空间分析的原理与方法

GIS空间分析原理与方法学院：资源与环境学院专业：地理信息系统班级：2011010班姓名：李松青学号：201101014GIS空间分析原理与方法地理信息系统是地理空间数据处理、分析的重要手段和平台。

在计算机软硬件的支持下，对整个或部分地球表层（包括大气层）空间中的有关地理分布数据进行采集、储存、管理、运算、分析、显示和描述的技术系统。

地理信息系统的核心是功能是空间分析。

空间分析使GIS超越一般空间数据库、信息系统和地图制图系统，不仅能进行海量空间数据中隐藏的模式、关系和趋势，挖掘出对科学决策具有指导意义的信息，从而解决复杂的地学应用问题，进行地学综合研究。

以下是对本册内容的总结：第一章地理空间数据源分析与GIS本章简要回顾了20世纪50年代以来地理空间数据处理与建模领域，探讨了GIS 环境下空间分析的基本框架。

1.地理空间数据处理与建模1.1数量地理学讲述了数量地理学的发展、与传统地理学的比较及其地理分析模拟方法（地理系统分析，随机数学方法，地理系统数学模拟）。

1.2 地理信息系统主要介绍了GIS的概念与功能1.3 地理计算介绍了地理计算的概念与地理计算的模型和方法2.地理空间数据挖掘2.1 地理空间数据挖掘概述介绍了数据挖掘的概念、发展及其体系结构2.2 地理空间数据立方体介绍了数据立方体的基本思想与数据立方体概念所涉及的维度类型（非空间维度，空间-非空间维度，空间-空间维度），度量值（数值度量，空间度量）和成员属性2.3 联机分析处理技术介绍了OLAP概念以及与地理空间数据立方体的关系。

2.4 地理空间数据挖掘典型方法地理空间数据挖掘主要方法有：地理空间统计方法，地理空间聚类方法，地理空间关联分析，地理空间分类与预测分析，异常值分析3.GIS环境下的空间分析3.1 空间分析概念介绍了空间分析的概念与本质特征，空间分析的研究对象与目标3.2 空间分析的萌芽与发展介绍了空间分析的发展过程3.3 GIS与空间分析介绍了GIS与空间分析的关系以及地理信息系统未能大量引入专业空间分析模块的原因。

《GIS空间分析原理与方法》期末复习资料第一章地理空间数据分析与GIS1、什么是地理空间数据分析？它是通过研究地理空间数据及其相应分析理论、方法和技术，探索、证明地理要素之间的关系，揭示地理特征和过程的内在规律和机理，实现对地理空间信息的认知、解释、预测和调控。

2、什么是地理系统数学模拟？其模拟的一般过程是？建立地理系统数学模型的过程称为地理系统的数学模拟（简称地理模型）。

地理系统数学模拟的一般过程是：①从实际的地理系统或其要素出发，对空间状态、空间成分、空间相互作用进行分析，建立地理系统或要素的数学模型；②经验检查，若与实际情况不符，则要重新分析，修改模型；若大致相符，则选择计算方法，进行程序设计、程序调试和上机运算，从而输出模型解；③分析模型解，若模型解出错，则修改模型；若模型解正确，则对成果进行地理解释，提出切实可行的方案。

3、地理空间数据挖掘的体系结构？地理空间数据挖掘是数据挖掘的一个研究分支，其实质是从地理空间数据库中挖掘时空系统中潜在的、有价值的信息、规律和知识的过程，包括空间模式与特征、空间与非空间数据之间的概要关系等。

地理空间数据挖掘的体系结构由以下四部分组成：（1）图形用户界面（交互式挖掘）；（2）挖掘模块集合；（3）数据库和知识库（空间、非空间数据库和相关概念）；（4）空间数据库服务器（如ESRI/Oracle SDE，ArcGIS以及其他空间数据库引擎）。

4、什么是地理空间数据立方体？地理空间数据立方体是一个面向对象的、集成的、以时间为变量的、持续采集空间与非空间数据的多维数据集合，组织和汇总成一个由一组维度和度量值定义的多维结构，用以支持地理空间数据挖掘技术和决策支持过程。

5、地理空间统计模型的分为几类，它们的定义分别是什么？地理空间统计模型大致可分为三类：地统计、格网空间模型和空间点分布形态。

（1）地统计：是以区域化变量理论为基础，以变差函数为主要工具，研究空间分布上既具有随机性又具有结构性的自然现象的科学。

来自表2-1总体的两个随机样本
两个独立样本的回归线
总体回归线与样本回归线
Y
.Y1
需 求 量
. e1
u1
Yˆi b1 b2 Xi
.Yˆ1
EY | X B1 B2 Xi
A
..un Yn . en
Yˆn
0
X1 价格
Xn
X
5.2.6 “线性”回归的特殊含义
解释变量线性与参数线性
1. 解释变量线性 非线性举例：
y
y
000.5yy 0.5y 0 y
1 2 3 4 5
000...555yyy334
2 y
1
0.5y 5
0.5y 5
0.5y 4
(3 1)
式（3 1）表示变量y *用其他区域的y进行解释的线性关系，可写成：
y Cy
（3 2）
其中，是需要估计的回归参数，反映了样本数据内在的空间
模式的有效描述，因此需要引入能够描述空间自相关和空 间非平稳性的项，克服回归模型的缺陷。 • 空间关系的描述需要借助空间权重（邻接）矩阵。
空间邻接矩阵为：
0 1 0 0 0
1 0 0 0 0
W 0 0 0 1 1
(8)
0 0 1 0 1
0 0 1 1 0
行标准化为：
0 1 0 0 0
1 0 0 0 0
5.2.2 总体回归函数
例子：不同家庭收入水平下的学生数学SAT成绩
家庭年收入与数学S.A.T分数
总体回归函数PRF
E(Y | X i ) B1 B2 X i
(2-1)
Y的条件期望，可简写为E(Y)
B1和B2是参数(parameters)，也称回归系数 (regression coefficients)。

探索性空间统计分析的原理
探索性空间统计分析是一种用于研究地理空间数据模式、关联性和变异性的统计方法。

它的原理是基于地理空间数据的特殊性，考虑了空间自相关性和空间依赖性。

探索性空间统计分析的原理如下：
1. 空间自相关性：空间自相关性是指地理空间数据中相邻地区之间存在的相关性。

探索性空间统计分析通过计算地理空间数据点之间的距离，从而测量地理空间数据的自相关性。

2. 空间依赖性：空间依赖性是指地理空间数据的空间位置对于数据观测值的影响。

探索性空间统计分析通过使用空间权重矩阵，考虑了地理空间数据的空间依赖性。

空间权重矩阵描述了地理空间数据点之间的空间关系，可以用于计算空间依赖性的指标。

3. 空间模式：探索性空间统计分析旨在发现地理空间数据中的空间模式。

空间模式是指数据分布中的规律、趋势或聚集特征。

探索性空间统计分析通过分析空间自相关性和空间依赖性，可以检测并描述地理空间数据中的空间模式。

4. 统计指标：探索性空间统计分析使用一系列统计指标来描述地理空间数据的属性特征。

常见的统计指标包括Moran's I指数、Geary's C指数和Getis-Ord
G指数等。

这些指标测量了空间自相关性、空间依赖性和空间聚集程度等属性，有助于揭示地理空间数据的空间模式。

通过探索性空间统计分析，可以有效地发现地理空间数据中的空间模式和关联性，为进一步的地理空间分析提供基础。