GIS与空间分析(第六讲)课件

1、第四章 GIS空间分析的一般方法授课人:吴彩燕2008年10月13日栅格数据分析 提取分析信息复合分析追踪分析窗口分析1.聚类分析 根据设定的聚类条件对原有数据系统进行有选择的信息提取而建立新的栅格数据系统的方法。 在四种类型要素中提取其中要素2的聚类2.聚合分析 根据空间分辨率和分类表，进行数据类型的合并或转换以实现空间地域的兼并。1、2类合并为b，3、4类合并为a 2、3类合并为c，1、4类合并为d 1)视觉信息复合分析 将不同侧面的信息内容叠加显示在结果图件或屏幕上，以便研究者判断其相互空间关系，获得更为丰富的空间信息。视觉信息叠加包括以下几类：点状图，线状图和面状图之间的叠加显示。面状

2、图区域边界之间或一个面状图与其他专题区域边界之间的叠加。遥感影像与专题地图的叠加（融合）。专题地图与数字高程模型（DEM）叠加显示立体专题图。遥感影像与DEM复合生成三维地物景观。3.信息复合分析面状图与专题区域边界之间的复合遥感影像与专题地图的复合遥感影像与DTM复合2)叠加分类 根据参加复合的数据平面各类别的空间关系重新划分空间区域，使每个空间区域内各空间点的属性组合一致。叠加结果生成新的数据平面，新生成的数据可以是原数据之间的代数（模型）运算地图代数。 4.追踪分析 对于特定的栅格数据系统，由某一个或多个起点，按照一定的追踪线索进行追踪目标或者追踪轨迹信息提取的空间分析方法。637102

3、52019163121521253422151132432302721121425393225147202932339211232026282520913420232318129941718171289234.5 探索性空间数据分析 （ESDA） ESDA简介； ESDA的内容及作用； ESDA的方法； ESDA的主要应用； 应用实例。探索性数据分析 （EDA）(Exploratory Data Analysis)： 是20世纪后半期在西方统计界兴起的一种统计分析方法，其基本思想是“让数据说话”，即先分析数据再建立模型。 是一系列收集和总结数据特性的技术，以便实现挖掘数据中的隐含信息、检查数据

4、错误等目的。ESDA与数据挖掘(DM)前者是基于统计方法对数据结构和关系的描述，后者是生成基于数据结构和数据模型的规则和条件；前者主要用描述和统计技术，后者主要用描述和推理方法；前者是在分析应用众多统计变量计算而成的图形来对数据集进行描述和概括，后者是发现和描述数据的内在关系和隐含特征。ESDA的内容检查数据是否有错误：找出样点数据中的离群值（异常值）或错误值，对其分析原因进行修正或删除；获得数据的分布特征：很多分析方法对数据分布有一定的要求，如很多检验就需要数据服从正态分布；对数据规律的初步考察：通过初步观察获得数据的一些内部规律。ESDA的作用 是GIS空间分析和地统计分析的基础，是进行G

5、IS高级分析操作中一个很重要的步骤。 通过探索性空间数据分析，可以完成诸如观察数据分布、寻找离群值（异常值）、进行全局趋势分析及检测空间的自相关和方向变异等一系列任务。ESDA的方法ESDA的图形方法ESDA的数学方法直方图 是一种适用于对大量样本点进行整理加工，找出其数据分布的规律和形态，以便对其总体分布特征进行推断的方法。 它包括两个重要参数：频率分布和概括性的统计指标。频率分布统计指标Q-Q概率图 也是一种度量数据正态分布的方法，如果数据越接近一条直线，越接近正态分布。 半变异/协方差函数云图 表示的是数据集中所有样点对的理论半变异值和协方差，把它们用两点间的距离函数来表示并作图，即得半

6、变异/协方差函数云图。 其目的是为了探索和量化数据的空间相关性，也叫空间自相关。 除此以外，还可以用盒状图和茎叶图来评价数据分布的对称性。同时还可以进行多变量之间的相关性分析和概率分布分析等。 探索性空间分析软件GeoDa下载： /clearinghouse/GeoDa/ESDA的数学方法对一元空间数据分析的常用指标：位置指标：平面坐标、空间坐标；分布指标：方差、标准差等；异质性指标：熵值:Gini指数:对多元空间数据分析的常用指标：概括指标：协方差；主成分分析法：通过主成分分析，可以达到降维、简化数据的目的。ESDA的主要应用检验数据分布：用直方图或Q-Q概率图可以直观地检验数据分布的形状，并确定分布中心；寻找离群值：用直方图、Voronoi图和半变异函数云图都可以方便地找出离群值的样点；全局趋势分析：通过用趋势分析工具可以直观地得到是否存在全局趋势。应用实例对某地区的一系列高程采样点进行探索性分析，以便生成高程曲面！小结 了解ESDA与EDA的区别和联系；