地理国情导论之统计分析与软件.ppt

1、地理国情导论之统计分析及常用软件介绍,陈江平 Chen_,2014年11月,1,2,地理国情监测统计分析,国情统计与分析常用软件,主要内容,3,地理国情统计与分析示例,地理国情监测是综合利用现代测绘地理信息技术，对国土疆域、地形地貌、地表覆盖等要素进行动态、定量监测，反映资源、环境、生态、经济要素的空间分布及变化规律，推动生态文明建设，催生阳光行政。,一、地理国情监测概况,一、地理国情监测概况,软件系统：地理国情综合分析系统,5,数据格网化,人口等经济数据通常是以行政区为单元，通过普查、逐级统计汇总而来，用以综合反映某一行政区人口数据的总和。 但会存在以下问题： 以行政区为单元获得的经济数据在

2、行政单元内是均匀分布的，不能体现人口数据的空间分布特征； 不利于多源数据融合。基于行政单元的人口数据与基于格网的空间数据（如遥感数据等）存在着尺度差异，融合分析比较困难，尤其是进行相关性分析时。,地理国情信息预处理,格网的作用,在分析植被覆盖度时叠加格网是为了建立统计单元，统计时以单个格网为最小单位，计算格网内的植被覆盖面积占比。植被覆盖度的结果是针对 格网的一个统计值，只能反映格网的整体情况，不能显示格网的内部细节。,不同尺度格网的结果对比,100m*100m格网300m*300m格网,不同尺度格网的结果对比,500m*500m格网1000m*1000m格网,不同尺度格网的结果对比,注：原始

3、图斑总数39709,不同尺度的格网对结果的影响,在计算植被覆盖度时都是用统计单元内植被覆盖面积除以统计单元总面积，不同尺度的格网只影响了统计单元的大小，对于计算结果的精度没有影响。 可以看出，格网越大，数据量越小，统计的结果越粗糙，只能反映统计区域内的大致情况；格网越小，数据量越大，统计结果越细致，可以较好的反映细节。,数据格网化,数据：选取武汉市1999年土地利用数据和人口、经济统计数据。,新建格网并进行格网赋值，对每个格网赋予其土地利用类型值、对应类型面积值以及人口、GDP值。 通过格网化，将经济数据细化到格网中，从而得到与栅格数据等长度的经济属性列，以进行相关性分析、趋势预测分析等研究。

4、,数据转换,利用FME的数据转换功能，该模块包括通用数据的类型转换，读取源数据要素类型、几何体、坐标系、格式和数据结构，并显示出来。,数据转换,FME可以转换的数据类型，能够实现超过270多种GIS及空间数据的转换,数据转换,ArcGIS SHP Google Earth KML,二、地理国情信息统计与分析,地理国情信息空间单元划分与抽样,地理国情监测的空间统计与空间格局分析,地理国情信息统计与分析的目标和任务,综合运用多种统计分析方法和模型，对地理国情普查数据、监测数据进行统计，分析其空间结构、空间分布、空间关系，空间变化等方面的特征，揭示经济社会发展和自然资源环境的空间分布规律，为地理国情

5、信息服务提供数据支撑，为政府管理和决策提供科学依据。,从纵向来看（主要分析方法）,地理国情信息统计与分析的内容,地形地貌,地表覆盖,专题要素,从横向来看（按分析要素）,统计分析,预测模拟,地理国情信息统计与分析的内容,地形地貌统计与分析,监测内容： 地貌基本信息统计 基于规则地理网格、县级及以上行政区、主体功能区、流域单元和经济区划等多种地理单元，统计全国平原、丘陵、台地、山地等地貌类型的面积、面积比例、海拔分级面积、坡度分级面积、平均海拔、平均坡度。 地形因子分析 提取地形位指数、侵蚀势能、地形复杂度指数等地形因子，为滑坡监测与分析、水土保持、土地利用规划等地学分析提供基础数据。 相关性分析

6、 分析地形与土壤侵蚀、地形与水土流失、地形与植被之间的关系，评估地形对自然要素的影响，反映自然地理环境的整体性和差异性。,地表覆盖统计与分析,植被覆盖 农地、林地、园地、草地 水域 河流、湖泊、水库、坑塘、沟渠、沼泽地、其它水域 荒漠与裸露地 沙漠、石砾地、盐碱地、其他裸露地 交通网络 公路、铁路、重要交通设施 居民地与设施 居民地、开发区用地、工矿用地、风景名胜、宗教设施、特 殊用地,监测要素:,监测内容：,植被覆盖现状统计与分析 植被基本信息统计 植被空间分布特征分析 景观格局分析 荒漠与裸露地现状统计与分析 荒漠与裸露地基本信息统计 与地形、植被覆盖及水域等的相关性分析 居民地与设施现状

7、统计与分析 居民地与设施基本信息统计 居民地空间分布特征分析,水域现状统计与分析 水域空间基本信息统计 与地形、植被覆盖相关性分析 流域的河网密度、形态特征分析 交通网络现状统计与分析 交通网络基本信息统计 交通网络空间分布特征分析 全国机场、火车站、桥梁、收费站等交通设施的空间分布密度特征分析,地表覆盖统计与分析,地理国情监测常用软件,主要内容,SPSS,1,GeoDa,2,3,FME,SpaceStat,4,第一部分-FME,FME简介,FME简介,FME影响,FME简介,FME行业应用,测绘、建筑 规划、国土资源管理 数字城市信息服务 能源 林业 环境 水利水电 气象 通讯 ,FME简介

8、,FME技术特点,270多种国内外格式数据支持 400多个转换器的功能调用 简单易用的图形化操作界面 高效空间数据转换速度 精细化的流程参数控制,FME简介,FME产品架构,FME Desktop 基于桌面的空间数据ETL服务软件,FME Server 一款可扩展的空间 ETL平台，它提供基于Web灵活的空间数据发布和加载服务，快速、高效满足各种数据访问需求。,Intranet Or Internet,FME简介,FME协同工作,FME Desktop,FME Server,FME Desktop,FME Desktop版本,FME Base版针对初学者的一个版本，它支持40种格式和一系列基本

9、的转换工具。 FME Professional版这个版本拥有更广泛的功能，支持更多格式的数据，具备完整的转换工具 FME ESRI版支持所有safe公司支持的数据格式转换，包括所有数据处理转换器和拓扑生成，支持空间数据库 FME Oracle版涵盖FME ESRI Suite的所有功能，还增加了Oracle 10g和11g空间数据的操作功能 FME for GE Smallworld涵盖FME Oracle Suite的所有功能，增加了GE Smallworld数据的读、写操作功能,FME Desktop,FME Desktop常见基础操作 数据格式转换 坐标系统转换 几何拓扑操作 多源异构数

10、据合并 要素符号转换 图属关联及重构 数据迁移与计算 空间数据更新 点云数据操作 提供与Google云的数据接口,FME Desktop,FME Desktop功能组件 FME Workbench FME的核心组件,可以轻易完成非常复杂的数据转换任务，而且数据转换质量非常理想,能够可视化地定义从原数据到目标数据的对应关系,可以进行不同格式数据源的合并工作 FME Quick Translator 一个独立运行的强大的数据转换程序，可以轻松地、精确地转换、存储300多种不同格式的数据，完成比较复杂的数据处理过程 FME Universal Viewer 用于快速预览不同格式的2D数据 FME D

11、ataInspector 用于快速预览不同格式的2D/3D数据，具有3D数据查看功能。通常在对3D数据如点云、三维模型进程处理时使用该工具进行数据预览 FME Licensing Wizard 用于对软件进行许可管理 Integration Console 用于在其他系统或平台中扩展FME模块应用,FME Desktop,FME Plug-in(SDK) 模块为开发组件，使用该软件开发工具包，开发人员能访问FME强大的语义核心，加入自己定制的数据格式，或者轻松进入FME转换内核去处理（只不过要额外追加费用）。一旦定制的数据格式加入FME内核就能够被所有的FME用户使用。,FMEDesktop开

12、发组件,FME Desktop,FME Object API 把FME的数据访问能力定制置入应用模块，用于增加数据的读、写、处理能力。开发语言支持Java, C+, C, COM (VB, C#), Delphi 和ArcView Avenue,FMEDesktop开发组件,FME Server,FME Server特点 快速部署：快速满足组织或机构数据互操作需求。它是成套的商业空间数据解决方案，易于安装、配置和部署，集成了当前IT的基础设施和GIS应用 灵活操作：使用单一的企业解决方案可满足多种不同的空间数据需求。支持超过200种的空间数据格式，提供了一系列灵活的空间数据服务 安全投资：FM

13、E Server是功能加强版的数据转换、变换和集成平台，它是全球公认的标准空间数据ETL工 具，已经被GIS、数据库和传统ETL供应商集成。FME Server 提供了一种低风险，可扩展的解决方案，可满足用户实时、低价、长期的使用需求。,FME Server,FME Server的主要功能,海量数据的高效验证、加载和转换 利用网络，FME Server能够集中处理和上传数据集，并对其执行质量检查，然后动态生成需要的数据格式和结构，自动加载到空间数据库或其他目标数据集中。,FME Server,FME Server的主要功能,数据下载服务 FME Server能够集成网络应用程序，使用户可以按照

14、需要设置数据的输出格式和坐标系统，随时随地对空间数据执行下载。,FME Server,FME Server的主要功能,海量数据加载和迁移 FME可以转换和集成大量的分散系统中的数据，加载到各类主流空间数据库中，并在不同数据库间进行数据复制和迁移，使你更有效地管理和共享数据资源。,FME Server,FME Server的主要功能,高效灵活的海量在线数据变换 利用可扩展的强大处理功能，可以将FME Desktop生成的任何数据转换过程，直接发布成FME服务，用户可以通过访问和运行网上的工作空间，自己完成数据转换和处理。,FME Server,FME Server的主要功能,动态实时的数据更新

15、创建空间数据流服务，将最新信息通过主流的网络应用传递给用户，动态地将最新数据集成并转换成多种网络形式的格式。例如，将KML网络连接到Google earth上。,FME在地理国情监测中的应用,数据变换 在地理国情普查阶段，对矢量数据需要进行数据提取、数据组织重构、分类代码转化、坐标系转换等操作，使之成为符合地理国情普查内容要求的数据；对影像数据需要进行融合镶嵌、数据分幅等处理；对地形DEM数据可能涉及格式转换、格网加密等操作。这些操作都可以通过FME制定对应的数据处理任务模板。 以数据组织重构为例，具有XZQDM和XZQMC两个字段的SHP数据A，要将这两个字段连接为一个字段，并输出为GDB格

16、式的数据B。则可通过FME制定结构变换的模板，批处理完成所有需要做该处理操作的数据。如果结合FME Server，还可以进行在线的数据转换任务，提高数据处理的工作效率。,FME在地理国情监测中的应用,空间数据检查与验证 地理国情的数据主要包括地表形态、地表覆盖和重要地理国情监测要素三个方面。这些要素经过地理国情普查后，需要形成最终的数据库。在数据入库之前，要对数据进行检查，确保数据质量，检查内容包括拓扑检查、属性检查等方面,FME Workbench组件提供了超过400个不同类型的转换器,FME在地理国情监测中的应用,数据入库、更新 地理国情的数据是动态的、不断发生变化的，要实现准确、高精度的

17、地理国情监测，最重要的就是确保地理国情数据库现势性,基于FME，可以完成数据更新的模式包括：主动更新、被动更新、增量更新、全量更新,FME在地理国情监测中的应用,地理国情信息统计与分析 地理国情信息统计与分析是对地理国情普查数据、监测数据进行统计，分析其空间结构、空间分布、空间关系，空间变化等方面的特征，揭示经济社会发展和自然资源环境的空间分布规律，为地理国情信息服务提供数据支撑，为政府管理和决策提供科学依据。地理国情信息统计与分析的内容包括植被、水域、交通等方面。每个方面需要分析的内容各不相同，且统计分析的模型也不同。 利用FME可以制定统计分析模板，将模型公式利用FME模板来实现，其优点在

18、于： 节省大量的代码编写工作； 便于模型的维护，一旦统计分析模型发生变化，只需要修改对应的FME模板即可，无任何代码开发的工作量； 可以将部分模型系数暴露为参数供用户计算时输入，提高模型的灵活度,FME在地理国情监测中的应用,地理国情信息统计与分析 例如，在国土行业，利用FME完成国土监管指标的计算，为领导的监管和决策提供依据。 成都国土一张图,FME Server案例分析,FME Server在移动业务中的应用（Demo） 移动业务需求：,将移动业务数据库与Google Earth进行相结合，根据不同的用户需求将业务库中的相关数据库展示在Google Earth上，并能实现动态实时更新。具体

19、要求： 在Google Earth上根据不同的显示级别（比例尺）展示业务信息（如话务量） 不同的视点高度（比例尺）显示不同的内容 Google Earth上动态实时更新 实现多种信息展示方式，如：柱状、泰森面、等高线等,FME Server案例分析,FME Server在移动业务中的应用 实现方法： 利用FME制作Workspace，将业务信息转换成GE支持的KML数据，并设置柱状、泰森面、等高线等样式信息 将制作好的Workspace发布到FME Server上，并注册为数据流和网络链接服务，为Google Earth提供数据服务。FME Server的网络链接服务，能提供动态实时的数据服务

20、，从而在GE中可以动态刷新，获取最新数据信息。 在Google Earth中调用链接服务，查看数据。,FME Server案例分析,FME Server在移动业务中的应用 效果图1，各项指标显示（省级）,FME Server案例分析,FME Server在移动业务中的应用 效果图2，各项指标点击气泡效果（省级）,FME Server案例分析,FME Server在移动业务中的应用 效果图3，移动基站控制中心（BSC）各项指标显示,FME Server案例分析,FME Server在移动业务中的应用 效果图4，移动基站控制中心（BSC）各项指标点击气泡效果,主要内容,SPSS,1,GeoDa,2

21、,3,FME,SpaceStat,4,第二部分-SPSS,SPSS简介,SPSS(Statistical Product and Service Solutions)，“统计产品与服务解决方案”软件。 PSS统计分析软件是在社会学研究、调查统计、市场研究、医学统计、政府和企业的数据分析应用中久享盛名的统计分析软件。在国际学术界的各个领域，其自动统计绘图、数据的深入分析、易学易用、功能齐全等方面得到了高度的评价和广泛的称赞。在国际学术界有条不成文的规定，即在国际学术交流中，凡是用SPSS软件完成的计算和统计分析，可以不必说明算法，由此可见其影响之大和信誉之高。,SPSS简介,SPSS软件的优点

22、Windows风格的界面极为友好,SPSS软件的优点 Windows风格的界面极为友好 易学易用、功能全面的统计分析软件,SPSS简介,SPSS简介,SPSS软件的优点 Windows风格的界面极为友好 易学易用、功能全面的统计分析软件 强大的编程能力，支持二次开发,对于常见的统计方法，SPSS的命令语句、子命令及选择项的选择绝大部分由“对话框”的操作完成。 SPSS 20.0具备强大的Syntax编程功能，以及包括了 SPSS Programmability Extension 模块的编程扩展功能。可以通过编程，在 SPSS 命令语法语言的基础上提供与其它编程语言的结合功能，来实现更强大的功

23、能。,SPSS简介,SPSS软件的优点 Windows风格的界面极为友好 易学易用、功能全面的统计分析软件 强大的编程能力，支持二次开发 支持丰富的数据源，具备强大数据访问和管理能力,SPSS简介,SPSS软件的优点 Windows风格的界面极为友好 易学易用、功能全面的统计分析软件 强大的编程能力，支持二次开发 支持丰富的数据源，具备强大数据访问和管理能力 灵活的配置方案、支持多种操作系统,客户端支持Windows XP（32位）、Windows Vista and 7（32位和64位）、Linux和Mac OS。服务器端支持Windows Server 2003（32位和64位）、Wind

24、ows Server 2008（32位和64位）、AIX、HP-UX、Solaris。 对于商业用户而言，SPSS Statistics是一种按照模块进行配置的软件产品，主要包括SPSS Statistics Base模块和其它一系列扩充功能模块。SPSS Statistics Base是基础的软件平台，具备强大的数据管理能力和输入输出界面管理能力，并具备完备的常见统计分析功能。,SPSS在地理国情监测中的应用,地理国情监测中大宗农作物估产武汉市水稻产量,实验数据 武汉市地区的水稻单产量 水稻四个生育期（分蘖期、孕穗期、抽穗期、乳熟期）的武汉市地区水稻种植区域的平均EVI值 实验目的 利用SP

25、SS验证水稻的生育期的平均EVI值与水稻的单产量是呈线性相关的,SPSS在地理国情监测中的应用,地理国情监测中大宗农作物估产武汉市水稻产量,多元回归分析 回归分析是从样本数据出发，确定两个及两个以上变量间线性依存关系的统计方法。 多元线性回归的分析求解就是对于题设或者实际问题建立多元线性回归方程： 求解其自变量x1,x2,xn的偏回归系数b1,b2,.bn,SPSS在地理国情监测中的应用,地理国情监测中大宗农作物估产武汉市水稻产量,SPSS回归分析原理 对于全部的自变量x1,x2,xn，按照它们对y的贡献大小进行比较，并通过F检验法进行检验，选择偏回归平方和显著的变量进入回归方程，每一步只引入

26、一个变量，同时建立一个偏回归方程。当一个变量被引入后，对于原来已引入回归模型的变量，逐个检验它们的偏回归平方和。如果由于引入新的变量而使得已进入方程的变量变为不显著时，则要及时地从偏回归方程中剔除。 在引入了两个自变量以后，便开始考虑是否有需要剔除的变量。只有当回归方程中的所有自变量对因变量 y 都有显著性的影响而不需要剔除时，再考虑从未选入的变量中挑选对y 有显著影响的新变量进入方程。无论引入或是剔除一个变量都称为一步。不断的重复以上过程，直到无法剔除已有变量，并且无法引入新的变量。那么回归方程的求解结束。,SPSS在地理国情监测中的应用,地理国情监测中大宗农作物估产武汉市水稻产量,定义变量

27、，录入数据，Y值为20002006年武汉市地区的水稻单产量、4个自变量分别为对应的水稻四个生育期（分蘖期、孕穗期、抽穗期、乳熟期）的武汉市地区水稻种植区域的平均EVI值,SPSS在地理国情监测中的应用,地理国情监测中大宗农作物估产武汉市水稻产量 利用SPSS进行回归分析的操作,1、单击主菜单AnalyzeRegressionLinear，进入设置对话框如下图所示，从左边变量表列中把因变量y选入到因变量（Dependent）框中，把自变量选入到自变量（Independent）框中。在方法即Method一项上选择不同的方法。SPSS提供下列几种变量进入回归方程的方法：,SPSS在地理国情监测中的应

28、用,地理国情监测中大宗农作物估产武汉市水稻产量,SPSS提供下列几种变量进入回归方程的方法： Enter选项，强行进入法，即所选择的自变量全部进入回归模型，该选项是默认方式。 Remove选项，消去法，建立回归方程时，根据设定的条件剔除部分自变量。 Forward选项，向前选择法，根据在Option对话框中所设定的判据，从无自变量开始，在拟合过程中，对被选择的自变量进行方差分析，每次加入一个F值最大的变量，直到所有符合判据的变量都进入模型为止。第一个引入回归模型的变量应该与因变量相关程度最大。 Backward选项，向后剔除法，根据在Option对话框中所设定的判据，先建立全模型，然后根据设置

29、的判据，每次剔除一个使方差分析中的F值最小的自变量，直到回归方程中不再含有不符合判据的自变量为止。 Stepwise选项，逐步进入法，是向前选择法和向后剔除法的结合。根据在Option对话框中所设定的判据，首先根据方差分析结果选择符合判据的自变量且对因变量贡献最大的进入回归方程。根据向前选择法则进入自变量；然后根据向后剔除法，将模型中F值最小的且符合剔除判据的变量剔除模型，重复进行直到回归方程中的自变量均符合进入模型的判据，模型外的自变量都不符合进入模型的判据为止。 这里我们采用系统默认的强行进入法，其他选项均采用系统默认的设置。,SPSS在地理国情监测中的应用,地理国情监测中大宗农作物估产武

30、汉市水稻产量 利用SPSS进行回归分析的操作,2、单击“Statistics”按钮，可以选择需要输出的一些统计量。用于选择所需要的描述统计量。有如下选项： Regression Coefficients复选框组 Residuals复选框组 Model fit复选框 R squared change复选框 Descriptives复选框 Part and partial correlations复选框 Collinearity diagnostics复选框 以上各项在默认情况下只有Estimates和Model fit复选框被选中。设置如图所示。设置完成后点击Continue返回主对话框。,SP

31、SS在地理国情监测中的应用,地理国情监测中大宗农作物估产武汉市水稻产量 利用SPSS进行回归分析的操作,3、在进行回归分析时，还可以选择是否输出方程常数。单击“Options”按钮，打开它的对话框 Stepping Method Criteria单选钮组：设置纳入和排除标准，可按P值或F值来设置。 Include constant in equation复选框：用于决定是否在模型中包括常数项，默认选中。 Missing Values单选钮组：用于选择对缺失值的处理方式，可以是不分析任一选入的变量有缺失值的记录（Exclude cases listwise）而无论该缺失变量最终是否进入模型；不分

32、析具体进入某变量时有缺失值的记录（Exclude cases pairwise）；将缺失值用该变量的均数代替（Replace with mean）。 这里我们采用系统的默认设置，如图所示。设置完成后点击Continue返回主对话框。在主对话框点击OK得到程序运行结果,SPSS在地理国情监测中的应用,地理国情监测中大宗农作物估产武汉市水稻产量 结果与解释,方程中包含的自变量列表 同时显示进入方法，如本例中方程中的自变量为EVI-257,EVI-1933，方法为Enter。,SPSS在地理国情监测中的应用,地理国情监测中大宗农作物估产武汉市水稻产量 结果与解释,模型拟合概述 列出了模型的R、R2

33、、调整R2 及估计标准误。R2 值越大所反映的自变量与因变量的共变量比率越高，模型与数据的拟合程度越好。 分析与评价： R 是相关系数；R Square 相关系数的平方，又称判定系数，判定线性回归的拟合程度：用来说明用自变量解释因变量变异的程度（所占比例）；Adjusted R Square 调整后的判定系数；Std. Error of the Estimate 估计标准误差。 本例所用数据拟合结果显示：本模型中所考察的自变量和因变量之间的相关系数为0.968，拟合线性回归的判定系数为0.936，调整后的判定系数为0.904，标准差为310.40583。,SPSS在地理国情监测中的应用,地理国

34、情监测中大宗农作物估产武汉市水稻产量 结果与解释,方差分析表 列出了变异源、自由度、均方、F值对F的显著性检验 分析与评价： 本例中回归方程显著性检验结果表明，回归平方和为5644869，残差平方和为385407.108，总平方和为6030276.3，对应的F统计量的值为29.293，显著性水平小于0.05，可以认为所建立的回归方程有效。,SPSS在地理国情监测中的应用,地理国情监测中大宗农作物估产武汉市水稻产量 结果与解释,回归系数列表 列出了常数及回归系数的值及标准化的值，同时对其进行显著性检验 分析与评价： 本例中因变量Y对2个自变量EVI-193、EVI-257的显著性检验的t值分别为

35、-3.870、5.072、4.606。回归系数B的显著性水平Sig.均小于0.05，可以认为自变量X1、X2、X3对因变量Y影响显著。本例回归分析得到的回归方程为：y = 3.25EVI_193+3.78EVI_257 -5758.603,主要内容,SPSS,1,GeoDa,2,3,FME,SpaceStat,4,第三部分-GeoDa,GeoDa简介,GeoDa 免费的、开源的、跨平台的软件程序，可以用来设计实现栅格数据探求性空间数据分析（ESDA） 向用户提供了一个友好的和图示的界面用以描述空间数据，如自相关性统计和异常值指标等 包含了一个由地图和统计图表联合作用的环境，使用了强大的链接窗口

36、技术 当前的GeoDa软件是独立的并且不需要特定的GIS系统 能在任何风格的微软公司的操作系统下运行，它的安装系统包括了所有需要的文件 坚持以ERSI的shape文件作为存放空间信息的标准格式 分析功能是由一组C+程序和其相关的方法所组成的 推出了OpenGeoDa，界面更加简单，软件只有7.4M大小，不需要安装,GeoDa简介,一系列使用GeoDa进行探索性数据分析、空间相关性分析等操作的专门指导手册可以在GeoDa官网获得，GeoDa软件也可以再该网站下载 / Http://,GeoDa简介,Http:/www.

37、/,GeoDa简介,GeoDa支持的操作系统,GeoDa简介,Geoda影响,GeoDa简介,GeoDa基本功能 加载shape图形文件并显示该图形 创建地区分布图（choropleth map）、分位数图（quintile map）等 基本的表格操作 创建点图形文件 空间数据操作 探索性数据分析 刷新散点图和地图，提供可视化显示两个变量之间的关 系的方法 多元变量探索性数据分析（EDA）的基本方法 利用多变量探索性数据分析的高级方法,GeoDa简介,GeoDa用户界面,1,3,6,4,5,2,数据操作（1） 制图（2） 空间权重计算（3） 探索性数据分析（4） 空间自相关分

38、析（5） 空间回归分析（6）,GeoDa实例分析,武汉市分区经济差异的空间统计分析 数据：08年武汉市13个区的GDP、财政收入、财政支出、固定资产投资数据（由于没有分区的第一、二、三产业值，通过SPSS 对相关因素进行提取，发现上述三个因素对GDP影响较大） 实验步骤：,1、启动OpenGeoDa，打开武汉市shape文件，查看属性信息 2、构建权重矩阵，Toolsweightcreate，浏览shape文件，并由该文件创建权重矩阵。此处我们选择Queen Contiguity，1阶邻近。 3、计算全局单变量Morans I，SpaceUnivariate Morans I 4、分析局部单变

39、量空间自相关性，SpaceUnivariate LISA 5、采用空间滞后回归模型，对GDP进行分析,GeoDa实例分析,武汉市分区经济差异的空间统计分析 空间自相关： 观察不同对象的同一属性变量在空间是否显著，是否出现一定的规律 全局空间自相关： 从区域空间的整体上描述区域互动空间分布的聚集情况； Moran指数I反映的是空间邻接或空间邻近区域单元属性值的相似程度； I值一般介于-1,1之间，-1,0表示负相关，0,1表示正相关，0表示不相关 局部空间自相关： 指该区域单元周围有显著的相似区域单元空间聚集，同时与全局空间联系指 标成比例,GeoDa实例分析,武汉市分区经济差异的空间统计分析

40、启动OpenGeoDa，打开武汉市shape文件，查看属性信息，创建GDP的四分位图,GeoDa案例分析,武汉市分区经济差异的空间统计分析,创建权重矩阵 Toolsweightcreate)，浏览shape文件，并由该文件创建权重矩阵。此处我们选择Queen Contiguity，1阶邻近。,GAL格式空间权重文件是一个简单的文本文件，第一行为本文件的头行，标志、观测点数目、多边形文件名，关键字变量名。（1 3)表示1有三个一阶邻接，（1 3 7 8）即为1的邻接。,GeoDa案例分析,武汉市分区经济差异的空间统计分析,计算全局单变量Morans I，构建(G,W-G)为坐标的Moran散点图

41、SpaceUnivariate Morans I,Morans I=0.4314,说明各区GDP具有空间聚集性 空间分布的特点：较高（低）GDP的区域相对趋于和较高（低）GDP的区域相邻 大部分区域位于第1和第3象限内，属于低-低聚集和高-高聚集 高-高聚集的区域多于低-低聚集的区域,GeoDa实例分析,武汉市分区经济差异的空间统计分析,构建局部空间自相关， SpaceUnivariate LISA，可同时得到LISA Significance Map,LISA Cluster Map,蔡甸区在p=0.01显著性水平下显著，与其相邻的汉南区、江夏区在p=0.05显著性水平下显著，结合散点图或属

42、性表，会发现者三个地区的GDP都相对较低 武昌区在p=0.01显著性水平下显著、青山区在p=o.05显著性水平下显著，且这两个地区相邻，结合散点图或属性表，发现这两个地区的GDP都相对较高，形成高高聚集,GeoDa案例分析,武汉市分区经济差异的空间统计分析,LISA Cluster Map,LISA Cluster Map明确的表明了，分区经济发展的聚集特征，在武汉市南部形成低-低聚集，经济发展较慢；在中部地区出现高-高聚集，经济发展相对较快,GeoDa案例分析,武汉市分区经济差异的空间统计分析 采用空间滞后回归模型对GDP进行回归分析 空间滞后回归模型 y=Q + 式中，y表示因变量的观测向

43、量； 是带有权阵的空间滞后因子，它与观测目标周围的y值有关，X是自变量的观测矩阵；E是独立的误差项向量；Q和B是参数 GeoDa实现步骤：MethodRegress，选择因变量和自变量，选择权重矩阵，最后选择回归方式（SpatialLag）,GeoDa实例分析,武汉市分区经济差异的空间统计分析 采用空间滞后回归模型对GDP进行回归分析 - Variable Coefficient Std.Error z-value Probability - W_AG 0.5614529 0.1860567 3.017644 0.0025476 CONSTANT -365849.3 579243.9 -0.6

44、315981 0.5276494 AI -8.487925 3.582408 -2.369335 0.0178201 CF 0.7140506 0.1497515 4.768235 0.0000019 BV 1.801614 0.4118002 4.374971 0.0000122 - 空间滞后回归模型系数表 =0.56145298.487925 1 +0.7140506 2 +1.801614 3 -365849.3 1 为财政收入， 2 为财政支出， 3 为固定资产投资，发现财政收入对GDP的影响最大，但为负影响，其次是固定资产投资，最后为财政支出,第四部分-SpaceStat,SPSS,

45、1,GeoDa,2,3,FME,SpaceStat,4,第四部分-Spacestat,SpaceStat简介,SpaceStat空间计量模型软件 1991年发布以来，一直作为空间计量模型（spatial econometric modeling）的国际标准 涵盖空间空间统计(spatial statistics)，地质统计学(geostatistics )和空间计量经济学(spatial econometrics)等多种技术 时空信息系统，在 StaceStat中，时间是数据的维度，而不是链接到数据集中的每个对象的属性。所有的数据视图可以动态显示，从地图到直方图到散点图，以及所有的依赖时间的分

46、析 提供一套广泛的时空和统计工具，包括：探索性空间数据分析;空间计量分析和空间权重集及变异模式的创造 可结合ESRI公司的ArcGIS一起使用，可以大幅提高GIS分析功能,SpaceStat简介,SpaceStat特点概述 1、回归分析工具 SpaceStat的aspatial回归分析工具可以进行线性，泊松(Poisson)和logistic回归；允许在一个软件包中进行时空数据探索(spatio-temporal data exploration)到模型构建的操作 2、改善的差异统计 SpaceStat是首个将Goovaerts et al. (2007)提出的若干先进评价quantifyin

47、g health差异性的优势功能集成可使用的软件。 3、新的集合数据的方法/更改空间数据支持 以四种不同的方式对数据进行集合（改变数据支持），包括从点或面地形转化为不同的点或面地形，再者可以从点转化为面，反之亦然。 4、导入Microsoft Office Excel文件数据 使用导入Excel数据选项可直接引入一个新的 point geography，或添加数据集到到您SpaceStat项目中的现有的地域(geographies )。 5、复制图形，地图和表格到剪切板,SpaceStat简介,SpaceStat软件界面,SpaceStat简介,SpaceStat菜单栏 包括File, Gra

48、phics, Methods, Tools, Windows, Help六项,利用SpaceStat进行空间分析,空间自相关分析 数据：2009年5月-2010年3月中国内陆甲型H1N1流感的各省月确诊人数作为分析数据 空间自相关：一种空间统计方法，指的是属性值在空间上相关，或者说属性值的相关性是由对象或要素的地理次序或地理位置造成的 常用的空间自相关度量指标： Morans I、Gearys C、Getis G,利用SpaceStat进行空间分析,空间自相关分析,数据导入 点击菜单项“FileImport”，这里选择导入Polygon or point file，出现如右图所示的对话框。 打

49、开甲流数据（包括西藏）.dbf，以ObjectID1和ObjectID2作为X,Y的数据集导入数据。 点击Set,出现如下图所示的对话框，将时间单位设置为2009年5月至2010年3月。点击OK。即完成数据导入,利用SpaceStat进行空间分析,空间自相关分析 利用SpaceStat中的Clustering菜单项进行空间自相关分析（Moran指数） 具体操作步骤：,点击菜单项“ClusteringLocal MoranUnivariate Moran”，出现Morans I设置对话框； 设置要进行相关分析的变量May（即2009年5月各省月确诊人数）； 使用对话框中的Create New，出

50、现权重矩阵对话框生成权重矩阵进行使用。 点击Next，设置Local Morans I指数的显著性检验概率，默认选择为0.05。 点击Next，设置输出路径，设置信息确认无误后点击Run进行计算。,利用SpaceStat进行空间分析,空间自相关分析,利用SpaceStat进行空间分析,空间自相关分析,利用SpaceStat进行空间分析,空间自相关分析,SpaceStat进行空间自相关分析主要有以下成果： Local Morans I值 显著性检验P值 Moran聚集性地图 Moran散点图,Locl Morans I值及显著性检验P值,利用SpaceStat进行空间分析,空间自相关分析 Mor

51、an散点图,利用SpaceStat进行空间分析,空间自相关分析 以此方法将2009年5月-2010年3月中国内陆甲流疫情数据的 Local Morans I指数计算。结果如下： 分析与评价： 甲流前期，疫情的空间分布为随机状态； 2009年11月与2010年2月，中国内陆甲流各省确诊人数存在较为显著的正的空间自相关性，表明甲流后期采取了集中控制的手段，疫情的空间分布趋于集中。,利用SpaceStat进行空间分析,空间回归分析 数据说明： 2009年5月-2010年3月中国内陆甲型H1N1流感的各省月确诊人数以及各月气象因子数据（选择气温、气压、湿度、降水、风速和日照六个类别）作为分析数据 导入

52、数据 ,点击菜单项“FileImport”，这里选择导入Polygon or point file，打开甲流数据（包括西藏）.dbf，以FID1和FID2为XY坐标集导入数据,利用SpaceStat进行空间分析,空间回归分析 具体操作步骤： 点击“MethodsRegressionSpatial regression”，出现设置对话框，点击Create； 出现Regression models定义对话框，选取2010年2月中国内陆各省甲流确诊人数作为因变量，选取2010年2月各省的气压、气温、湿度、降水、日照、风速六个因子作为自变量； 点击OK，返回主对话框，点击Next，进入Regressi

53、on settings对话框，选择Spatial Lag回归方法，点击Next; 新建空间权重矩阵。 点击OK返回主菜单，确认信息无误后点击Run生产模型。,利用SpaceStat进行空间分析,空间回归分析 具体操作步骤,利用SpaceStat进行空间分析,空间回归分析 具体操作步骤,利用SpaceStat进行空间分析,空间回归分析 分析结果,回归分析模型参数值，显著性检验结果；,利用SpaceStat进行空间分析,空间回归分析 分析结果,回归残差地图,利用SpaceStat进行空间分析,空间回归分析 分析结果,预测值与实际值的散点图,利用SpaceStat进行空间分析,空间回归分析 结果分析

54、与评价：,可以得到2010年2月甲流各省确诊人数与当月各省气象因子的相关关系； 由气象因子构成的影响甲流疫情的模型； 由相关系数可以发现，2010年2月甲流疫情的与气温这一气象因素存在显著的正相关关系。即气温越高的地区，甲流爆发的可能性更大。,案例分析,地理国情监测系统,第五部分,地理国情监测系统案例分析,数据格网化,数据：选取武汉市1999年土地利用数据和人口、经济统计数据。,新建格网并进行格网赋值，对每个格网赋予其土地利用类型值、对应类型面积值以及人口、GDP值。 通过格网化，将经济数据细化到格网中，从而得到与栅格数据等长度的经济属性列，以进行相关性分析、趋势预测分析等研究。,地理国情监测

55、系统案例分析,地貌基本信息统计,基本信息统计应包括：统计区域的平原、丘陵、台地、山地等地貌类型的面积、面积比例等基本信息。,地理国情监测系统案例分析,地形因子分析,地形位指数 地形位指数是为了综合反应一个地区的地形条件的空间差异，利用地理信息系统建模方法，将高程和坡度组合成一个数字指标。 地形位指数能综合描述最主要的地形因子高程和坡度，并且可定量分析土地利用与地形梯度之间的关系。,计算公式： =lg( +1 +1 ) 为地形位指数；及分别为空间任一点的高程值和区域平均高程值；和分别为空间任一点的坡度值和区域平均坡度值。,地理国情监测系统案例分析,地形因子分析,地理国情监测系统案例分析,案例是计

56、算武汉市各区植被覆盖的Moran I指数，以及植被覆盖与人口、GDP等经济要素的Lees L相关系数。 通过分析可得出武汉市各区植被覆盖的聚集程度，及其与经济数据的相关性强弱。,Morans I是最常用的全局关联指数，用来探测整个研究区的空间分布特征。,地理国情监测系统案例分析,景观格局分析,景观指数是能够高度浓缩景观格局信息，反映其结构组成和空间配置某些方面特征的简单定量指标。 本案例是以武汉市1999年地表覆盖数据为基础数据源，按照地貌类型统计各类地表覆盖类型的面积及比例，分析各类地貌类型的关系，采用破碎度、景观优势度、景观分离度、类型优势度、景观多样性指数、均匀性指数等指标进行景观格局分

57、析，形成景观格局指数体系。,地理国情监测系统案例分析,地理国情监测系统案例分析,多元空间相关性分析,采用Pearson与Moran自相关指数相结合的指数 Lee(2001)来衡量要素间的相关性。,空间关系,特点： 是一种Pearson相关系数的修改和补充，考虑了属性空间分布的二元相关； 兼具Pearson系数与Morans I系数的优点。,地理国情监测系统案例分析,地理国情监测系统案例分析,空间回归分析,研究空间变量之间的关系需要在回归分析模型的基础上发展能够描述空间变量特征的回归分析模型，我们将其称为空间回归模型。,地理国情监测系统案例分析,多年份土地利用转移统计,利用土地利用类型状态转移矩

58、阵定量地表达两年份间各类土地利用间的动态空间变化。 案例统计的是武汉市99年到02年 各土地利用类型变化的情况。,地理国情监测系统案例分析,土地开发强度,土地开发强度，包括容积率、建筑密度、建筑高度、绿地率等几项主要指标。 在一般情况下，土地开发强度越高，土地利用经济效益就越高，地价也相应提高；反之，如果土地开发强度不足，会减弱土地的使用价值，降低地价水平。 按照国际惯例，一个地区国土开发强度达到30%已经是警戒线，超过该强度，人的生存环境就会受到影响。 案例是统计武汉市1999年的建筑密度、绿地率等指标，为土地开发强度进行分析和预警。,地理国情监测系统案例分析,地理国情监测系统案例分析,交通网络通达度分析,地理国情监测需要对道路网进行通达度分析。通达性用于描述区域范围内交通网络的通行能力、辐射和便利程度，反映区域内交通网络的辐射和覆盖、运输和便捷能力。,描述区域范围内交通运输能力及便利性（便捷度）,描述区域范围内的交通通行能力和辐射程度（交通设施网络度）,地理国情监测系统案例分析,交通网络通达度分析,地理国情监测系统案例分析,地理国情监测系统案例分析,土地利用时间演变模拟,数据：利用99、02年土地利用数据，对05年土