandotMorrowMarionKnoxDelawareLickingCrawford06.542 6.438 9.306 7.9422.447 3.008 1.317 Richland6.542 01.642 7.085 2.434 6.872 2.167 2.148 Wyandot6.438 1.642 03.032 10.269 1.097 2.430 0.806 Morrow9.3067.085 3.032 09.643 6.746 10.374 3.217 Marion7.9422.434 10.2699.643 02.028 9.

8、151 1.497 Knox2.447 6.8721.097 6.7462.028 03.328 10.675 Delaware3.008 2.1672.43010.3749.151 3.328 03.339 Licking2.148 0.682 0.806 3.217 1.49710.6753.339 0空間權(quán)重矩陣4.3 空間自相關(guān)分析4.3.1空間自相關(guān)概念空間自相關(guān)描述的是在空間域中位置上的變量與其鄰近位置上的同一變量的相關(guān)性?？臻g自相關(guān)是根據(jù)位置相似性和屬性相似性的匹配情況來測度的。位置的相似可以通過空間權(quán)重矩陣W來描述，而屬性的相似可以通過交叉乘積，或平方差異，或絕對(duì)差異來描述。

9、若存在正空間相關(guān)，則在近鄰的空間位置上屬性差異小；若存在負(fù)的空間自相關(guān)，則近鄰的位置上屬性值的差異大。4.3.2 連接數(shù)統(tǒng)計(jì)量連接數(shù)統(tǒng)計(jì)量可以快速地定量描述一組連續(xù)多邊形的聚集或分散程度。只適用于屬性為定類尺度計(jì)量（名義變量），且值為二分的情況。在連接數(shù)統(tǒng)計(jì)中，將兩個(gè)多邊形之間的共享邊視為一個(gè)連接，所有的連接可以分為：黑-黑（BB）、白-白（WW）、黑白（BW）三種類型。連接數(shù)統(tǒng)計(jì)的基本思想就是將觀測到的各類連接的實(shí)際數(shù)量與隨機(jī)模式下各種連接的期望數(shù)量進(jìn)行比較，這就需要計(jì)算各類連接的觀測值。使用連接數(shù)統(tǒng)計(jì)量時(shí)，必須知道如何估計(jì)各面積單元擁有白值或黑值的可能性，估計(jì)方法的不同會(huì)影響連接數(shù)統(tǒng)計(jì)量顯

10、著性的檢驗(yàn)效果。自由抽樣：面積單元取B或W的可能性是以某已知理論或某一更大區(qū)域的趨勢為基礎(chǔ)的，即取值不受該組中黑或白面積單元總數(shù)的影響或限制。也稱正態(tài)抽樣。非自由抽樣：面積單元的取B或W的可能性受所研究區(qū)域黑或白面積單元總數(shù)的限制或影響。也稱隨機(jī)抽樣。4.3.3 自由抽樣在正態(tài)假設(shè)下，BB、WW、BW連接的數(shù)學(xué)期望為：如果空間權(quán)重矩陣為二元矩陣，則期望值可以簡化為：相應(yīng)的標(biāo)準(zhǔn)差為：abcd連接數(shù)連接數(shù)統(tǒng)計(jì)量的計(jì)算根據(jù)屬性值情況決定p和q,假定為p=0.4,q=0.6；計(jì)算Li(Li-1)的值；LL-1L(L-1)A326B212C326D5420E326F326G326L=22L(L-1)=5

11、2計(jì)算期望值和標(biāo)準(zhǔn)差統(tǒng)計(jì)觀測值：計(jì)算Z=(O-E)/對(duì)于BB和WW連接，需要檢驗(yàn)的是正空間自相關(guān)的顯著性，且只有在觀測值小于期望值，表現(xiàn)出正空間相關(guān)傾向時(shí)才進(jìn)行檢驗(yàn)，對(duì)于左側(cè)單尾檢驗(yàn)，=0.05，臨界值為-1.645。對(duì)于BW連接，則需檢驗(yàn)的是負(fù)空間自相關(guān)的顯著性，且只有在觀測值大于期望值，表示出負(fù)空間相關(guān)傾向時(shí)才進(jìn)行檢驗(yàn)，對(duì)于右側(cè)單尾檢驗(yàn)，=0.05，臨界值為1.645。4.3.4 隨機(jī)抽樣一組多邊形中某一個(gè)多邊形為黑或者白的概率受研究區(qū)內(nèi)兩類多邊形各自所占比例的限制。采用隨機(jī)行標(biāo)準(zhǔn)化矩陣，各類連接期望數(shù)量的計(jì)算公式為：標(biāo)準(zhǔn)差為：4.4 全局空間自相關(guān)統(tǒng)計(jì)量對(duì)于區(qū)域單元屬性值為定比或定距尺度

12、變量，連接數(shù)統(tǒng)計(jì)量不適用。4.4.1 Morans IMorans I的取值在-1和1之間，-1表示極強(qiáng)的負(fù)空間自相關(guān)，1表示極強(qiáng)的正空間自相關(guān)。如果不存在空間自相關(guān)，則Morans I的期望值為：EI=-1/n-1EI始終為負(fù)，與單元數(shù)n反向變動(dòng)當(dāng)空間系統(tǒng)（n）較小時(shí)，EI可能是一個(gè)絕對(duì)值較大的負(fù)值，但不能因此認(rèn)為存在較強(qiáng)的負(fù)空間自相關(guān)，只要所觀測到的負(fù)Morans I值大于期望值，一個(gè)絕對(duì)值相對(duì)較小的負(fù)Morans I就仍可能表明不存在空間自相關(guān),甚至存在正的空間自相關(guān)。對(duì)于Morans I來說，0不能作為區(qū)分正空間自相關(guān)和負(fù)空間自相關(guān)的參照點(diǎn)。實(shí)例：中值居民收入countrymedian

13、-val Geauga10770038528.571484450814.1249Cuyahoga721002928.5718576530.4449Trumbull53300-15871.4251902245.8049Summit61900-7271.4352873673.8849Portage6920028.5714816.3249Ashtabula45800-23371.4546223674.8049Lake742005028.57125286530.3249summary69171.432369314285.7143 與隨機(jī)模式相比，觀測模式存在一定程度的空間自相關(guān)，但還必須檢驗(yàn)Moran

14、s I的觀測值與期望值之間的差異是偶然的還是系統(tǒng)的。正態(tài)假設(shè)下，Morans I的方差為：隨機(jī)抽樣下，Morans I的方差為：正態(tài)假設(shè)下：隨機(jī)假設(shè)下：4.4.2 Gearys C 比率Gearys C的值域在0和2之間，0表明存在完全正空間自相關(guān)，這是所有相鄰的值均是相同的，因此分子等于0。而2則表明完全負(fù)空間自相關(guān)。Gearys C的期望值不受樣本容量n影響，始終為1。Morans I與Gearys C的關(guān)聯(lián)正態(tài)假設(shè)下，方差為：隨機(jī)假設(shè)下，方差為：4.4.3 廣義G統(tǒng)計(jì)量在空間聚集分析中，較高值的局部聚集稱為熱點(diǎn)，而較低值的局部聚集則稱為冷點(diǎn)。Morans I和Gearys C由于只關(guān)注鄰

15、近值是否相似，而無法判讀相似的鄰接值是較高的值還是較低的值，因此無法區(qū)分熱點(diǎn)和冷點(diǎn)。廣義G統(tǒng)計(jì)量則可以用來探測研究區(qū)內(nèi)的熱點(diǎn)和冷點(diǎn)。廣義G的計(jì)算公式：相鄰值越大，決定G(d)統(tǒng)計(jì)量大小的分子就相對(duì)越大；相鄰值越小，分子就越小。中等大小的G(d)值反映高值與中等值的空間關(guān)聯(lián)，而相對(duì)較小的G(d)值則表明低值與低于平均水平的值空間關(guān)聯(lián)。對(duì)廣義G統(tǒng)計(jì)量的值進(jìn)行解釋，必須依賴于期望值和標(biāo)準(zhǔn)化值（z值）。G(d)的期望值為：G(d)的方差為：以30英里為鄰接標(biāo)準(zhǔn)，構(gòu)建二元鄰接矩陣GeaugaCuyahogaTrumbullSummitPortageAshtabulaLakeGeauga0110111Cuyahoga1001001Trumbull1000110Summit0100100Portage1011000Ashtabula1010001Lake11000104.5 局部空間自相關(guān)統(tǒng)計(jì)量4.5.1 局部空間關(guān)聯(lián)指標(biāo)區(qū)域單元i的局部Moran統(tǒng)計(jì)量的計(jì)算公式：隨機(jī)假設(shè)下的期望值和方差及Z值4.5.2 局部G統(tǒng)計(jì)量局部層面的廣義G統(tǒng)計(jì)量，是分別針對(duì)個(gè)區(qū)域單元計(jì)算的旨在表明所關(guān)注區(qū)域單元的值與其周邊以距離d定義的相鄰單元的值之間關(guān)聯(lián)性的統(tǒng)計(jì)量。期望值、方差：Gi(