新兴时空热点分析工作原理

新兴热点分析工具可识别数据中的趋势。例如,其可发现新的、加强的、缩减的以及分散的热点和冷点。其将使用通过聚合点创建时空立方体工具或通过已定义位置创建时空立方体工具创建的时空 NetCDF 立方体作为输入。然后,使用您提供的空间关系的概念化值来计算每个条柱的 Getis-Ord Gi* 统计热点分析)。完成新兴时空热点分析后,输入 NetCDF 立方体中的每个条柱都有关联的 z 得分、p 值和已添加的热点条柱分类。接着,使用 Mann-Kendall 趋势测试来评估这些热点和冷点趋势。根据每个含有数据的位置的生成趋势 z 得分和 p 值以及每个条柱的热点 z 得分和 p 值,新兴热点分析工具对每个研究区域位置进行了如下分类:

模式名称定义
未检测到模式

未检测到模式

不属于下文中所定义的任何热点或冷点模式。

新增热点

新增热点

此位置是最后时间步长的具有统计显著性的热点,并且以前从来都不是具有统计显著性的热点。

连续热点

连续热点

此位置带有最后时间步长间隔中的具有统计显著性的热点条柱的单次未中断运行。其在最后热点运行之前从来都不是具有统计显著性的热点,并且在所有条柱中,至多 90% 的条柱为具有统计显著性的热点。

加强的热点

加强的热点

此位置已经是 90% 的时间步长间隔(包括最后时间步长)的具有统计显著性的热点。此外,每个时间步长中数量较大的聚类强度在总体上有所增加,并且该增加具有统计显著性。

持续的热点

持续的热点

此位置已经是 90% 时间步长间隔的具有统计显著性的热点,且没有明显趋势表明聚类强度随着时间的推移而有所增加或减小。

逐渐减少的热点

逐渐减少的热点

此位置已经是 90% 的时间步长间隔(包括最后时间步长)的具有统计显著性的热点。此外,每个时间步长中的聚类强度在总体上有所减少,并且该减少具有统计显著性。

分散的热点

分散的热点

此位置是断断续续的热点。至多 90% 的时间步长间隔已经是具有统计显著性的热点,并且时间步长间隔均不是具有统计显著性的冷点。

振荡的热点

振荡的热点

最后时间步长间隔的具有统计显著性的热点,而该间隔具有一段在先前时间步长中也是具有统计显著性的冷点的历史。至多 90% 的时间步长间隔已经是具有统计显著性的热点。

历史热点

历史热点

最近的时间段不是热点,但至少 90% 的时间步长间隔已经是具有统计显著性的热点。

新增冷点

新增冷点

此位置是最后时间步长的具有统计显著性的冷点,并且以前从来都不是具有统计显著性的冷点。

连续冷点

连续冷点

此位置带有最后时间步长间隔中的具有统计显著性的冷点条柱的单次未中断运行。其在最后冷点运行之前从来都不是具有统计显著性的冷点,并且在所有条柱中,至多 90% 的条柱为具有统计显著性的冷点。

加强的冷点

加强的冷点

此位置已经是 90% 的时间步长间隔(包括最后时间步长)的具有统计显著性的冷点。此外,每个时间步长中数量较小的聚类强度在总体上有所增加,并且该增加具有统计显著性。

持续的冷点

持续的冷点

此位置已经是 90% 时间步长间隔的具有统计显著性的冷点,且没有明显趋势表明计数聚类强度随着时间的推移而有所增加或减小。

逐渐减少的冷点

逐渐减少的冷点

此位置已经是 90% 的时间步长间隔(包括最后时间步长)的具有统计显著性的冷点。此外,每个时间步长中数量较小的聚类强度在总体上有所减少,并且该减少具有统计显著性。

分散的冷点

分散的冷点

此位置是断断续续的冷点。至多 90% 的时间步长间隔已经是具有统计显著性的冷点,并且时间步长间隔均不是具有统计显著性的热点。

振荡的冷点

振荡的冷点

最后时间步长间隔的具有统计显著性的冷点,而该间隔具有一段在先前时间步长中也是具有统计显著性的热点的历史。至多 90% 的时间步长间隔已经是具有统计显著性的冷点。

历史冷点

历史冷点

最近的时间段不是冷点,但至少 90% 的时间步长间隔已经是具有统计显著性的冷点。

工具输出

此工具可创建许多输出。具有上文所定义的类别的 2D 地图提供了最杰出的输出。此外,在工具的执行过程中,汇总了分析结果的消息会写入到地理处理窗格的底部。可将鼠标悬停在进度条上、单击 弹出 访问消息或展开地理处理窗格中的消息部分来访问消息。您还可以通过地理处理历史访问之前运行工具的消息。

新兴热点分析工具的消息示例

最后,新兴热点分析工具会将多种新的变量添加至输入时空立方体。如果这些变量已经存在(如果已多次运行新兴热点分析工具),则其将被覆盖以使立方体始终包含最新的分析结果。

You may visualize these variables using ArcGIS Pro. 有关策略,请参阅可视化时空立方体

邻域默认值

要确定处于空间和时间中某位置的条柱值是否是具有统计显著性的热点或冷点的一部分,可在每个条柱的相邻时空条柱范围内对其进行评估。尽管具有较大值的条柱可能更令人感兴趣,但是除非其时空邻域同样具有较大值,否则它将不是具有统计显著性的热点。此工具默认使用固定距离方法来定义条柱之间的关系。邻域距离邻域时间步长参数值可定义每个条柱邻域的范围(每个条柱的分析范围)。假设条柱维度为 400 米乘 400 米乘 1 天。如果将邻域距离设置为 801 米,并将邻域时间步长设置为 2,则空间邻域将在水平和垂直两个方向上各延长两个条柱,并且对角延伸一个条柱,如下所示:

空间邻域,示例

此外,还有时间邻域。作为目标的同一位置上的所有条柱,以及匹配的时间段或两个先前时间段(对于本例一共为三天)的空间邻域(如上图所示)将被作为邻域包括在内。请注意,时态邻域仅后向聚合时间;值为 2邻域时间步长包含三个时间步长间隔。

如果未提供邻域距离参数值,则会为您计算一个值。公式改编自用于确定默认核密度搜索半径的计算。如果未提供邻域时间步长值,则默认值设置为 1

还有其他选项可以通过使用空间关系的概念化参数来定义邻域关系。对于每个选项,该工具首先找到空间邻域,然后找到位于上 N 个时间步长的相同位置的条柱,其中 N 是您指定的邻域时间步长值。

空间关系的概念化参数的选择应反映要分析的要素之间的固有关系。对要素在空间中彼此交互方式构建的模型越逼真,结果就越准确。选择空间关系的概念化:最佳做法中给出了建议。


在本主题中
  1. 工具输出
  2. 邻域默认值