空间信息分析技术_王劲峰
地理探测器_原理与展望_王劲峰
+
Var Yˉh = 2 nh = 2
]1/2
（4）
式中： Yˉh 表示子区域 h 内的属性均值，如发病率或流行率；nh 为子区域 h 内样本数量，
Var 表示方差。统计量 t 近似地服从 Student's t 分布，其中自由度的计算方法为：
( ( ) ) ( ) ( ) df =
Var Yˉh = 1 nz=1
图 1 地理探测器原理
Fig. 1 The principle of geographical detector
118
地理学报
72 卷
值越大说明 Y 的空间分异性越明显；如果分层是由自变量 X 生成的，则 q 值越大表示自变
量 X 对属性 Y 的解释力越强，反之则越弱。极端情况下，q 值为 1 表明因子 X 完全控制了 Y
的空间分布，q 值为 0 则表明因子 X 与 Y 没有任何关系，q 值表示 X 解释了 100×q%的 Y。
q 值的一个简单变换满足非中心 F 分布[21] ：
F=
N-L q L-11-q
~ F(L - 1,
N - L;
λ)
（2）
∑ ∑ λ =
1 σ2
[
h
L =
Yˉh2
1
-
1 N
L
(
h=1
Nh Yˉh)2]
地理探测器使用步骤包括： （1） 数据的收集与整理：这些数据包括因变量 Y 和自变量数据 X。自变量应为类型 量；如果自变量为数值量，则需要进行离散化处理。离散可以基于专家知识，也可以直 接等分或使用分类算法如 K-means 等。 （2） 将样本 （Y, X） 读入地理探测器软件，然后运行软件，结果主要包括 4 个部分： 比较俩区域因变量均值是否有显著差异；自变量 X 对因变量的解释力；不同自变量对因 变量的影响是否有显著的差异，以及这些自变量对因变量影响的交互作用。 地理探测器探测两变量 Y 和 X 的关系时，对于面数据 （多边形数据） 和点数据，有 不同的处理方式。 对于面数据，两变量 Y 和 X 的空间粒度经常是不同的。例如，因变量 Y 为疾病数据， 一般以行政单元记录；环境自变量或其代理变量 X 的空间格局往往是循自然或经济社会 因素而形成的，如不同水文流域、地形分区、城乡分区等。因此，为了在空间上匹配这 两个变量，首先将 Y 均匀空间离散化，再将其与 X 分布叠加，从而提取每个离散点上的 因变量和自变量值 （Y, X）。格点密度可以根据研究的目标而提前指定。如果格点密度
《经济地理学》课程教学大纲
《经济地理学》课程教学大纲课程编号: 031301011课程名称：经济地理学英文名称：Economic Geography课程性质: 专业基础总学时： 72学分：4适用对象: 地理科学专业先修课程：高等数学、自然地理学、人文地理学一、编写说明（一）本课程的性质、地位和作用经济地理学是研究人类经济活动在空间上的发展变化规律以及人类的经济活动与地理环境之间关系的学科；以区位入手，经济地理学是研究经济活动区位、空间组织及其与地理环境相互关系的学科。
经济地理学是地理学的主要组成部分，是多数国家地理科学系统中最为发达的一门分支学科。
1998年我国教育部颁布的《普通高等学校本科专业目录和学科专业介绍》，将经济地理学列为地理学所有三个专业主干课程以及地理信息系统专业必修的专业基础课程，同时，这门课程也被作为地理科学和资源环境与城乡管理专业的主要必修课程。
本课程通过对经济地理学学科体系、经济活动区位理论、经济活动区域分析和经济活动全球化等内容的讲授，使学生掌握经济地理学学科领域的专业基础知识，包括基本概念、基本理论与基本原理，以及经济地理学的研究方法，使学生全面掌握古典区位理论和影响经济活动布局的条件，并能从经济活动布局条件入手分析不同产业在不同地区的发展优势和制约因素，为高年纪专业课程的学习打下基础。
（二）教学基本要求本课程的基本要求如下：1.使学生树立辩证唯物主义和历史唯物主义世界观；2.培养学生科学的创新思维和能力；3.使学生掌握经济活动区位、区域经济发展、经济活动全球化等方面的理论；4.使学生掌握经济地理学分析问题、解决问题的方法；5.使学生能将经济地理学的基本原理运用到实践中去，解决我国经济建设中出现的问题。
（三）课程教学方法与手段讲授法、讨论法，辅以多媒体教学。
（四）实践环节无（六）本课程于其它课程的联系经济地理学是地理科学专业的基础课程，与自然地理学、人文地理学、区域地理学有着密切的关系。
经济地理学是人文地理学的分支。
GIS软件应用说明
摘自：南京师范大学地理科学学院GIS专业课程http://202.119.109.14/dky/index.htm《GIS软件应用》课程教材：《ArcGIS9地理信息系统空间分析方法》，科学出版社，2006参考教材：《ARCGIS 8 Desktop 地理信息系统应用指南》，清华大学出版社，2002软件：ArcGIS9.0GIS软件应用是地图学与地理信息系统本科专业的选修课程，课程总学时54，计2学分，周学时3，学时分配：讲授28学时，上机实践26学时。
一、课程特点实践性很强的课程，是GIS专业学生必须掌握的基本技能。
通过课堂上和课后的大量实例练习操作，让学生在熟练掌握GIS通用软件的基础上，理解GIS的基本原理和方法，提高解决实际问题的能力。
二、课程教学目标GIS软件应用课程以熟练掌握GIS常用软件位基本目标，通过该门课程的学习，使学生不仅掌握常用GIS软件的操作，加深对GIS基本原理的理解和领会，并能够熟练运用一种GIS软件完成地理空间数据的处理和分析。
三、课程内容以ArcGIS软件为基础，以数据分析处理由浅入深的主线，在介绍ARCGIS的基本操作的基础上着重讲述ArcGIS的空间分析功能模块，培养学生针对问题建模的思想，增加其解决实际问题的能力。
主要内容如下：∙ARCGIS应用基础（ArcMap、ArcCatalog、Geoprocessing等）∙空间数据的采集与组织（Shapefile、Coverage、Geodatabase）∙空间数据的转换与处理（ArcToolbox）∙数据的可视化表达∙矢量、栅格数据的空间分析∙三维分析∙地统计分析∙水文分析∙空间分析建模四、教学方法1.原理介绍：简要讲述GIS的基本原理和方法。
2.课堂演示：在每一个基本原理与方法之后，介绍软件部分相应的功能和方法。
3.屏幕动画：大量的课后练习采用屏幕动画的形式提供给同学，作为作业答案参考资料。
五、教学组织方式课堂讲授与上机实习相结合。
空间信息可视化关键技术研究以25维、三维、多维可视化为例
空间信息可视化关键技术研究以25维、三维、多维可视化为例一、本文概述随着信息技术的飞速发展，空间信息可视化已成为数据分析和决策支持的重要手段。
在地理信息系统、遥感监测、城市规划、生物医学、社交网络等众多领域，空间信息可视化技术发挥着越来越重要的作用。
本文旨在探讨空间信息可视化的关键技术研究，并以二维、三维及多维可视化为例，深入分析其原理、方法和应用。
本文将简要介绍空间信息可视化的基本概念、发展历程和当前的研究现状，为后续深入研究奠定理论基础。
随后，文章将重点围绕二维、三维及多维可视化技术展开论述，探讨其关键技术、算法和实现方法。
在此基础上，文章还将通过具体案例，展示这些可视化技术在各个领域的应用，分析其优势和局限性。
通过本文的研究，我们期望能够更深入地理解空间信息可视化的关键技术，为推动该领域的发展和应用提供有益参考。
我们也期待通过案例分析和实践应用，为相关领域的学者和从业者提供有益的启示和借鉴。
二、空间信息可视化基础空间信息可视化是将复杂的空间数据转化为直观、易于理解的图形、图像或动画的过程。
它涉及到多个学科领域的知识，包括地理学、计算机科学、数学和视觉艺术等。
空间信息可视化的目的是帮助用户更好地理解和分析空间数据，从而提取有用的信息和知识。
在空间信息可视化中，常用的可视化方法包括二维可视化、三维可视化和多维可视化。
二维可视化是最常见的方法，它通过地图、图表等方式展示空间数据。
三维可视化则通过构建三维模型，将空间数据以立体的方式呈现出来，使用户能够更直观地感受空间数据的分布和特征。
多维可视化则进一步扩展了可视化的维度，通过颜色、大小、形状等视觉变量来展示多个维度的空间数据，使得用户能够更全面地理解数据的特征和关系。
在进行空间信息可视化时，需要注意一些基本原则。
可视化设计应该符合用户的认知习惯和视觉规律，使得用户能够轻松地理解和解读可视化结果。
可视化结果应该具有直观性和清晰性，避免过于复杂或混乱的设计导致用户难以理解。
武汉市建设用地报批管理信息系统建设与应用
中图分类号 ：２ ８ ２ Ｐ０ ．
文献标识 码 ： Ａ
武汉 市建设 用地报批 管理信息 系统建设 与应 用
童秋 英 ， 长林 ， 如 民 ， 娜 ， 罗 汪 蔡 肖勇
（ 武汉市 国土 资源 和规划信息 中心 ， 湖北 武汉 ４ ０ １ ） ３０ ４
摘 要： 以农用地转用和土地征收为核心的建设用地审查报批是 国土资源管理工作的重要组成部分 ， 对合理利用土地， 实施 土地 用途管制， 保护耕地发挥 着极其重要的作用。本文结合 国土资源信息化建设现状， 阐述 了武汉市建设 用地报批 管理信
用不 同的功能来 完成 报 批 项 目核 心信 息 录 入 、 件 编 报 制、 技术 审查 等 ； （） 界管理模块 ： ２勘 该模 块 用 于 实 现 全 市 建 设 用 地 报批 项 目分 类 面 积 、 界报 告 文 本 以及 空 间 图形 入 勘 库 等管 理 ， 为项 目库确定 基 本管理 单元 ； （） ３ 年度 方 案 编 制 模 块 ： 模 块 用 于 辅 助 主 城 控 该
汉市研发了建设用地报批管理信息系统， 实现了项 目报
批从受理 、 编制 、 审查到上报与批复等全过程的动态管理 ， 提高 了工作质量 、 以及成果的可利用率 。 效率
用地计划管控为依托 ， 建立城乡一体化建设用地审查
报批 工 作机 制 ， 足市 、 满 区两 级 建设 用 地 审查 要 求 ， 实 现报批 工作 平 台的统 一 、 报批 数 据 出入 口的统 一 、 监督 管理 模式 的统一 、 统计 分析 预测 口径 的统 一 ； 类 业务 一 模 型 即以市 、 区两级 不 同的征地 补偿 标 准 、 新增 建 设 用 地有 偿使 用 费标 准 和耕 地 开 垦 费标 准为 依 据 ， 用 统 采
利用GIS挖掘湖南省结核病时空格局
源， 从而对疾病的传播采取科学 、 有效的防控措施 。 本 文 以湖南 省 １ ９ ９ ８～２ ０ ０ ７年 １ 期 间 的结 核病 ０年
例分 布 数据 为研 究 对象 ， 利用 Ｇ Ｓ中 的空 间 分 析 与统 Ｉ
计 工 具 ， 究 结核 病在 全 省 的时空分 布格 局 。 研
数据 与方 法
技术 ， 首先 能够 建立 和完 善重 大疾 病 的统计 、 告和 监 报
年期间的全省结核病时空分布格局。整个时空分析过
程如下 ：
（ ） 理湖 南省结 核 病例统 计数 据 。 １整
（） ２ 整理 市级 行政 区划地 图。该 步 骤 主要 是 收集
湖 南省 行政 区划 基础 数 字 地 图 ， 文 以 中华 人 民共 和 本 国国 家测绘 局发 布 的中 国数 字地 图（ ：０ １１０万 ） 基础 为
布格 局 。
结 果与分 析
１ 数 据来 源 与整理 ． 整理 湖南 省结 核病 例 统计数 据 。该 步骤 主要是 从
湖 南 省卫 生厅 统 计 年 鉴 中收 集 １９ ９８～２０ ０７年 期 间湖 南 省 各市 结核 病发 生 病 例 数 据 ， 立 结 核病 例 统 计 数 建 据 库 。为 了提 高空 间 分 析 效率 和准 确 性 ， 文 以 ２年 本 为 研究 时段 （ 即时 问粒度 为 ２年 ）将 １９ ２ ０ 的 ， ９８～ ０７年
率 的评 价 ， 价结 果直 观可靠 ， 评 说服 力较 强 。这 种方 法 也 有 其不足 之处 ， Ａ方 法虽 然 能够 提供 非 有效 决 策 ＤＥ
３ 魏权龄． ． 数据包络分析． 北京 ： 科学出版社 ，０ ６，１ ７ ２０ ４ － ． ４
（ 接第 ６ ８页 ） 上 ７
空间数据_性质、影响和分析方法
响理论、空间扩散过程、空间等级体系等都是可用来
构造空间区位之间依赖性的理论框架。根据 Ciiff 等［ 21］的空间过 程 理 论，在 一 个 空 间 场 中，变 量 在 某
一单元的观测值部分地取决于变量在其它单元的观
测值。这一空间过程可通过下列关系来表达
yi = f（ y1 ，y2 ，……，yN）
项，从而对其进行经验的估计和检验。
!. #" 空间非均质性
区域科学和经济地理学的文献已经有许多关于
空间影响不稳定 性 的 讨 论［29］。 某 些 因 素 如 中 心 地
等级制，某一研究区内先进与落后分区的共存，城市
成长中的老化问题等，都要求模拟手段必须考虑空
间区位的影响。在统计经济学中，这可以通过直接
摘 要：20 世纪 90 年代以来，以信息技术为主要标志的科学进步日新月异，正深刻地改变着人类
社会的生产和生活方式。人类活动所涉及的信息 80% 以上属空间信息，可由地理坐标确定其空间
区位，美国已将发展空间信息科学视为提升其国家竞争力水平的重要途径之一。2000 年美国国家
地理信息与分析中心（ Nationai Center for Geographic Information and Anaiysis，NCGIA）在其跨世纪
文献标识码：A
0引言
地理空间是地理学和区域科学的研究核心。在 理论地理学和区域科学的研究中，空间分析始终扮 演着中心的角色；近年来随着地理信息系统的迅速 发展及其推广应用，它又成为地理信息科学的一个 重要组成部分。从广义上来说，空间分析是空间现 象及其过程的定量化研究。这意味着空间分析的重 点是在区位、距离及其它们之间的相互影响。而对 地理学来说，研究地理现象的空间相互影响等同于 研究皇冠上的明珠，它奠定了地理学作为一门科学 的分支学科独立于其他学科存在发展的基础。Ciiff 等［1］于 1973 年发表的“ 空间自相关”一书是地理学 发展的里程碑，他们成功地构造了空间自相关这一
中国农业碳排放效率时空格局及空间分异机理
一、引言近年来，以二氧化碳为代表的温室气体排放不断增加，加剧了对全球生命系统的冲击与威胁，气候问题也由此演变成一个受世界各国广泛关注的全局性问题。
在此背景下，《联合国气候变化框架公约》《京都议定书》《巴黎协定》相继签署并实施，标志着一些具有国际共识的规制性措施正逐步应用到温室气体减排方面。
世界各国积极响应联合国号召，纷纷提出自主贡献目标，为实现“净零排放”、完成《巴黎协定》设定的应对气候变化的温控目标而努力。
作为《联合国气候变化框架公约》的首批缔约国，中国一直是全球气候治理的积极参与者与支持者。
在2020年9月召开的第七十五届联合国大会上，习近平主席明确提出了“30·60”目标。
2021年9月中【可持续发展研究】中国农业碳排放效率时空格局及空间分异机理［摘要］通过对中国30个省份农业碳排放效率进行了再测算，围绕其时空格局特点与空间分异机理展开探讨，发现中国农业碳排放效率整体呈“东高西低”特征且两极分化较为严重，其中以北京为代表的12个地区处于最佳前沿面，余下18个地区则存在较大提高空间。
2007年以来，中国农业碳排放效率即存在增强且趋于稳定的空间集聚特征；同时，高—高集聚区与低—低集聚区包含的省份数量之和已占到省级行政区总数的73.33%，表明中国农业碳排放效率亦存在明显的局部空间聚类现象。
城镇化水平、农业发展水平、农业产业集聚和财政支农力度是影响农业碳排放效率空间分异的主导因子，且他们之间存在明显的交互增强关系。
具体到不同区域，东部地区的主导因子为财政支农力度，中部和西部地区则分别受农业发展水平、环境规制的影响更大。
［关键词］农业碳排放；碳排放效率；时空格局；空间分异；驱动因子［基金项目］国家自然科学基金项目（71903197）；国家社会科学基金项目（23BGL189）［作者简介］田云，中南财经政法大学工商管理学院副教授，中南财经政法大学WTO 与湖北发展研究中心研究员；张蕙杰，中国农业科学院农业信息研究所研究员，博士生导师。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第24卷 第3期2005年5月地 理 研 究GEO GRA P HICAL RESEA RC H Vol 124,No 13May ,2005 收稿日期:2004210216;修订日期:2005201228 基金项目:国家自然科学基金课题(40471111)、863项目(2002AA13523021)和973项目(2001CB5103)支持。
作者简介:王劲峰(19652),上海市人,研究员,博士生导师。
主要从事地球信息科学研究。
Email :wangjf @igsnrr 1ac 1cn空间信息分析技术王劲峰,武继磊,孙英君,李连发,孟 斌(中国科学院地理科学与资源研究所,北京100101)摘要:在GIS 技术日趋成熟和空间数据极大丰富的今天,通过分析空间数据探索空间过程机理正变得日益迫切。
空间信息分析技术至少包括以下六个主要方面:(1)空间数据获取和预处理;(2)属性数据空间化和空间尺度转换;(3)空间信息探索分析;(4)地统计;(5)格数据分析;(6)复杂信息反演和预报。
本文提出了解决具体应用问题一般的空间数据分析计算、结果解释和反馈程序。
认为空间过程的一般共性和作为共同的研究对象,各种不同的方法技术最终可能导致空间数学(spatial mathematics )的产生,同时发展鲁棒的空间分析软件包对于普及空间数学是必要的。
关 键 词:GIS ;空间信息;空间过程;空间分析;机理解释文章编号:100020585(2005)03204642091 引言 随着对地观测、社会经济调查、计算机网络和格网信息处理能力的迅速提高,空间数据正在以指数方式急速增加。
通用和专用的(时)空间数据结构[1]、应用于具体事物的管理信息系统、以及对这些海量空间数据进行深加工以获得高附加值的信息产品的空间信息分析技术[2]成为空间信息三大领域。
数据分析通常用统计学方法,当今流行软件包SPSS 、MA TL AB 等大大地促进了数据分析深加工及其在各领域的应用(徐建华,2002)。
但是,空间数据通常具有非独立性,这与经典统计学基本假设相驳。
因此,专门的空间信息分析理论和技术正在迅速发展[3～5],已在遥感、生态环境、地球科学、社会经济等领域得到诸多成功的应用,展现出广阔的应用潜力。
2 研究动态 统计分析是常规数据分析的主要手段。
然而,传统统计学在分析空间数据时存在致命的缺陷,这种缺陷是由空间数据的本质特征和传统的统计学方法的基本假设共同造成的。
传统的统计学方法是建立在样本独立与大样本两个基本假设之上的,对于空间数据,这两个基本假设前提通常都得不到满足。
空间上分布的对象与事件在空间上的相互依赖性是普遍存在的,这使大部分空间数据样本间不独立,即不满足传统统计分析的样本独立性前提,因而不适于进行经典统计分析[6];另一方面,有些空间数据采样困难,如某些气象台站分布在稀疏的山区,导致样本点太少而不能满足传统统计分析方法大样本的前提;地学 3期王劲峰等:空间信息分析技术465空间数据通常的不可重复性进一步造成了空间数据分析的特殊性。
因此,专门的空间信息分析理论、方法和技术自20世纪60年代末开始得到认识并研究。
空间数据大体上可分为空间离散或连续型数据(可互相转化),以及多边形数据两大类。
自然科学多涉及前者,而社会经济科学多涉及后者。
随着人地一体化研究趋势的发展,对两类数据进行综合分析的趋势日益显露。
目前空间数据分析软件包已有不少,主要来自两大学科领域:地理学和地质学。
由于地理学和地质学研究对象不同,所涉及的数据特点和分析方法不同,造成两大流派在软件功能、结构、风格上的不同。
在欧美,60年代经历了地理学计量革命,其主流是试图将社会经济时空格局和过程数学公式化。
在GIS趋于成熟和空间数据迅速膨胀的技术条件下,当时的学者成为现今地理信息科学的主要推动者,造成地理学者所研发的空间信息分析软件包多带有处理多边形数据(社会经济统计单元,遥感像元数据亦属此类)的特点。
相反,源于地质学的空间分析软件包一般适用于分析离散和连续的数据。
空间信息分析理论和技术较为复杂,对于一般科研人员而言掌握难度大,耗费精力多。
为此,美英两国都已建立了相应的国家级研发计划,更有甚者,全球销量最大的GIS 基础软件的研发者美国环境系统研究所在ARC GIS811及以上版本已集成了地统计学模块[7],目前正在积极争取集成美国国家基金会资助完成的Lattice数据分析模块,该功能可以被几乎所有从事地理信息管理的用户所使用,进行空间信息的分析和深加工。
3 技术体系 空间信息分析包括数据获取和预处理(模块M1);当进行多源异构数据综合分析时,需要进行属性数据空间化和尺度转换处理(模块M2);然后进行空间数据探索分析(模块M3);之后根据属性数据的空间存在格式(空间连续分布或离散分布、规则或不规则多边形分布、多源复杂异构信息),分别引导建立地统计模型(模块M4)、格数据分析模型(模块M5)、复杂信息分解和预报模型(模块M6)、以及其他(见图1)。
M1至M3属数据预处理范畴,M4至M6属问题建模范畴,对建立的模型M4-M6需要求解,机理解释及预报。
图中各模块可独立或联合运行,这取决于所研究的问题和对象(所需输出),以及研究人员当前所处的分析阶段(输入)。
具体研究内容如下: 模块11空间数据获取和预处理 空间数据采集与尽可能完备化是所有工作重要的第一步,主要利用采样、插值、缺值方法。
(1)空间信息抽样估计 在地学空间应用领域,如环境监测、资源调查、社会统计等,空间信息抽样估计问题大量存在[8,9]。
空间抽样针对地学对象普遍存在的空间关联性和先验信息,从样本选取方式、空间关联性及精度衡量三方面对空间信息获取提供符合统计假设的新的解决思路。
全国耕地面积动态调查,原先穷尽总体的方法(卫片和航片全覆盖),既耗时又花费巨大,报告形成缓慢;而采用Sandwich空间采样模型[10]后,只要利用先验信息并辅以少量样本,就可以同时形成全国2700多个县的分县报告,既节省大量时间和开支又能满足精度要求。
在此基础之上建立空间抽样优化决策通用集成模型,解决地学分析及资源调查 地 理 研 究24卷466图1 空间数据分析技术和计算程序Fig11 Spatial data analysis techniques and algorithm中空间抽样问题。
软件实现上,基于Micro soft Windows平台,Visual系列软件组件对象方法系统集成[11]。
(2)空间数据插值与缺值 根据已知空间样本点(例如气象台站、野外调查)数据进行插值[12,13]或推理[14]来生成面状数据或估计未测点数值是地学研究经常遇到的问题。
理解初始假设和使用的方法是空间插值过程的一个关键,为不同空间过程选择不同插值方法[15,16]。
缺值问题与插值类似,有部分交叉,以Bayes先验概率为其特征。
插值有点、面之分,对于面插值,经过预处理(如去除趋势特征等)可以进行缺值分析;对于点插值,经过预处理(如构建泰森多边形再去除趋势特征等)也可以使用缺值方法。
对于缺值的补整,如果具备某些时空特征,则完全可以使用插值方法补整。
模块21属性数据空间化与空间转换 自然与人文要素结合研究的时代正在到来。
美国宇航局(NASA)将地表人类活动模式加入全球变化模型中从本质上提高了预报精度。
又如,自然灾害的灾情空间预报需要自 3期王劲峰等:空间信息分析技术467然要素和社会经济要素相互作用的计算,自然要素可以通过遥感获取,社经要素需要根据统计数据进行空间细化。
地球生态环境以及社会经济数据通常是具有不同形状和尺度的地理空间单元,需要建立属性数据空间化及空间尺度转换技术,其核心是非空间信息或更大空间单元的属性数据在(较小)空间上表达的理论和方法,或称可变面元问题(Modifia2 ble areal unit p roblem)(MAU P),包括三类技术: GIS方法。
实现地理空间单元间属性数据的转化,包括聚集、拆分和空间建模(Spa2 tial modeling)。
聚集主要解决从小区域(点)向大区域(面)转化问题;拆分则考虑从大区域向小区域转化问题。
前者可利用空间采样技术实现。
尺度转化理论及方法。
不同的时间和空间尺度限制了信息被观测、描述、分析和表达的详细程度。
尺度转化存在“自上而下scaling down”和“自下而上scaling up”两种基本方式。
不同尺度水平上,尤其是Downscaling的转化,存在其区域边界规则与地理边界规则的差异、数据转化的控制和实施形式。
小区域统计学理论及方法。
所谓“小区域”,本质上是指区域内样本点较少,因此在统计分析过程中,需要从相关区域“借力”来获得详细的信息,其核心是建立相关区域(数据)的联系模型,实现属性数据空间表达。
以上内容着眼点有所不同,但都可归结为属性数据从大区域向小区域转化,最终完成综合的属性数据空间化方法和软件包设计与实现,并对表达结果的精确性和不确定性做定量分析和解释。
模块31空间信息探索分析 探索数据分析(Exploratory Data Analysis,EDA)目标是最大化分析者对数据集及其隐含结构的洞察,揭示数据属性,用以引导选择合适的数据分析模型。
EDA主要采用图形技术进行以下分析:(1)最大化对数据集的洞察;(2)揭示数据隐含的结构;(3)提取重要的变量;(4)检测异常点;(5)检验隐含的假设条件;(6)发展精简的模型;(7)决定因素的最优设置。
空间数据探索分析(Exploratory Spatial Data Analysis,ESDA)是EDA的扩展,用来对具有空间定位信息的属性进行分析,包括:探索数据的空间模式[17],对假设数据模型、模型基础和数据的地理性质进行阐述,评价空间模型等。
ESDA技术同样要求可视和健壮,强调把数字和图形技术与地图联系。
对“某些事件在地图上的什么位置”[18,19]、“这部分地图的属性值在概括统计中处于什么位置”、“地图的哪些区域满足特定的属性要求”等问题的回答是很重要的。
本模块具体内容包括: 探索工具。
软件实现当前已经有ESDA技术,并且实现表(Table)、地图(Map)和图形(Figure)各窗口链接,支持同时打开四个窗口:数据表窗口(显示当前数据和在过程中创建的变量),地图窗口,图形窗口和文本输出窗口(返回ESDA输出)。
区划(regionalization)。
空间单元有时很小,比如一个村或乡镇,如果以此进行自然灾害发生率或疾病发生率等小概率事件,统计对这种小的统计单元很敏感。
由于空间信息分析要求各空间单元内的信息变差具有相对一致性,因此,经常需要对空间单元的大小进行调整,通过模型计算,实现统计单元的均质性(ho mogeneity)、平等性(equality)和空间紧凑性(co mpact ness)。