扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
宇宙、量子和人类心灵
-
>
考研数学专题练1200题
-
>
希格斯:“上帝粒子”的发明与发现
-
>
神农架叠层石:10多亿年前远古海洋微生物建造的大堡礁
-
>
二十四史天文志校注(上中下)
-
>
声音简史
-
>
浪漫地理学:追寻崇高景观
空间分析理论与实践 版权信息
- ISBN：9787030659682
- 条形码：9787030659682 ; 978-7-03-065968-2
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>>
空间分析理论与实践 内容简介
本书以环境资源相关领域的实际需求和问题为导向，重点讲述地理空间分析的理论和方法体系，力求将本领域有代表性的空间分析技术方法与实际应用相结合。本书共10章，主要内容包括：绪论、空间数据、探索分析、空间分布与点模式分析、空间自相关分析、空间回归分析、空间插值、地统计学、随机模拟、空间多元分析以及综合实习：识别多中心城市结构。
空间分析理论与实践 目录
目录
第1章 绪论 1
1.1 空间分析的概念 1
1.2 空间分析的理论与方法 2
1.2.1 空间分析与其他数据分析的差别 2
1.2.2 空间分析的理论基础 3
1.2.3 空间分析的方法体系 3
1.3 空间分析的研究进展与应用 4
1.3.1 空间分析的来源与发展 4
1.3.2 空间分析的应用 6
1.4 空间分析与教学 7
1.5 空间分析常用软件 12
1.5.1 ArcGIS 13
1.5.2 GeoDa 13
1.5.3 R语言 15
课后习题 16
参考文献 16
第2章 空间数据探索分析 20
2.1 数据探索分析 20
2.1.1 直方图 21
2.1.2 茎叶图 23
2.1.3 箱形图 24
2.1.4 散点图 26
2.1.5 平行坐标图 29
2.1.6 QQ图 31
2.2 空间数据探索分析 32
2.2.1 定义 32
2.2.2 地图化 34
2.2.3 交互技术 35
2.2.4 Comap和Coplot 38
2.2.5 趋势面分析 41
2.2.6 Voronoi图 42
2.3 数据预处理 44
2.3.1 正态转换 44
2.3.2 去聚 45
2.4 上机实习——数据探索分析 46
2.4.1 直方图 46
2.4.2 箱形图 49
2.4.3 散点图 53
2.4.4 平行坐标图 57
2.5 上机实习——空间数据探索分析 58
2.5.1 主题地图制作 59
2.5.2 Comap和Coplot 61
2.5.3 趋势面分析 62
2.5.4 Voronoi图 63
课后习题 65
参考文献 66
第3章 空间分布与点模式分析 67
3.1 空间分布类型与参数描述 67
3.1.1 分布密度和均值 67
3.1.2 分布中心 68
3.1.3 距离 68
3.1.4 分布轴线 69
3.2 点模式分析 70
3.2.1 样方分析 72
3.2.2 核密度估计 76
3.2.3 *近邻分析 78
3.2.4 函数法 81
3.3 案例展示 82
3.3.1 样方分析 82
3.3.2 核密度估计 83
3.3.3 *近邻分析 84
3.3.4 K函数法 85
3.4 上机实习 85
3.4.1 样方分析 86
3.4.2 核密度分析 91
3.4.3 平均*近邻分析 94
3.4.4 Ripley’s K函数分析 96
课后习题 98
参考文献 98
第4章 空间自相关分析 100
4.1 空间自相关的概述 100
4.1.1 空间自相关的概念 100
4.1.2 空间自相关的主要方法 100
4.1.3 空间自相关的应用 101
4.2 空间权重矩阵 102
4.3 全局空间自相关分析 104
4.3.1 Moran’s I法 104
4.3.2 Geary’s C法 107
4.3.3 General G法 107
4.3.4 Join Count法 108
4.4 局部空间自相关分析 109
4.4.1 LISA理论 109
4.4.2 局部Moran指数法 110
4.4.3 Gi与G*i指数法 111
4.4.4 Getis G*i和局部Moran比较 113
4.5 空间自相关图示分析 114
4.5.1 空间散布图 114
4.5.2 空间自相关系数图 114
4.6 案例展示 115
4.6.1 全局Moran’s I法 117
4.6.2 全局General G法 117
4.6.3 局部Moran法 120
4.6.4 局部G*i指数法 120
4.6.5 双变量局部Moran法 120
4.7 上机实习——土壤重金属 122
4.7.1 全局Moran’s I空间自相关分析 122
4.7.2 Getis-Ord General G空间自相关分析 127
4.8 上机实习——工业污水排放 129
4.8.1 局部Moran空间自相关分析 129
4.8.2 Getis-Ord G*i空间自相关分析法（热点分析） 133
4.8.3 双变量局部Moran空间自相关分析法 134
课后习题 136
参考文献 136
第5章 空间回归分析 138
5.1 普通线性回归模型 140
5.1.1 线性回归模型的公式与经典假定 140
5.1.2 普通*小二乘法 142
5.1.3 *大似然法 143
5.1.4 两种估计方法的比较 144
5.1.5 普通线性回归模型的结果分析 145
5.2 空间回归模型 148
5.2.1 空间回归理论模型 148
5.2.2 空间误差模型 149
5.2.3 空间滞后模型 149
5.2.4 空间回归模型的统计检验 149
5.3 地理加权回归模型 156
5.3.1 地理加权回归理论模型 156
5.3.2 空间权函数 157
5.3.3 权函数带宽的优化方法 159
5.4 案例展示 160
5.4.1 普通*小二乘回归模型 160
5.4.2 空间回归模型 162
5.4.3 地理加权回归模型 164
5.5 上机实习 165
5.5.1 普通*小二乘回归分析 165
5.5.2 空间回归分析 167
5.5.3 地理加权回归分析 172
课后习题 175
参考文献 175
第6章 空间插值 177
6.1 空间插值的概念和意义 177
6.2 空间插值的分类体系 177
6.3 空间整体插值法 177
6.3.1 全局多项式插值法 177
6.3.2 变换函数插值法 178
6.4 空间局部插值法 179
6.4.1 泰森多边形插值法 179
6.4.2 自然邻域法 179
6.4.3 三角测量插值法 180
6.4.4 逆距离加权法 180
6.4.5 局部多项式插值法（移动内插法） 182
6.4.6 简单移动平均法 182
6.4.7 径向基函数插值法 183
6.4.8 样条插值法 183
6.4.9 克里格方法 183
6.5 案例展示 184
6.5.1 趋势面法 184
6.5.2 径向基函数插值法 184
6.5.3 样条函数插值法 185
6.5.4 自然邻域插值法 185
6.5.5 逆距离加权插值法 186
6.5.6 克里格插值法 186
6.6 上机实习 186
6.6.1 趋势面法 187
6.6.2 径向基函数插值法 188
6.6.3 样条函数插值法 191
6.6.4 自然邻域插值法 193
6.6.5 逆距离加权插值法 193
6.6.6 克里格插值法 195
课后习题 197
参考文献 197
第7章 地统计学 198
7.1 地统计学概述 198
7.1.1 地统计学的概念与发展 198
7.1.2 地统计学与传统统计学的差异 200
7.1.3 地统计学的应用领域 201
7.2 区域化变量理论 201
7.2.1 随机函数、随机过程和随机场 201
7.2.2 区域化变量 202
7.2.3 概率分布 203
7.2.4 平稳假设 203
7.2.5 本征假设 204
7.2.6 协方差函数与变异函数 204
7.3 半方差函数及其结构分析 205
7.3.1 半方差云图 205
7.3.2 经验半方差函数 207
7.3.3 理论半方差函数 208
7.3.4 半方差函数的结构分析 213
7.4 克里格插值 216
7.4.1 克里格法概述 216
7.4.2 线性预测克里格法 217
7.4.3 非线性预测克里格法 221
7.4.4 协同克里格法 222
7.4.5 几种克里格法的总结比较 224
7.5 案例展示 225
7.5.1 普通克里格插值 225
7.5.2 简单克里格插值 226
7.5.3 泛克里格插值 226
7.5.4 指示克里格插值 226
7.5.5 析取克里格插值 227
7.5.6 协同克里格插值 227
7.6 上机实习 228
7.6.1 普通克里格插值 229
7.6.2 简单克里格插值 238
7.6.3 泛克里格插值 238
7.6.4 指示克里格插值 239
7.6.5 析取克里格插值 240
7.6.6 协同克里格插值 250
课后习题 255
参考文献 256
第8章 随机模拟 258
8.1 随机模拟与空间随机模拟 258
8.1.1 随机模拟的概念与发展 258
8.1.2 空间随机模拟 258
8.1.3 空间随机模拟与克里格插值 259
8.1.4 空间随机模拟的发展 259
8.2 序贯高斯模拟 261
8.2.1 序贯高斯模拟的基本理论 261
8.2.2 实例介绍：土壤特性空间模拟 263
8.3 高斯地统计 269
8.3.1 高斯地统计模拟 269
8.3.2 实例：中国空气质量超标的概率分布评价 271
8.4 上机实习 275
课后习题 283
参考文献 284
第9章 空间多元分析 285
9.1 主成分分析 285
9.1.1 主成分分析的基本思想 285
9.1.2 主成分分析的数学推导 286
9.1.3 旋转操作 288
9.1.4 实际应用中的主成分分析 289
9.1.5 案例一：龙游县各村镇种植利用分区 289
9.1.6 案例二：重金属污染源解析 294
9.2 聚类分析 297
9.2.1 聚类的定义与相似性衡量 297
9.2.2 聚类方法 298
9.2.3 案例：龙游县种植利用分区 303
9.3 上机实习 305
9.3.1 主成分分析 306
9.3.2 聚类分析 312
课后习题 317
参考文献 317
第10章 综合实习：识别多中心城市结构 318
10.1 案例背景 318
10.2 数据及软件 318
10.3 操作过程 319
10.3.1 识别主要中心 319
10.3.2 识别次要中心 321
10.4 对比实验及讨论 325
参考文献 326
附录1 卡方分布上侧分位数表 327
附录2 案例数据与上机操作 329
第1章 绪论 1
1.1 空间分析的概念 1
1.2 空间分析的理论与方法 2
1.2.1 空间分析与其他数据分析的差别 2
1.2.2 空间分析的理论基础 3
1.2.3 空间分析的方法体系 3
1.3 空间分析的研究进展与应用 4
1.3.1 空间分析的来源与发展 4
1.3.2 空间分析的应用 6
1.4 空间分析与教学 7
1.5 空间分析常用软件 12
1.5.1 ArcGIS 13
1.5.2 GeoDa 13
1.5.3 R语言 15
课后习题 16
参考文献 16
第2章 空间数据探索分析 20
2.1 数据探索分析 20
2.1.1 直方图 21
2.1.2 茎叶图 23
2.1.3 箱形图 24
2.1.4 散点图 26
2.1.5 平行坐标图 29
2.1.6 QQ图 31
2.2 空间数据探索分析 32
2.2.1 定义 32
2.2.2 地图化 34
2.2.3 交互技术 35
2.2.4 Comap和Coplot 38
2.2.5 趋势面分析 41
2.2.6 Voronoi图 42
2.3 数据预处理 44
2.3.1 正态转换 44
2.3.2 去聚 45
2.4 上机实习——数据探索分析 46
2.4.1 直方图 46
2.4.2 箱形图 49
2.4.3 散点图 53
2.4.4 平行坐标图 57
2.5 上机实习——空间数据探索分析 58
2.5.1 主题地图制作 59
2.5.2 Comap和Coplot 61
2.5.3 趋势面分析 62
2.5.4 Voronoi图 63
课后习题 65
参考文献 66
第3章 空间分布与点模式分析 67
3.1 空间分布类型与参数描述 67
3.1.1 分布密度和均值 67
3.1.2 分布中心 68
3.1.3 距离 68
3.1.4 分布轴线 69
3.2 点模式分析 70
3.2.1 样方分析 72
3.2.2 核密度估计 76
3.2.3 *近邻分析 78
3.2.4 函数法 81
3.3 案例展示 82
3.3.1 样方分析 82
3.3.2 核密度估计 83
3.3.3 *近邻分析 84
3.3.4 K函数法 85
3.4 上机实习 85
3.4.1 样方分析 86
3.4.2 核密度分析 91
3.4.3 平均*近邻分析 94
3.4.4 Ripley’s K函数分析 96
课后习题 98
参考文献 98
第4章 空间自相关分析 100
4.1 空间自相关的概述 100
4.1.1 空间自相关的概念 100
4.1.2 空间自相关的主要方法 100
4.1.3 空间自相关的应用 101
4.2 空间权重矩阵 102
4.3 全局空间自相关分析 104
4.3.1 Moran’s I法 104
4.3.2 Geary’s C法 107
4.3.3 General G法 107
4.3.4 Join Count法 108
4.4 局部空间自相关分析 109
4.4.1 LISA理论 109
4.4.2 局部Moran指数法 110
4.4.3 Gi与G*i指数法 111
4.4.4 Getis G*i和局部Moran比较 113
4.5 空间自相关图示分析 114
4.5.1 空间散布图 114
4.5.2 空间自相关系数图 114
4.6 案例展示 115
4.6.1 全局Moran’s I法 117
4.6.2 全局General G法 117
4.6.3 局部Moran法 120
4.6.4 局部G*i指数法 120
4.6.5 双变量局部Moran法 120
4.7 上机实习——土壤重金属 122
4.7.1 全局Moran’s I空间自相关分析 122
4.7.2 Getis-Ord General G空间自相关分析 127
4.8 上机实习——工业污水排放 129
4.8.1 局部Moran空间自相关分析 129
4.8.2 Getis-Ord G*i空间自相关分析法（热点分析） 133
4.8.3 双变量局部Moran空间自相关分析法 134
课后习题 136
参考文献 136
第5章 空间回归分析 138
5.1 普通线性回归模型 140
5.1.1 线性回归模型的公式与经典假定 140
5.1.2 普通*小二乘法 142
5.1.3 *大似然法 143
5.1.4 两种估计方法的比较 144
5.1.5 普通线性回归模型的结果分析 145
5.2 空间回归模型 148
5.2.1 空间回归理论模型 148
5.2.2 空间误差模型 149
5.2.3 空间滞后模型 149
5.2.4 空间回归模型的统计检验 149
5.3 地理加权回归模型 156
5.3.1 地理加权回归理论模型 156
5.3.2 空间权函数 157
5.3.3 权函数带宽的优化方法 159
5.4 案例展示 160
5.4.1 普通*小二乘回归模型 160
5.4.2 空间回归模型 162
5.4.3 地理加权回归模型 164
5.5 上机实习 165
5.5.1 普通*小二乘回归分析 165
5.5.2 空间回归分析 167
5.5.3 地理加权回归分析 172
课后习题 175
参考文献 175
第6章 空间插值 177
6.1 空间插值的概念和意义 177
6.2 空间插值的分类体系 177
6.3 空间整体插值法 177
6.3.1 全局多项式插值法 177
6.3.2 变换函数插值法 178
6.4 空间局部插值法 179
6.4.1 泰森多边形插值法 179
6.4.2 自然邻域法 179
6.4.3 三角测量插值法 180
6.4.4 逆距离加权法 180
6.4.5 局部多项式插值法（移动内插法） 182
6.4.6 简单移动平均法 182
6.4.7 径向基函数插值法 183
6.4.8 样条插值法 183
6.4.9 克里格方法 183
6.5 案例展示 184
6.5.1 趋势面法 184
6.5.2 径向基函数插值法 184
6.5.3 样条函数插值法 185
6.5.4 自然邻域插值法 185
6.5.5 逆距离加权插值法 186
6.5.6 克里格插值法 186
6.6 上机实习 186
6.6.1 趋势面法 187
6.6.2 径向基函数插值法 188
6.6.3 样条函数插值法 191
6.6.4 自然邻域插值法 193
6.6.5 逆距离加权插值法 193
6.6.6 克里格插值法 195
课后习题 197
参考文献 197
第7章 地统计学 198
7.1 地统计学概述 198
7.1.1 地统计学的概念与发展 198
7.1.2 地统计学与传统统计学的差异 200
7.1.3 地统计学的应用领域 201
7.2 区域化变量理论 201
7.2.1 随机函数、随机过程和随机场 201
7.2.2 区域化变量 202
7.2.3 概率分布 203
7.2.4 平稳假设 203
7.2.5 本征假设 204
7.2.6 协方差函数与变异函数 204
7.3 半方差函数及其结构分析 205
7.3.1 半方差云图 205
7.3.2 经验半方差函数 207
7.3.3 理论半方差函数 208
7.3.4 半方差函数的结构分析 213
7.4 克里格插值 216
7.4.1 克里格法概述 216
7.4.2 线性预测克里格法 217
7.4.3 非线性预测克里格法 221
7.4.4 协同克里格法 222
7.4.5 几种克里格法的总结比较 224
7.5 案例展示 225
7.5.1 普通克里格插值 225
7.5.2 简单克里格插值 226
7.5.3 泛克里格插值 226
7.5.4 指示克里格插值 226
7.5.5 析取克里格插值 227
7.5.6 协同克里格插值 227
7.6 上机实习 228
7.6.1 普通克里格插值 229
7.6.2 简单克里格插值 238
7.6.3 泛克里格插值 238
7.6.4 指示克里格插值 239
7.6.5 析取克里格插值 240
7.6.6 协同克里格插值 250
课后习题 255
参考文献 256
第8章 随机模拟 258
8.1 随机模拟与空间随机模拟 258
8.1.1 随机模拟的概念与发展 258
8.1.2 空间随机模拟 258
8.1.3 空间随机模拟与克里格插值 259
8.1.4 空间随机模拟的发展 259
8.2 序贯高斯模拟 261
8.2.1 序贯高斯模拟的基本理论 261
8.2.2 实例介绍：土壤特性空间模拟 263
8.3 高斯地统计 269
8.3.1 高斯地统计模拟 269
8.3.2 实例：中国空气质量超标的概率分布评价 271
8.4 上机实习 275
课后习题 283
参考文献 284
第9章 空间多元分析 285
9.1 主成分分析 285
9.1.1 主成分分析的基本思想 285
9.1.2 主成分分析的数学推导 286
9.1.3 旋转操作 288
9.1.4 实际应用中的主成分分析 289
9.1.5 案例一：龙游县各村镇种植利用分区 289
9.1.6 案例二：重金属污染源解析 294
9.2 聚类分析 297
9.2.1 聚类的定义与相似性衡量 297
9.2.2 聚类方法 298
9.2.3 案例：龙游县种植利用分区 303
9.3 上机实习 305
9.3.1 主成分分析 306
9.3.2 聚类分析 312
课后习题 317
参考文献 317
第10章 综合实习：识别多中心城市结构 318
10.1 案例背景 318
10.2 数据及软件 318
10.3 操作过程 319
10.3.1 识别主要中心 319
10.3.2 识别次要中心 321
10.4 对比实验及讨论 325
参考文献 326
附录1 卡方分布上侧分位数表 327
附录2 案例数据与上机操作 329
展开全部
空间分析理论与实践 节选
第1章 绪论 1.1 空间分析的概念 空间分析（spatial analysis），顾名思义就是对空间域内的数据进行定量分析、处理与表达的系列方法和技术的总称，是地学领域重要的研究内容，又叫地理空间分析（geospatial analysis）、空间统计（spatial statistics）等。关于空间分析的概念和内容，地理学、测绘学等不同学科有不同定义。本书主要从地理学角度来介绍空间分析，即以分析地理数据为主，以遥感影像、地图数据、社会经济统计数据等为分析对象，主要研究群体为地理、环境、土壤、水文、生态等学科领域的相关人员。 国内外关于空间分析的定义，比较典型的有以下几种： 空间分析是对地理数据的空间信息、属性信息以及二者共同信息的统计描述或说明（Goodchild，1987）；空间分析是以地理对象的布局为基础，对地理数据集进行分析的技术（Haining，1990）；空间分析是对地理空间现象的定量研究，通过处理空间数据，使其成为一种不同的形式，进而从中提取其潜在的信息（Bailey，Gatrell，1995；Openshaw，Openshaw，1997）；空间分析是基于地理对象的位置和形态特征的空间数据分析技术，其目的在于提取和传输空间信息（郭仁忠，2001）；GIS空间分析是从一个或多个空间数据图层中获取信息的过程；空间分析是集空间数据分析和空间模拟于一体的技术，通过地理计算和空间表达挖掘潜在空间信息，以解决实际问题（刘湘南等，2008）；空间分析是利用与属性和地理空间现象关联的空间信息，来研究哪里发生了什么（Smith et al.，2018）。 综上所述，空间分析是一种利用统计学和其他分析方法（如地理建模、计量地理、地统计学等）来评价空间数据的格局、分布、关系、过程和趋势的技术。 空间分析有别于传统的统计分析方法，其真正用到了空间对象的面积、距离、邻近、方位、空间关系等信息。其本质特征主要是来回答空间对象的分布、变化及其成因，包括：①探测空间数据的分布格局；②研究空间数据的时空变化过程；③解释空间数据与相关因子的关系；④预测地理空间事件的变化趋势。 空间对象主要由点、线、面、体四类基本地理要素构成，不同类型地理要素具有不同的个体地理特征与群体地理特征。个体地理特征主要指空间对象的位置、分布、形态等单个地理要素的空间描述特性，如点、线、面都具有空间位置特性，线具有长度、方向、曲率等形态结构；面具有面积、周长、形状等形态结构。群体地理特征主要指多个空间对象之间的空间关系（距离、方位、拓扑等）、空间分布结构（分布中心、分布密度、集聚程度等）等基本特征，如点与点之间具有距离、方位等空间关系，面具有相邻、拓扑等空间关系；而多个点、线、面要素具有分布中心、分布密度、分布趋势、随机分布或集聚分布等特征。 面向空间分析的空间数据可以划分为矢量数据、栅格数据、三维数据、属性数据等不同数据类型。针对不同数据类型，空间分析方法也有所不同，可分为矢量数据空间分析方法、栅格数据空间分析方法、三维数据空间分析方法和属性数据空间分析方法等。 1.2 空间分析的理论与方法 空间分析是地理信息科学领域理论性、技术性和应用性都很强的分支。空间分析作为地理信息系统（GIS）的核心内容，是GIS区别于一般信息系统的主要功能特征，一些学者甚至提出空间分析可以作为一门单独的学科来对待，可见研究空间分析的理论基础是十分必要的。另外，空间分析的技术性很强，有一系列具体的空间分析方法，是空间分析的重要研究内容。 1.2.1 空间分析与其他数据分析的差别 空间分析与传统统计分析方法，*大的区别是空间位置和关系信息的处理。如图1-2-1中，对两个变量的关系研究，可以采用线性回归或相关系数来表示。如图1-2-1（a），所有样本不考虑空间位置，将其y和I两属性建立线性回归方程，R2达到0.89，模型具有高度的拟合度，而且拟合后的残差具有很好的随机性，符合观测的无系统误差等方差性和独立性。但是如果我们从空间分析出发，将空间位置放入统计分析中，来重新绘制拟合后的残差值的空间分布图［图1-2-1（b）］。我们很明显地发现，残差值［ê（i）］的分布具有趋势性，即ê（i）为正值（模型高估）的样点都分布在西北区域，而负值的样点都分布在东南区域。拟合模型的残差是非随机和独立的，存在空间自相关性。因此，必须采用空间分析的方法和手段来重新处理类似的地理现象。 可以说，地理对象或过程既存在关联性，又存在独*性。所以，空间分析的理论发展至空间统计学，与经典统计学分析的区别在于（王劲峰，2006）： （1）空间数据中普遍存在的空间相关性使其与经典统计学经常要求的样本独立性前提不符，造成使用经典统计学分析空间数据得到的结论是有偏的和非优的。 （2）空间数据一般具有不重复性，观察到的数据只是空间过程的一次实现或是某个空间位置的一个样本，如野外土壤采样，一个位置只能采集到一个样品，不能重复实验取样，这与物理、化学、生物等可重复实验科学不同。因此，只有在一定的假设条件下，空间数据才是可统计和可定量描述的。 （3）很多地理空间现象的背后以空间格局为其发生机理。空间分析擅长描述和揭示这些数据中所蕴含的独*的空间信息、关系、格局和过程。这是经典统计学方法所不能具备的。 1.2.2 空间分析的理论基础 空间分析的理论源自空间统计学，特别是地统计学和地理学**定律，到目前逐渐发展出一系列理论，包括空间变异理论、空间关系理论、空间认知理论、空间推理理论、空间数据的不确定性分析理论等。地理学**定律（Tobler’s First Law）由美国地理学家Tobler提出，他认为任何事物都相关，只是相近的事物关联更紧密（Everything is related to everything else，but near things are more related to each other.），即地理事物或属性在空间分布上互为相关，存在集聚、随机和规则分布。地理学上将相似事物或现象在空间上集聚的性质称为空间自相关。空间上的相关性或关联性是自然界存在秩序与格局的原因之一（Goodchild，1986）。而地理学第二定律是空间异质性，即指空间位置差异造成的观察行为不恒定现象。空间变异理论来自地统计学的区域化变量理论，主要以变异函数为重要工具，来研究地学空间数据的结构性和随机性问题。 空间表达与关系理论指人们如何来描述现实地理空间中三维物体及其相互之间关系的理论。空间表达主要包括地理知觉、地理表象、地理概念化和地理知识表征，主要是实现地理三维物体的大小、形状、方位和距离等信息的感知与量化，以及如何进一步采用地理信息的知觉、编码、存储及解码将现实世界的概念对象转换成信息世界的模型对象。空间关系主要研究空间语义描述、空间关系表达、空间关系分析等。 空间推理理论是指利用空间数据统计和挖掘方法对空间对象进行建模、描述和表示，在此基础上，定性或定量地分析和处理空间对象之间空间关系的过程（刘亚彬，刘大有，2000）。空间推理主要利用概率推理、贝叶斯推理、可信度推理、证据推理、模糊推理、案例推理等理论方法。目前，空间推理被广泛应用于地理信息系统、遥感图像智能识别、无人驾驶导航、机器人行走视觉、潜在风险区推测等方面。 空间不确定性理论是指利用概率理论、信息理论、模糊理论、粗糙集理论等对空间数据的位置、属性和分析过程的不确定性进行分析。现实世界中地理对象或地理现象存在固有的自然过渡性，而我们在抽象概化表达时，往往将自然过渡的地理对象或地理现象进行硬分割、分类和标识，带入了不确定性。同时在空间分析过程中，依据已知样本信息的空间推测和模型估算，更要关注其结果的不确定性和传递过程。 1.2.3 空间分析的方法体系 考虑到不同类型的空间数据有不同的空间分析模式和方法，在空间分析的方法体系上，可以根据数据类型分为栅格数据的空间分析方法、矢量数据的空间分析方法、三维数据的空间分析方法、属性数据的空间统计方法等。其中，栅格数据的空间分析方法包括栅格数据的聚类聚合分析、窗口分析、追踪分析、信息复合分析等；矢量数据的空间分析方法包括包含分析、叠置分析、缓冲区分析、网络分析等；三维数据的空间分析方法包括三维空间特征量算、坡度和坡向计算、剖面分析、可视性分析、谷脊特征分析、水文分析等；属性数据的空间统计方法包括空间自相关分析、空间插值、空间局部估计、探索性空间分析等。 空间分析的方法体系也可以按照空间度量与模型表达的内容进行分类，包括空间分布度量、空间格局刻画、空间异质性表征和空间关系表达。 （1）空间分布度量。主要利用空间位置、距离、方位等信息来表达空间分布的显著特征。比如可以回答：哪个位置交通*便利？这个区域的土壤污染空间分布是否存在方向性？这里的常年主风向是哪个方向？哪里是商业或人口的集聚中心？哪个物种具有*广的领地？空间分布度量方法包括：分布密度、分布中心、分布距离、分布方向等。 （2）空间格局刻画。主要是利用空间邻近分布、空间自相关性等来表达空间分布的总体或局部形态。比如可以回答：某些植物分布或动物栖息是集中分布还是随机分布的？土壤污染空间分布是否与工矿企业的分布有空间上的对应关系？是否存在不符合空间分布特征的异常点？空间格局刻画方法包括：点分布模式、全局Moran’s I、Ripley’s K函数等方法。 （3）空间异质性表征。主要是利用空间异质性来表征空间数据分异规律与不确定性。比如回答：依据样本调查数据来分析土壤污染区域分布在什么地方？应该如何布置采样布点方案更有代表性？未采样点估算值的可信度如何？空间异质性表征方法包括：方差函数、克里格、随机模拟等方法。 （4）空间关系表达。主要是利用空间对象与影响因子间的关系来表达空间数据分布的内在成因和控制要素。比如回答：该地区的降雨分布与植被、地形等分布的空间是否相关？不同区域超市的销售额与区域人口密度、收入是否有关系？控制土壤有机质空间分布的主要因子是什么？空间关系表达方法包括：空间回归、地理加权回归、普通*小二乘（OLS）回归等方法。 1.3 空间分析的研究进展与应用 1.3.1 空间分析的来源与发展 空间分析在地理学研究中具有悠久的传统与历史。从某种意义上说，空间分析孕育了地理学。在古代，人类出于生存和发展的需要，要学会分析周围地理事物的空间关系，因而始终在进行着各种类型的空间分析（刘湘南等，2008）。作为地理学第二语言的地图出现以后，人们就开始自觉或不自觉地进行各种类型的空间分析，如在地图上量测地理要素之间的距离、方位、面积，乃至利用地图进行战术研究和战略决策等（郭仁忠，2001）。 空间分析的早期应用案例来自英国的约翰 斯诺博士（John Snow），他毕业于伦敦大学，被称为现代流行病研究之父。他曾利用空间叠置分析的方法找到了霍乱病患者的发病原因。1854年8月至9月，英国伦敦霍乱病流行，但是始终找不到发病和流行原因。约翰 斯诺博士采用标点法，在1∶6500的城区地图上标出了每个霍乱病死者的居住位置，如图1-3-1所示。约翰 斯诺博士发现所有死亡案例的居住位置都与Broad街的一个取水泵很近，只有10个死亡案例与另外一条街的取水泵相对近些。但是对这10个死亡案例通过进一步调查也发现与Broad街取水泵相关。因此约翰 斯诺博士认为霍乱病的发病原因是死者饮用了Broad街取水泵的井水。当地政府随后关闭了这个取水泵，并禁止饮用该地的井水，霍乱病很快得到有效的控制。后续的调查发现这个水泵井挖的深度不到1m，而且此地过去是一个污水坑。这个例子其实是利用了现代空间分析中常用的空间叠加分析方法，通过将绘有霍乱病流行地区所有道路、房屋、饮用水井等内容的地图与霍乱病死者位置信息进行叠
书友推荐
- >
姑妈的宝刀
姑妈的宝刀
¥13.5¥30.0 - >
李白与唐代文化
李白与唐代文化
¥12.5¥29.8 - >
罗曼·罗兰读书随笔-精装
罗曼·罗兰读书随笔-精装
¥17.4¥58.0 - >
苦雨斋序跋文-周作人自编集
苦雨斋序跋文-周作人自编集
¥6.9¥16.0 - >
新文学天穹两巨星--鲁迅与胡适/红烛学术丛书(红烛学术丛书)
新文学天穹两巨星--鲁迅与胡适/红烛学术丛书(红烛学术丛书)
¥9.9¥23.0 - >
中国历史的瞬间
中国历史的瞬间
¥16.7¥38.0 - >
莉莉和章鱼
莉莉和章鱼
¥16.4¥42.0 - >
龙榆生：词曲概论/大家小书
龙榆生：词曲概论/大家小书
¥13.5¥24.0
本类畅销
-
4.23文创礼盒A款--“作家言我精神状态”
¥42.3¥206 -
4.23文创礼盒B款--“作家言我精神状态”
¥42.3¥206 -
一句顶一万句 (印签版)
¥40.4¥68 -
百年书评史散论
¥14.9¥38 -
1980年代:小说六记
¥52.8¥69 -
中图网经典初版本封面-“老人与海”冰箱贴
¥20¥40
