在ArcGIS 9中进行空间统计
作者：ESRI 中国（北京）培训中心 姜云鹏
随着GIS 在各个领域应用的不断扩展，有些特殊的行业，比如流行病学、生物学、气象、地质等行业，他们需要更深入的挖掘空间数据信息，这些信息的获得是与传统的GIS 分析结果不尽相同的。比如：传统的GIS 分析侧重于研究空间要素之间的关系，比如相邻、叠加、以及要素之间的距离、连通性等等。而这些特殊行业他们需要根据多种采样的数据来研究空间事物的变化信息，分布特征等信息，这些信息的获得，往往是一种统计分析的结果，而在空间上，事物的分布又
是相互关联的。所以，空间统计应运而生。所谓空间统计，
就是将空间信息与属性信息进行统一的考虑，研究特定属
性或属性之间与空间位置的关系。
空间统计主要的工作是研究空间自相关性（Spatial
Autocorrelation ），分析空间分布的模式，例如聚类
（cluster ）或离散（dispersed ）。通过使用ArcGIS 9中的
空间统计工具，用户可以以一种非常直观而简单的方式获
得这些信息。
ArcGIS 9中的空间统计工具箱包括了一系列工具，用来分
析地理要素的空间分布形态。传统的统计并不考虑地理要
素的空间关系，而在空间统计中，要素的空间关系是分析
中需要考虑的必要的，处于绝对重要地位的。
因此，对于空间数据分析的目的来说，使用ArcGIS 9中
的空间统计工具比使用原来的不考虑空间信息而进行统
计的工具要更为合适。通过使用这些工具，GIS 用户可以
采用一种更高级的方法来解决空间数据分析中的问题。表一列出了主要的空间统计工具集以及它们的功能描述：
表一：空间统计工具集及其功能 工具集
功能 空间分布模式分析工具集
（Analyzing Patterns ）
确定要素的某些属性值在一个区域中是聚集分布，均匀分布，或者是随机分布状态 聚集分布制图工具集
（Mapping Clusters ）
确定统计量上重要的hot spots(最受关注地区)，cold spots （不受关注地区）以及一些有特例的地区。 度量空间分布工具集
（Measuring Geographic
Distributions ）
确定数据的中心位置，数据分布的形状及方向性，离散数据的离散程度 辅助工具集
（Utilities ） 对数据进行重新处理或符号化分析结果
说明：这些工具为ArcGIS 9中新增加的核心功能：
在ArcGIS 8版本中，空间统计中的许多工具已经以开发者例子程序提供给了用户。而在9版本中，这些工具都被包括进了核心的功能模块中，成为了ArcGIS 平台的组成部分。而且，ArcGIS 9的空间统计工具在
ArcGIS各个License级别中均可使用。与ArcGIS 9的Geoprocessing工具一样，空间统计的工具也可以通过对话框、命令行以及模型（Model）等多种方式运行。通过与Geoprocessing框架下的其他工具进行组合，空间统计工具也可以很容易的进行扩展，用户可以创建自己的工具，也可以同第三方产品进行协同工作。
空间统计工具箱下的每个工具集都是按照功能进行分组的。下面会对每个工具集中的工具进行详细的描述：
一、分析模式工具集（Analyzing Patterns）：
该工具集中的工具主要用来探讨数据的空间分布特征。包含三个工具：
1，平均最邻近距离工具（Average Nearest Neighbor）：
测量每个要素与之最邻近要素之间的距离，并计算平均值。再测量平均距离与假定为随机分布距离的相似程度。工具进行统计后返回z score值。Z score值为负且越小，则要素分布越趋向于聚类分布，相反为离散分布。
该工具主要用于说明要素之间的接近程度以及它们之间的相互关系。
图一、平均最邻近距离工具面板
图二、平均最邻近距离工具图示面板
图三、平均最邻近距离工具运行结果窗口
提示：
?用空间统计工具均以Python脚本或Model的方式提供给用户，所以必须要安装Python编译环境（在安装ArcGIS软件时，Python默认情况下需要安装的）。
?如果工具中提供了图形化显示输出结果（Display Output Graphically）选项，推荐进行选中，以便于观察形象的统计结果（如图一、图二）。
?对于一些optional的选项，选择与否或是否进行设置对输出结果的影响是很大的，推荐用户在对自己数据的充分认识的基础上，进行合理的设置。
?可以点击工具面板上的“show help”按钮，显示该工具的简单描述信息。如果想获得更详细的信息，点击描述信息上的help就会自动打开并跳转到ArcGIS Desktop Help中的该工具的详细信息。
?请将运行结果面板的Close this dialog when completed successfully选项取消选中，并激活Details 按钮。这样，统计的结果会在工具面板中进行显示（如图三）。
2，高/低聚类分析工具(High/Low Clustering ---Getis-Ord General G)：
测量特定区域的聚合程度。返回General G Index值和Z Score值。G Index值越高，越趋向于高聚类。相反为低聚类。Z值为正且越大，要素分布趋向高聚类分布。相反为低聚类分布。
应用案例：查找城市中不同地区的人口聚集水平，或人口随时间的聚集水平。
3，空间自相关工具（Spatial Autocorrelation --- Moran’s I）：
Moran’s I 方法是进行空间自相关统计的常用统计方法。该方法在ArcGIS 9中得到了实现。通过使用该工具，会返回Moran’s I Index值以及Z Score值。如果z score值小于-1.96获大于1.96，那么返回的统计结果就是可采信值。如果z score为正且大于1.96，则分布为聚集的。如果z score为负且小于-1.96，则分布为离散的。其他情况可以看作随机分布。
相关概念：
?空间相关性：检测空间上两种现象（统计量）的变化是否存在相关性。比如，水稻的产量往往与所处的土壤的肥沃程度相关。
?空间自相关：研究空间中，某个空间单元与其周围的单元之间，就某种特征，通过统计方法，进行空间相关性程度的计算，以分析这些空间单元在空间上分布现象的特性。也就是说，空间自相关研究的是不同观察对象的同一属性在空间上的相互关系。[1]
二、聚类分布制图工具集（Mapping Clusters）：
1，聚集及特例分析工具（Cluster and Outlier Analysis --- Anselin Local Moran’s I）：
使用该工具会输出一个新的要素类。该要素类在原要素类上添加了两个字段，分别为LMi
对于线类要素和多边形要素，程序会计算要素的几何中心点，然后对几何中心点进行分析。这就会造成有些要素的几何中心点不在几何要素内部，如果想达到此目的，请先用Feature to Points工具进行转换后再进行分析。
2，聚集及特例分析并符号化（Cluster and Outlier Analysis with Rendering）：
进行与聚集及边界分析工具相同的操作并对结果进行符号化。
3，热点分析（Hot Spot Analysis --- Getis-Ord Gi*）：
对输入要素进行Getis-Ord Gi*统计。并把统计结果作为新加字段（Gi
该工具主要用于进行事件发生地区的预测或获取关注地区。比如通过对以往犯罪发生频率的统计，推测可能再次发生的地点。
4，热点分析并符号化工具（Hot Spot Analysis with Rendering）：
进行热点分析工具相同的操作并对分析结果的Gi字段进行符号化，生成一个存储了符号化方案的layer文件。
三、度量空间分布工具集
1，中心要素（Central Feature）：
查找距其所有要素距离最短的要素。使用该工具查找的是已存在的要素。
2，方向性分布分析工具（标准差椭圆）（Directional Distribution ---Standard Deviational Ellipse)：
标准差椭圆工具创建一个新的要素类。该要素类包含一个椭圆多边形要素。该要素包含以下属性：椭圆的中心坐标。X、Y方向上的标准距离，也就是椭圆长轴、短轴的值。以及椭圆的旋转方向。使用椭圆可以概括要素的空间分布，并识别方向的趋势。长轴为空间分布最多的方向，短轴为空间分布最少的方向。
由于标准差椭圆工具会测量所有要素的x、y坐标与其坐标平均值之差的平均值，所以分析结果是基于统计结果而不是目视理解。
该工具主要用于进行空间分布特征的方向性因素判定。比如通过对污染样点数据的分析，找出污染扩散的主要方向。
3，线性方向均值（Linear Directional Mean）：
该工具要求输入要素为线要素。计算线要素的平均走向。所有的线都被看作从起点到终点两点构成的线，线内结点都被忽略。方向均值的计算结果都是从正东开始，以逆时针旋转的角度来表示的。还包括平均长度等统计信息。
该工具只要用来统计变化要素的主要发展趋势。比如统计一段时期的洋流运动方向，来确定洋流的主要运动方向或趋势。
4，均值中心（Mean Center）：
该工具计算所有输入要素的平均x，y坐标，生成一个新的要素。往往通过目视得出的结论是不准确的，比如发生事件比较频繁的地区经常发生空间上的重叠，而目视判断会忽略这些信息，从而造成判断错误。而通过使用工具，会对每个要素进行计算，得出来的中心才是真正的均值中心，是可信的结果。
5，标准距离（Standard Distance）：
对密集分布的测量可以提供一个表示中心周围要素离散度的值。这个值就是标准距离。通过计算要素的标准距离，生成一个以标准距离为半径的圆，来概括密集分布特征。该圆覆盖了要素的大部分。标准距离越大，说明要素的分布越分散。如果数据中存在差异较大的极值，会对结果产生比较大的影响。
四、辅助工具集：
1，计算面积（Calculate Areas）。
计算多边形的面积。提供其他某些工具所需的面积参数。例如：平均最邻近距离工具对于统计区域的面积是敏感的。大多数情况需要指定分析区域的面积。即可从该工具获得该参数。
2，事件收集（Collect Events）。
收集同一空间位置时间发生的次数。比如同一地区犯罪发生次数，流行病发病次数等等。通常，在进行热点分析的时候，会有选项要求指定一个权重字段，而通过事件收集工具得到的count字段代表了时间发生的次数，可作为权重字段进行考虑。这种情况适用于对于事件发生情况的统计。比如流行病发病热点地区探索等等。
3，收集事件并符号化（Collect Events with Rendering）。
这是一个Model工具。进行与事件收集工具相同的工作并对其结果进行符号化，符号化字段为count字段。
4，对count字段符号化工具（Count Rendering）。
事件收集并符号化工具中已使用到该工具，只不过在model里进行了调用而已。该工具用于对count字段进行符号化并生成Layer文件。
5，将要素属性值输出为Ascii码（Export Feature Attribute to Ascii）。
该工具会将要素的x，y坐标及指定的属性值输出为Ascii码文件。
6， Z score值符号化工具（Z Score Rendering）。
对包含z score值字段进行符号化。以达到增强显示效果的目的。
总结：
空间统计工具集集合了常用的空间统计方法，这些方法都是基于统计学理论，同时充分考虑了事物分布的空间特性。可以说，空间统计工具架起了统计学与GIS的桥梁。通过使用ArcGIS 9中的空间统计工具，可以方便的进行常见的空间统计，还可以对其结果进行符号化，在ArcMap中进行观察。
空间统计理论及ArcGIS 9空间统计工具的具体应用，是ESRI中国（北京）培训中心所开设的《ArcGIS 高级分析教程》所探讨的重点内容。详细信息请登陆培训中心网站：https://www.doczj.com/doc/7b14655925.html,。
参考文献：
1，陈慈仁,林峰田,何灿群空间自相关聚集分析 https://www.doczj.com/doc/7b14655925.html,.tw
2，ArcUser Online，Powerful Spatial Statistics Tools in ArcGIS 9, October-December 2004
实验五栅格数据的空间分析 一、实验目的 理解空间插值的原理，掌握几种常用的空间差值分析方法。 二、实验内容 根据某月的降水量，分别采用IDW、Spline、Kriging方法进行空间插值，生成中国陆地范围内的降水表面，并比较各种方法所得结果之间的差异，制作降水分布图。 三、实验原理与方法 实验原理：空间插值是利用已知点的数据来估算其他临近未知点的数据的过程，通常用于将离散点数据转换生成连续的栅格表面。常用的空间插值方法有反距离权重插值法（IDW）、 样条插值法（Spline）和克里格插值方法（Kriging）。 实验方法：分别采用IDW、Spline、Kriging方法对全国各气象站点1980年某月的降水量进行空间插值生成连续的降水表面数据，分析其差异，并制作降水分布图。 四、实验步骤 ⑴打开arcmap，加载降水数据，行政区划数据，城市数据，河流数据，并进行符号化， 对行政区划数据中的多边形取消颜色填充 ⑵点击空间分析工具spatial analyst→options，在general标签中将工作空间设置为实验数据所在的文件夹
⑶点击spatial analyst→interpolate to raster→inverse distance weighted，在input points 下拉框中输入rain1980，z字段选择rain，像元大小设置为10000 点击空间分析工具spatial analyst→options，在extent标签中将分析范围设置与行政区划一致，点击spatial analyst→interpolate to raster→inverse distance weighted，在input points下拉框中输入rain1980，z字段选择rain，像元大小设置为10000 点击空间分析工具spatial analyst→options在general标签中选province作为分析掩膜，点击spatial analyst→interpolate to raster→inverse distance weighted，在input points下拉框中输入rain1980，z字段选择rain，像元大小设置为10000
第一章 1.地理信息系统：是在计算机软硬件支持下，对整个或者部分地球表层空间中的有关地理分布数据进行采集、存储、管理、运算、分析、显示和描述的技术系统。 2.地理信息系统的主要组成部分：硬件系统、软件系统、地理空间数据和系统管理操作人员。 3.GIS功能分为以下五个方面： ①数据采集与输入；②数据编辑与更新； ③数据存储与管理；④空间数据分析与处理； ⑤数据与图形的交互显示。 4.21世纪GIS应用新的发展趋势：网络GIS、组件式GIS、虚拟现实GIS、时态GIS、互操作GIS、3S集成。 5.对基于GIS的空间分析的理解不同的角度和层次： ①按空间数据结构类型；②按分析对象的维数； ③按分析的复杂性程度。 第二章 1.ArcGIS的基础模块：ArcMap、ArcCatalog、Geoprocessing。 2.Geoprocessing地理处理框架：具有强大的空间数据处理和分析工具，包括地理处理工具的集合和模型构建器。 第三章 1.空间数据采集：是指将现有的地图、外业观测成果、航空相片、遥感图像、文本资料等转成计算机可以识别处理的数字形式。 2.数据组织：就是按照一定的方式和规则对数据进行归并、存储、处理的过程， 3.ArcGIS中主要有Shapefile、Coverage和Geodatabase三种数据组织方式。 4.地理数据库：是按照层次型的数据对象来组织地理数据。 5.要素类：是具有相同几何类型和属性的要素的集合，即同类空间要素的集合。 6.地理数据库建立的一般过程： ①地理数据库设计；②地理数据库建立； ③建立地理数据库的基本组成项；④向地理数据库各项加载数据； ⑤进一步定义地理数据库。 7.地理数据库的基本组成项：对象类、要素类和要素数据集 8.要素类的分类：简单要素类和独立要素类。 9.创建拓扑的优势：
课程：ArcGIS空间分析 实验目的：利用GIS空间分析方法，结合等高线及温度和降水数据，在充分分析某药材的生长习性的情况下，找到其生长区域，从而能够更好的保护该药材的生长环境。 数据来源：本实验所采用的数据均来自ArcGIS地理信息系统空间分析实习教程，数据有：山区等高线数据contour.shp 和山区观测点采集的年平均温度和年总降水数据climate.txt. 实验要求：根据所给条件，确定某区域适合种植这种药材的范围，求出适合种植的面积。 (1)这种药材一般生长在沟谷两侧较近的区域（不超过500m） (2)这种药材喜阳 (3)生长气候环境为年平均温度10度-12度 (4)年总降水量为550-680mm 实验流程：利用该山区等高线数据生成DEM，基于DEM进行水文分析，提取沟谷网络；基于DEM提取坡向数据，重分类划分阴阳坡。 利用观测点采集的年平均温度和年总降水数据分别进行表面内插，生成年平均温度栅格数据和年总降水栅格数据。提取年平均温度10度-12度的区域和年总降水为550mm-680mm的区域。
综合叠加分析满足上述4个条件的区域，得到适合该药材生长的区域，并制作专题图，计算该适合区域的面积。 实验步骤： 1.利用等高线，构建DEM。首先打开ArcMap，加载等高线数 据，在ArcToolbox中，选择【3D Analyst】|【Tin管理】|【创建Tin】工具，打开工具对话框，生成tin。空间参考依然导入contour相同的坐标系统。 2.将Tin转换成格网DEM，以便于进行表面分析和与其他数 据的叠加分析。选择【3D Analyst工具】|【转换】|【由Tin转出】|【Tin转栅格】工具，打开工具对话框。
土壤稳定性评估 1.背景 在进行区域土地开发时，往往需要对整个区域的土壤稳定性进行评估。应用GIS空间分析方法，能够快速有效的对影响土壤稳定性的因子进行制图并评估打分，通过构建评价体系，利用叠加分析，形成土壤稳定性专题图，为土地开发保护提供决策支持。 2.数据 某地区的数字高程模型和土地利用图，数字高程模型为GRID格式数据，土地利用数据为landuse.shp；分别如下图所示： 实验区数字高程模型 土地利用图 3.要求
土壤稳定性评估原则如下： 1)坡度越陡，稳定性越低。坡度分级临界值分别为：3°、6°、11°、20°、30°； 2)阴坡比阳坡稳定； 3)土地利用类型的稳定性级别由高到低分别为：森林、水域、草原、居住用地和 农耕地。 各个因子的量化分值随地理位置、重要程度、所占比例等因素的不同而分别制定。 本例中使用的分值和权重见下文。 最后需完成土壤稳定性级别专题图。 4.工作流程 (1) 基于DEM提取坡度数据，按照分级临界值进行重分类，并对每个坡度区间设定 权重值； (2) 基于DEM提取坡向数据，重分类划分阴坡、阳坡，并对两个坡向设定权重值； (3) 将土地利用的矢量数据按土地利用类型转换为栅格数据，再重分类设定每种土 地利用类型的权重值； (4) 综合坡度、阴阳坡和土地利用类型进行空间叠加分析加权求和，得到该区域土 壤稳定性数据，最终划分等级制作土壤稳定性专题图。 工作流程如图所示： 5.操作步骤 ⑴提取坡度数据。 选择【Spatial Analyst Tools】|【surface】|【slope】工具，打开工具对话框，如图：
【输入栅格】选择：dem； 【输出栅格】设置为：slope； 点击【确定】，生成坡度数据。 选择【Spatial Analyst Tools】|【reclass】|【reclassify】工具，打开对话框，如图： 【输入栅格】：slope；
竭诚为您提供优质文档/双击可除arcgis空间分析实验报告 篇一：arcgis栅格数据空间分析实验报告 实验五栅格数据的空间分析 一、实验目的 理解空间插值的原理，掌握几种常用的空间差值分析方法。 二、实验内容 根据某月的降水量，分别采用IDw、spline、Kriging 方法进行空间插值，生成中国陆地范 围内的降水表面，并比较各种方法所得结果之间的差异，制作降水分布图。 三、实验原理与方法 实验原理：空间插值是利用已知点的数据来估算其他临近未知点的数据的过程，通常用于将 离散点数据转换生成连续的栅格表面。常用的空间插值方法有反距离权重插值法（IDw）、 样条插值法（spline）和克里格插值方法（Kriging）。
实验方法：分别采用IDw、spline、Kriging方法对全国各气象站点1980年某月的降水量进 行空间插值生成连续的降水表面数据，分析其差异，并制作降水分布图。 四、实验步骤 ⑴打开arcmap，加载降水数据，行政区划数据，城市数据，河流数据，并进行符号化，对 行政区划数据中的多边形取消颜色填充 ⑵点击空间分析工具spatialanalyst→options，在general标签中将工作空间设置为实验数据所在的文件夹 ⑶点击spatialanalyst→interpolatetoraster→inversedistanceweighted，在inputpoints下拉框中输入rain1980，z字段选择rain，像元大小设置为 10000 点击空间分析工具spatialanalyst→options，在extent标签中将分析范围设置与行政区划一致，点击spatialanalyst→interpolatetoraster→inversedistanceweighted，在inputpoints下拉框中输入rain1980，z字段选择rain，像元大小设置为 10000 点击空间分析工具spatialanalyst→options在
空间分析具体案例应用 专业：资源环境与城乡规划管理学号：姓名：王秀君 实验类型：综合性实验 实验目的：进一步掌握常用工具应用所学的ArcGIS技术，掌握空间分析能力的运用，解决实际工作中遇到的问题。 实验内容： 1、琅岐岛3D视图显示 2、超市商业区位选址 3、土地规划利用 （一）琅岐岛3D视图显示 实验类型：综合性实验 实验目的：进一步掌握常用工具所学的ARCGIS技术，掌握空间分析能力的应用，解决实际工作中遇到的问题 实验内容：琅岐岛3D视图显示 四、实验步骤 1.将TAB格式转为SHP格式 打开Mapinfo，选择“表”下的“转出”，弹出窗口，指定要转换格式的文件及输出路径，将马尾岛屿.tab、马尾等高线.TAB、马尾等深线.TAB转为、、。
然后，打开Arc Catalog，将、、转换为shape格式。
点击ok，完成转换。 2.定义投影 右击,指定其投影为Projected Coordinate Systems—Gauss Kruger—Beijing 1954—Beijing 1954 GK Zone 20投影，利用Import将投影导入其他图层。如图所示：
3.卫片配准 在ArcMap中，先将Island、Contour、isolate图层调入，然后在将卫片LQ调入。调用Georeferencing工具，选择Fit to Display命令，使卫片处于屏幕正中央，然后进行配准，如图所示。然后用Rectify命令，将定义好的投影保存。
配准后注意保存好，如图所示： 4.合并等高线、等深线两个图层 建立Contour和isolate的公共字段，在ArcMap中，选择图层，Open Attribute Table，建立公共字段Height，并赋值，删除多余字段，然后打开ArcToolBox利用Append工具合并Contour与isolate图层。
实验五空间分析 实验内容: ?了解矢量数据空间分析得原理,掌握空间数据查询得基本操作与用途，掌握空间矢量数据得缓冲区分析、叠加分析等空间分析基本操作与用途。 已知条件：已知可供选择得备选厂址(FａｃtorySite图层中得点所示） 问题要求：城市道路距离要求：要求候选厂址离城市公路(Ｒoad图层)得距离小于200米 居民地距离要求： 要求候选厂址离居民地（Resideｎt图层)得距离大于500米； 备选厂址高程要求：要求候选厂址得高程小于２50米; 备选厂址坡度要求：要求候选厂址得坡度小于2、5度; 输出结果:符合条件得厂址。 实验数据： 实验数据包括: part1：备选厂址FacｔｏrySiｔe，居民地Resｉdent，城市道路Rｏad； part２：街道图层AIOStrｅｅｔs，城市地籍图层AIＯZonecov; part３：城市市区交通网络nｅｔwｏrk，商业中心分布Marketplａce，名牌高中分布sｃhoｏl,名胜古迹分布famous place。 实现方法: 1、空间数据查询 (1)打开AｒcMap，加载part1中得三个图层，为ＦａctorｙＳite图层设置标注，效果如图1所示。 图1 （2）选择“高程小于25０米，且坡度小于2、5度”得备选厂址，菜单““Ｓｅlect ｉｏn"-＞“SｅｌｅcｔＢy Ａttributeｓ”，图层选择FaｃtorySiｔｅ,方法选择“创建新选择内容”,查询得条件为“Heigｈｔ〈250 AND Slope〈2、５",点击确定应用，可以筛选出来１０个备选厂址，如图3所示。
图２ 图3 (３)在以上操作得基础上,继续选择“离城市公路（Ｒoａd图层）得距离小于200米”得候选厂址，执行菜单“Seleｃｔioｎ”－＞“ＳｅlｅcｔBｙＬocaｔion”,设置参数如图4所示,筛选出来6个备选厂址，查询结果如图5所示。
ARCGIS空间分析基本操作 一、实验目的 1. 了解基于矢量数据和栅格数据基本空间分析的原理和操作。 2. 掌握矢量数据与栅格数据间的相互转换、栅格重分类(Raster Reclassify)、栅格计算－查询符合条件的栅格(Raster Calculator)、面积制表（Tabulate Area）、分区统计(Zonal Statistic)、缓冲区分析(Buffer) 、采样数据的空间内插(Interpolate)、栅格单元统计（Cell Statistic）、邻域统计（Neighborhood）等空间分析基本操作和用途。 3. 为选择合适的空间分析工具求解复杂的实际问题打下基础。 二、实验准备 预备知识： 空间数据及其表达 空间数据（也称地理数据）是地理信息系统的一个主要组成部分。空间数据是指以地球表面空间位置为参照的自然、社会和人文经济景观数据，可以是图形、图像、文字、表格和数字等。它是GIS所表达的现实世界经过模型抽象后的内容，一般通过扫描仪、键盘、光盘或其它通讯系统输入GIS。 在某一尺度下，可以用点、线、面、体来表示各类地理空间要素。 有两种基本方法来表示空间数据：一是栅格表达; 一是矢量表达。两种数据格式间可以进行转换。 空间分析 空间分析是基于地理对象的位置和形态的空间数据的分析技术，其目的在于提取空间信息或者从现有的数据派生出新的数据，是将空间数据转变为信息的过程。 空间分析是地理信息系统的主要特征。空间分析能力（特别是对空间隐含信息的提取和传输能力）是地理信息系统区别与一般信息系统的主要方面，也是评价一个地理信息系统的主要指标。 空间分析赖以进行的基础是地理空间数据库。 空间分析运用的手段包括各种几何的逻辑运算、数理统计分析，代数运算等数学手段。 空间分析可以基于矢量数据或栅格数据进行，具体是情况要根据实际需要确定。 空间分析步骤 根据要进行的空间分析类型的不同，空间分析的步骤会有所不同。通常，所有的空间分析都涉及以下的基本步骤，具体在某个分析中，可以作相应的变化。 空间分析的基本步骤: a)确定问题并建立分析的目标和要满足的条件 b)针对空间问题选择合适的分析工具 c)准备空间操作中要用到的数据。
ArcGIS 地统计学习指南(一) 1.1 地统计扩展模块简介 ArcGIS地统计分析模块在地统计学与GIS之间架起了一座桥梁。使得复杂的地统计方法可以在软件为本、可视化发展的趋势。 地统计学的功能在地统计分析模块的都能实现，包括： （1）ESDA：探索性空间数据分析，即数据检查； （2）表面预测（模拟）和误差建模； （3）模型检验与对比。 地统计学起源于克里格。当时他用此法预测矿产分布，后来经过别人改进修改发展成为现在所用的据分析还有其他方法，如IDW（反距离加权插值法）等，但克里格方法是最主要、最常用的空间分主进行。 1.2表面预测主要过程 ArcGIS地统计扩展模块的菜单非常简单，如下所示，但由此却可以完成完整的空间数据分析过程 一个完整的空间数据分析过程，或者说表面预测模型，一般为。拿到数据，首先要检查数据，发现正态分布、有没有趋势效应、各向异性等等（此功能主要由Explore Data菜单及其下级菜单完成进行表面预测，这其中包括半变异模型的选择和预测模型的选择；最后检验模型是否合理或几种模能主要由Geostatistical Wizard…菜单完成）。Create Subsets…菜单的作用是为把采样点数据
训练样本，一部分作为检验样本。 下面将按上述表面预测过程进行叙述。 （注：[1]文章示例中所使用的数据为ArcGIS扩展模块中所带的学习数据（某地测得的臭氧含量样数据；[2]文章以操作方法介绍为主，所涉及到的地统计方法和基本理论一般未进行解释，可查阅作中所用到的某些参数为地统计中的标准名称的也未进行解释。） 我们下面的任务是根据测量所得到的某地臭氧浓度数据进行全区的臭氧浓度预测。首先检查数据的用不同参数进行表面模型预测，随后比较不同模型的精确程序，选择最佳模型，最后制作成果图。 ArcGIS 地统计学习指南(二) 我们下面的任务是根据测量所得到的某地臭氧浓度数据进行全区的臭氧浓 度预测。首先检查数据的特点，然后根据数据特点用不同参数进行表面模型预测， 随后比较不同模型的精确程序，选择最佳模型，最后制作成果图。 1.3数据检查，即空间数据探索分析（ESDA） 此功能主要通过Explore Data菜单中实现。 扩展模块提供了多种分析工具，这些工具主要是通过生成各种视图，进行交 互性分析。如直方图、QQ plot图、半变异函数/协方差图等。 ?（1）直方图显示数据的概率分布特征以及概括性的统计指标。 下图中所展示的数据，中值接近均值、峰值指数接近3。从图中观察可认 为近似于正态分布。克里格方法对正态数据的预测精度最高，而且有些空间分析 方法特别要求数据为正态分布。
ArcGIS地统计分析总结 ArcGIS地统计分析(Geostatistical Analyst) 1 介绍 1.1为什么使用ArcGIS Geostatistical Analyst 人为判断总是会遗漏某些重要信息，同时也会无中生有。而ArcGIS Geostatistical Analyst提供客观的数据驱动方法，定量预测数据变化趋势和从空间数据中发掘特征模型。如果数据不够精确或者模型不够准确，这样势必影响输出的地图和从中得到的结论。而ArcGIS Geostatistical Analyst可以提供一个概率框架，来定量计算生成数据面时的不确定性。 元统计分析方法利用属性数据之间的相关来推断不同变量之间的联系，ArcGIS Geostatistical Analyst可以联合各种数据来做更精确的预测。 ArcGIS Geostatistical Analyst可以有效地推测一些空间现象的未知部分，因此，对采样计划的设计和优化非常关键。 1.2使用ArcGIS Geostatistical Analyst的各个领域 这个模块的应用对象不计其数，可以使用这个工具包开发任何一种地理数据集(比如坐标和属性)，下面列出几个成功应用ArcGIS Geostatistical Analyst的典型领域: 气象学家和统计学家应用ArcGIS Geostatistical Analyst来进行气象数据分析。 采矿行业广泛的应用ArcGIS Geostatistical Analyst，涉及从最初的地质特征研究到产量控制的各个阶段。
石油工业成功的应用ArcGIS Geostatistical Analyst，来分析包括地震数据和油井数据集成的空间数据，并且用来研究物理特性和地震属性之间的相关关系。 在环境问题的研究中，ArcGIS Geostatistical Analyst的应用提供了一个分析空气、土壤和地下水污染高效和一致的模型。演示、个例研究和研究教育论文提供了大量的应用ArcGIS Geostatistical Analyst的例子。同时，ArcGIS Geostatistical Analyst也成为评估渔业产量的一个标准方法。 精细农业所应用的土壤特性的图形分析中，ArcGIS Geostatistical Analyst 也得到广泛应用。越来越多的农民或者农村顾问使用ArcGIS Geostatistical Analyst来增加作物产量、提高利润、减小对环境的不利影响。 2基本原理 地统计学与经典统计学的共同之处在于:它们都是在大量采样的基础上，通过对样本属性值的频率分布或均值、方差关系及其相应规则的分析，确定其空间分布格局与相关关系。但地统计学区别于经典统计学的最大特点即是:地统计学既考虑到样本值的大小，又重视样本空间位置及样本间的距离，弥补了经典统计学忽略空间方位的缺陷。 地统计分析理论基础包括前提假设、区域化变量、变异分析和空间估值。 2.1 前提假设 (1) 随机过程 与经典统计学相同的是，地统计学也是在大量样本的基础上，通过分析样本间的规律，探索其分布规律，并进行预测。地统计学认为研究区域中的所有样本值都是随机过程的结果，即所有样本值都不是相互独立的，它们是遵循一定的内在规律的。因此地统计学就是要揭示这种内在规律，并进行预测。 (2) 正态分布
空间分析实验报告 实验题目: 退耕还林还草决策分析 实验时间： 2016.5.11 7:00 至 2016.5.11 8:30 组长学号： 2013043029 姓名李棋 成员学号： 2013043028 姓名赵红阳 学院: 资源环境学院 专业: 遥感科学与技术 2016年 5 月 11 日
实验内容 一、实验目的 通过本次实验，学习表面分析、统计分析；巩固空间分析环境设置、栅格计算等学习过的知识。 二、实验准备 软件准备：ARCGIS 、EXCEL 数据准备：下载空间分析教案下的空间分析数据\Landuse92和Slope1，它们分别表示土地利用数据和坡度数据。 三、实验步骤 1.以landuse92、slope1数据为基础，将slope1坡度数据数据重新分类为六类坡度按如下标准分级：0-2 、2-6 、6-15 、15-25 、25-35、35-90。 2.统计六类坡度下土地利用类型的面积Zonal-Tabulate Area
3.统计出所有用地类型所占全部土地面积的百分比（在EXCEL中完成）得到表一 4.单独计算其中的耕地在分类坡度下不同分类坡度的耕地占总耕地面积的百分比 四、本次实验关键问题与解决方法 关键问题：EXCEL表格中数据的统计 解决方法：正确键入公式是解决该类问题的根本 五、分析总结 1.坡度重分类中的2-6中间要有空格否则会报错。 2.实验最后在统计耕地的面积的时候需要的单位是平方千米，而实验结果是平方米，这里需要注意单位的转换问题；退耕还林还草是生态环境建设的一项重要措施，在退耕还林还草决策中，急需掌握地面坡度与土地利用，特别是与耕地分布状况之间的关系。地面坡度的大小直接影响着土壤的演化、植被的立地条件与土地质量，决定着土地利用方向和工农业生产建设布局。
在ArcGIS 9中进行空间统计 作者：ESRI 中国（北京）培训中心 姜云鹏 随着GIS 在各个领域应用的不断扩展，有些特殊的行业，比如流行病学、生物学、气象、地质等行业，他们需要更深入的挖掘空间数据信息，这些信息的获得是与传统的GIS 分析结果不尽相同的。比如：传统的GIS 分析侧重于研究空间要素之间的关系，比如相邻、叠加、以及要素之间的距离、连通性等等。而这些特殊行业他们需要根据多种采样的数据来研究空间事物的变化信息，分布特征等信息，这些信息的获得，往往是一种统计分析的结果，而在空间上，事物的分布又 是相互关联的。所以，空间统计应运而生。所谓空间统计， 就是将空间信息与属性信息进行统一的考虑，研究特定属 性或属性之间与空间位置的关系。 空间统计主要的工作是研究空间自相关性（Spatial Autocorrelation ），分析空间分布的模式，例如聚类 （cluster ）或离散（dispersed ）。通过使用ArcGIS 9中的 空间统计工具，用户可以以一种非常直观而简单的方式获 得这些信息。 ArcGIS 9中的空间统计工具箱包括了一系列工具，用来分 析地理要素的空间分布形态。传统的统计并不考虑地理要 素的空间关系，而在空间统计中，要素的空间关系是分析 中需要考虑的必要的，处于绝对重要地位的。 因此，对于空间数据分析的目的来说，使用ArcGIS 9中 的空间统计工具比使用原来的不考虑空间信息而进行统 计的工具要更为合适。通过使用这些工具，GIS 用户可以 采用一种更高级的方法来解决空间数据分析中的问题。表一列出了主要的空间统计工具集以及它们的功能描述： 表一：空间统计工具集及其功能 工具集 功能 空间分布模式分析工具集 （Analyzing Patterns ） 确定要素的某些属性值在一个区域中是聚集分布，均匀分布，或者是随机分布状态 聚集分布制图工具集 （Mapping Clusters ） 确定统计量上重要的hot spots(最受关注地区)，cold spots （不受关注地区）以及一些有特例的地区。 度量空间分布工具集 （Measuring Geographic Distributions ） 确定数据的中心位置，数据分布的形状及方向性，离散数据的离散程度 辅助工具集 （Utilities ） 对数据进行重新处理或符号化分析结果 说明：这些工具为ArcGIS 9中新增加的核心功能： 在ArcGIS 8版本中，空间统计中的许多工具已经以开发者例子程序提供给了用户。而在9版本中，这些工具都被包括进了核心的功能模块中，成为了ArcGIS 平台的组成部分。而且，ArcGIS 9的空间统计工具在
ArcGIS 地统计学习指南 ArcGIS地统计分析模块在地统计学与GIS之间架起了一座桥梁。使得复杂的地统计方法可以在软件中轻易实现。体现了以人为本、可视化发展的趋势。 地统计学的功能在地统计分析模块的都能实现，包括： （1）ESDA：探索性空间数据分析，即数据检查； （2）表面预测（模拟）和误差建模； （3）模型检验与对比。 地统计学起源于克里格。当时他用此法预测矿产分布，后来经过别人改进修改发展成为现在所用的克里格方法。虽然空间数据分析还有其他方法，如IDW（反距离加权插值法）等，但克里格方法是最主要、最常用的空间分析方法，下面也以此法为主进行。 1.2表面预测主要过程 ArcGIS地统计扩展模块的菜单非常简单，如下所示，但由此却可以完成完整的空间数据分析过程。 一个完整的空间数据分析过程，或者说表面预测模型，一般为。拿到数据，首先要检查数据，发现数据的特点，比如是否为正态分布、有没有趋势效应、各向异性等等（此功能主要由Explore Data菜单及其下级菜单完成）；然后选择合适的模型进行表面预测，这其中包括半变异模型的选择和预测模型的选择；最后检验模型是否合理或几种模型进行对比；（后两种功能主要由Geostatistical Wizard…菜单完成）。Create Subsets…菜单的作用是为把采样点数据分成两部分，一部分作为训练样本，一部分作为检验样本。 下面将按上述表面预测过程进行叙述。 （注：[1]文章示例中所使用的数据为ArcGIS扩展模块中所带的学习数据（某地测得的臭氧含量样本），整个过程均使用此数据；[2]文章以操作方法介绍为主，所涉及到的地统计方法和基本理论一般未进行解释，可查阅相关地统计理论资料；操作中所用到的某些参数为地统计中的标准名称的也未进行解释。） 我们下面的任务是根据测量所得到的某地臭氧浓度数据进行全区的臭氧浓度预测。首先检查数据的特点，然后根据数据特点用不同参数进行表面模型预测，随后比较不同模型的精确程序，选择最佳模型，最后制作成果图。 我们下面的任务是根据测量所得到的某地臭氧浓度数据进行全区的臭氧浓度预测。首先检查数据的特点，然后根据数据特点用不同参数进行表面模型预测，随后比较不同模型的精确程序，选择最佳模型，最后制作成果图。 1.3数据检查，即空间数据探索分析（ESDA） 此功能主要通过Explore Data菜单中实现。 扩展模块提供了多种分析工具，这些工具主要是通过生成各种视图，进行交互性分析。如直方图、QQ plot图、半变异函数/协方差图等。 （1）直方图显示数据的概率分布特征以及概括性的统计指标。
练习5 1.空间分析的基本操作 空间分析模块 .............................................................................................. 错误!未定义书签。 1. 了解栅格数据 ......................................................................................... 错误!未定义书签。 2. 用任意多边形剪切栅格数据(矢量数据转换为栅格数据) ......................... 错误!未定义书签。 3. 栅格重分类(Raster Reclassify) ............................................................. 错误!未定义书签。 4. 栅格计算－查询符合条件的栅格(Raster Calculator) ............................ 错误!未定义书签。 5. 面积制表（Tabulate Area） ................................................................. 错误!未定义书签。 6. 分区统计(Zonal Statistic) ..................................................................... 错误!未定义书签。 7. 缓冲区分析(Buffer) ................................................................................ 错误!未定义书签。 8. 空间关系查询 ......................................................................................... 错误!未定义书签。 9. 采样数据的空间内插(Interpolate) ......................................................... 错误!未定义书签。 10. 栅格单元统计（Cell Statistic）.......................................................... 错误!未定义书签。 11. 邻域统计（Neighborhood）................................................................ 错误!未定义书签。空间分析模块 本章的大部分练习都会用到空间分析扩展模块，要使用“空间分析模块”首先在ArcMap中执行菜单命令<工具>－<扩展>，在扩展模块管理窗口中，将“空间分析”前的检查框打上勾。然后，在ArcMap 工具栏的空白区域点右键，在出现的右键菜单中找到“空间分析”项，点击该项，在ArcMap中显示“空间分析”工具栏。
统计分析 来源：互联网 一单元统计 当进行多层面栅格数据叠合分析时，经常需要以栅格单元为单位来进行单元统计（Cell Statistics）分析。ArcGIS 的单元统计分析功能提供了十种单元统计方法，分别为： 1. Minimum：找出各单元上出现最小的数值； 2. Maximum：找出各单元上出现最大的数值； 3. Range：统计各单元上出现数值的范围； 4. Sum：计算各单元上出现数值的和； 5. Mean：计算各单元上出现数值的平均数； 6. Standard Deviation：计算各单元上出现数值的标准差； 7. Variety：找出各单元上不同数值的个数； 8. Majority：统计各单元上出现频率最高的数值； 9. Minority：统计各单元上出现频率最低的数值； 10. Median：计算各单元上出现数值的中值； 如下图1 中的一组表格所示，表格中每一格子代表一个栅格单元，最后一个表格是基于前两个表格进行单元统计的最小值统计得到的结果。即将前两个表格中相对应栅格数值进行比较，找出各单元上出现的最小数值。 图1 最小值单元统计 单元统计功能常用于同一地区多时相数据的统计，通过单元统计得出所需分析数据。例如，同一地区不同年份的人口分析，同一地区不同年份的土地利用类型分析等。 单元统计的操作过程如下，图2 所示： 1. Spatial Analyst 下拉菜单中选择Cell Statistics； 2. 在Layer 列表框中选择你要用来计算的图层，在列表框中选择一个图层，点击Add 按钮将其加入Input rasters 列表框（也可用Browse 按钮从磁盘中选择要使用的栅格数据）； 3. 在Overlay statistic 栏中选择你用来对输入图层进行计算的统计类型； 4. 为输出结果指定目录及名称； 5. 点击OK 按钮。
实验五空间分析 实验内容： 了解矢量数据空间分析的原理，掌握空间数据查询的基本操作和用途，掌握空间矢量数据的缓冲区分析、叠加分析等空间分析基本操作和用途。 已知条件：已知可供选择的备选厂址（FactorySite图层中的点所示） 问题要求：城市道路距离要求：要求候选厂址离城市公路（Road图层）的距离小于200米 居民地距离要求： 要求候选厂址离居民地（Resident图层）的距离大于500米； 备选厂址高程要求：要求候选厂址的高程小于250米； 备选厂址坡度要求：要求候选厂址的坡度小于2.5度； 输出结果：符合条件的厂址。 实验数据： 实验数据包括： part1：备选厂址FactorySite，居民地Resident，城市道路Road； part2：街道图层AIOStreets，城市地籍图层AIOZonecov； part3：城市市区交通网络network，商业中心分布Marketplace，名牌高中分布school，名胜古迹分布famous place。 实现方法： 1.空间数据查询 （1）打开ArcMap，加载part1中的三个图层，为FactorySite图层设置标注，效果如图1所示。 图1 （2）选择“高程小于250米，且坡度小于 2.5度”的备选厂址，菜单““Selection”->“Select By Attributes”，图层选择FactorySite，方法选择“创建新选择内容”，查询的条件为“Height<250 AND Slope<2.5”，点击确定应用，可以筛选出来10个备选厂址，如图3所示。
图2 图3 （3）在以上操作的基础上，继续选择“离城市公路（Road图层）的距离小于200米”的候选厂址，执行菜单“Selection”->“Select By Location”，设置参数如图4所 示，筛选出来6个备选厂址，查询结果如图5所示。
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 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 Average Nearest Neighbor 最邻近分析 根据每个要素预期最近要素的平均距离来计算最邻近指数，当指数大于1，要素有聚集分布的趋势，对于趋势如何，还要依据z—value和P—value 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 这种方法对面积指值非常敏感（期望平均距离计算中需要面积参与运算），如果未指定
面积参数，则使用输入要素周围最小外接矩形的面积（不一定合坐标轴垂直）Spatial Autocorrelation (Morans I) 空间自相关分析 更具要素位置的属性使用Global Moran’s I 统计量量测空间自相关性 Moran’s 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（高值聚集在高值附近，低值聚集在低值附近）则指数为正，如果高值排斥高值，倾向于低值，则指数为负 之后，将计算期望指数值，将之与其比较，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得分和P值，用来指示次差异是否具有统计学上的显著性 Multi-Distance Spatial Cluster Analysis K函数分析 确定要素（后与之有关连的值）是否显示某一距离范围内统计意义显著的聚类或离散 基于Ripley'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其他方法（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） Ripley'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。 如果特定距离的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置信区间，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 Moran’s I局部Moran’s I 分析 给定一组加权要素，使用局部Moran’s I统计量来识别具有统计显著性的热点，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值是一个较高的正数，则表示周围的要素拥有相似值，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计显著性的空间异常值。输出要素类中的COType 字段将指明要素是否是高值要素而四周围绕的是低值要素(HL)，或者要素是否是低值要素而四周围绕的是高值要素(LH)。
ArcGIS地统计分析（Geostatistical Analyst） 1 介绍 1.1为什么使用ArcGIS Geostatistical Analyst 人为判断总是会遗漏某些重要信息，同时也会无中生有。而ArcGIS Geostatistical Analyst提供客观的数据驱动方法，定量预测数据变化趋势和从空间数据中发掘特征模型。如果数据不够精确或者模型不够准确，这样势必影响输出的地图和从中得到的结论。而ArcGIS Geostatistical Analyst可以提供一个概率框架，来定量计算生成数据面时的不确定性。 元统计分析方法利用属性数据之间的相关来推断不同变量之间的联系，ArcGIS Geostatistical Analyst可以联合各种数据来做更精确的预测。 ArcGIS Geostatistical Analyst可以有效地推测一些空间现象的未知部分，因此，对采样计划的设计和优化非常关键。 1.2使用ArcGIS Geostatistical Analyst的各个领域 这个模块的应用对象不计其数，可以使用这个工具包开发任何一种地理数据集（比如坐标和属性），下面列出几个成功应用ArcGIS Geostatistical Analyst的典型领域：气象学家和统计学家应用ArcGIS Geostatistical Analyst来进行气象数据分析。 采矿行业广泛的应用ArcGIS Geostatistical Analyst，涉及从最初的地质特征研究到产量控制的各个阶段。 石油工业成功的应用ArcGIS Geostatistical Analyst，来分析包括地震数据和油井数据集成的空间数据，并且用来研究物理特性和地震属性之间的相关关系。 在环境问题的研究中，ArcGIS Geostatistical Analyst的应用提供了一个分析空气、土壤和地下水污染高效和一致的模型。演示、个例研究和研究教育论文提供了大量的应用ArcGIS Geostatistical Analyst的例子。同时，ArcGIS Geostatistical Analyst也成为评估渔业产量的一个标准方法。 精细农业所应用的土壤特性的图形分析中，ArcGIS Geostatistical Analyst也得到广泛应用。越来越多的农民或者农村顾问使用ArcGIS Geostatistical Analyst来增加作物产量、提高利润、减小对环境的不利影响。 2基本原理 地统计学与经典统计学的共同之处在于：它们都是在大量采样的基础上，通过对样本属性值的频率分布或均值、方差关系及其相应规则的分析，确定其空间分布格局与相关关系。但地统计学区别于经典统计学的最大特点即是：地统计学既考虑到样本值的大小，又重视样本空间位置及样本间的距离，弥补了经典统计学忽略空间方位的缺陷。 地统计分析理论基础包括前提假设、区域化变量、变异分析和空间估值。 2.1 前提假设