本系列配套练习数据下载链接：
链接：https://pan.baidu.com/s/1imKDcw9wZWk_ItR8fwugZw?pwd=mnsj提取码：mnsj
分析模式工具集能够提供对宏观空间模式进行量化的统计数据。这意味着，通过这些工具，可以将地理空间中的模式或趋势（例如，空间聚类的存在与否以及聚类程度的动态变化等）转换为具体的数值或指标，从而更客观地理解和分析这些数据。
分析模式工具集包含平均最近邻、高/低聚类、增量空间自相关、多距离空间聚类分析（Ripley’s K 函数）、空间自相关(Morans I)五个工具。
本次主要介绍增量空间自相关工具。
-
1、概念：
增量空间自相关工具用于测量一系列距离的空间自相关，并可以选择性地创建这些距离及其相应z得分的折线图。z 得分反映空间聚类的程度，具有统计显著性的峰值 z 得分表示促进空间过程聚类最明显的距离。这些峰值距离通常为具有“距离范围”或“距离半径”参数的工具所使用的合适值。
对于线和面要素，距离计算中会使用要素的质心。对于多点、折线或由多部分组成的面，将会使用所有要素部分的加权平均中心来计算质心。点要素的加权项是 1，线要素的加权项是长度，而面要素的加权项是面积。
—————-
该工具可选择输出包含各迭代处的距离值、Moran I 指数值、预期 Moran I 指数值、方差、z 得分和 p 值的表格。关于这些值的含义可以参看以下文章：
【ArcGIS工具箱】123.分析模式——空间自相关(Morans I)
通过输出表中的 z 得分值，可确定是否具有峰值距离。但是，更常见的做法是通过查看可选输出报表文件中的图示来确定峰值距离。
-
第一页：
增量空间自相关工具为一系列增大的距离运行空间自相关 (Global Moran’s I) 工具，同时测量各距离空间聚类的程度（由z得分确定）。图中的峰值点（峰值为z得分值升高、然后降低处的值）会特别标注出来（将绘制晕圈以突出显示第一个峰值距离和最大峰值距离），因为它们表示在该特定距离上数据的空间聚类最为显著。
在某些情况下，会显示多个具有统计显著性的峰值（聚类在这些距离处均很明显），有时可能只有一个晕圈（因为第一个峰值距离和最大峰值距离位于同一距离处）。另外，如果无任何 z 得分峰值具有统计显著性，则所有峰值都不带有浅蓝色晕圈。需要注意的是，z 得分的绘制颜色对应显示统计显著性关键值的图例。
-
第二页：
-
第三页：
-
2、工具：
-
输入字段：用于评估空间自相关的数值字段。输入字段应包含多种值。此统计数学方法要求待分析的变量存在一定程度的变化；例如，如果所有输入都是 1 便无法求解；
-
距离段数量：针对空间自相关而增加邻域大小和分析数据集的次数。分别在起点距离和距离增量参数中指定增量的起点和大小；
-
起点距离(Beginning_Distance)：开始空间自相关分析的距离和开始增量的距离。如果未给定开始距离，则默认值为最小距离，在该距离处，数据集中的每个要素至少具有一个相邻要素。如果数据集中存在位置异常值，那么此距离可能不是最合适的开始距离；
-
距离增量(Distance_Increment) ：每次迭代后要增加的距离。分析中使用的距离于起点距离处开始，以距离增量中指定的数量增加。如果未给定增量距离，则使用平均最近邻距离或 (Td – B) / I（其中 Td 为最大阈值距离，B 为开始距离，I 为距离段数量）二者当中的较小者。该算法可确保始终根据指定的距离段数量来执行计算，确保最大距离段不会过大以致一些要素以所有其它要素或几乎所有其它要素作为其相邻要素。
-
距离法：指定计算每个要素与邻近要素之间的距离的方式。选项包括欧氏距离以及曼哈顿距离；
-
标准化：当要素的分布由于采样设计或施加的聚合方案而可能偏离时，建议使用行标准化。对于面要素，几乎始终需要使用标准化；
本篇文章来源于微信公众号: 码农设计师
