空间冷热点分析

定义和原理

热点分析工具可对数据集中的每一个要素计算 Getis-Ord Gi* 统计（称为 G-i-星号）。通过得到的 z 得分和 p 值，您可以知道高值或低值要素在空间上发生聚类的位置。此工具的工作方式为：查看邻近要素环境中的每一个要素。高值要素往往容易引起注意，但可能不是具有显著统计学意义的热点。要成为具有显著统计需意义的热点，要素应具有高值，且被其他同样具有高值的要素所包围。某个要素及其相邻要素的局部总和将与所有要素的总和进行比较；当局部总和与所预期的局部总和有很大差异，以致于无法成为随机产生的结果时，会产生一个具有显著统计学意义的 z 得分。如果应用 FDR 校正，统计显著性会根据多重测试和空间依赖性进行调整。

热点分析是构建在统计推断中常用的零假设检验的思想之上的。由于我们的眼睛和大脑无时无刻不在分析数据背后的模式，即使是随机分布的事件在空间上也可能表现出某种程度的集聚，热点分析工具的目标就是识别出具有统计显著性聚类的区域，因为这说明这些事件正在受某些空间过程因子的影响，存在空间上的关联性。

定义来自于argis官方网站

下面来看实际操作

数据准备和平时的空间分布一致，如

普通的空间分布图 - 可以看到哪里高，哪里低。但是想定量的分析，那么就需要使用热点分析工具

首先，看他在全局上是随机，积聚还是离散分布

因此首先进行空间自相关分析

选项如下

结果：具有空间聚类特征

因此，可以进行空间冷热点分析

选项

结果为得到下图

经过了排版和字体调整之后

码字不易，若果有用，请点赞或者关注！！

推荐内容