Zusammenfassung
Misst den Grad der Cluster-Bildung von hohen oder niedrigen Werten mit der Getis-Ord General G-Statistik.
Weitere Informationen zur Cluster-Bildung von hohen/niedrigen Werten (Getis-Ord General G)
Abbildung
Verwendung
Das Werkzeug Clustering von hohen/niedrigen Werten gibt vier Werte zurück: beobachteter General G-Index, erwarteter General G-Index, Z-Wert und p-Wert. Die Werte werden während der Ausführung des Werkzeugs am unteren Rand des Bereichs Geoverarbeitung als Meldungen geschrieben und als abgeleitete Werte zur potenziellen Verwendung in Modellen oder Skripten übergeben. Sie können auf diese Meldungen zugreifen, indem Sie mit der Maus auf die Fortschrittsleiste zeigen, auf die Pop-out-Schaltfläche klicken oder den Abschnitt "Meldungen" im Bereich Geoverarbeitung erweitern. Sie können auch auf die Meldungen für ein zuvor ausgeführtes Werkzeug über den Geoverarbeitungsverlauf zugreifen. Optional können Sie dieses Werkzeug zum Erstellen einer HTML-Berichtsdatei mit einer grafischen Zusammenfassung der Ergebnisse verwenden. Der Pfad zu dem Bericht wird in die Meldungen einbezogen, in denen die Parameter für die Werkzeugausführung zusammengefasst sind. Klicken Sie auf diesen Pfad, um die Berichtsdatei zu öffnen.
Das Eingabefeld sollte eine Vielzahl nicht negativer Werte enthalten. Es wird eine Fehlermeldung angezeigt, wenn das Eingabefeld negative Werte enthält. Außerdem ist es für diese Statistikberechnung erforderlich, dass nicht alle Variablen den gleichen Wert aufweisen; eine Berechnung ist z. B. nicht möglich, wenn alle Eingabewerte 1 lauten. Um mit diesem Werkzeug das räumliche Muster von Ereignisdaten zu analysieren, können Sie die Ereignisdaten zusammenfassen. Das Werkzeug Optimierte Hot-Spot-Analyse kann auch zur Analyse des räumlichen Musters von Ereignisdaten verwendet werden.
Hinweis:
Ereignisdaten sind Punkte, die Ereignisse (Verbrechen, Verkehrsunfälle) oder Objekte (Bäume, Geschäfte) darstellen, wobei der Fokus auf der An- oder Abwesenheit und nicht auf ein mit einem Punkt verknüpften gemessenen Attribut liegt.
- Die Z-Ergebnisse und p-Werte sind Werte von statistischer Bedeutung, die Aufschluss darüber geben, ob Sie die Nullhypothese ablehnen können oder nicht. Bei diesem Werkzeug wird in der Nullhypothese davon ausgegangen, dass die mit Features verknüpften Werte zufällig verteilt sind.
Das Z-Ergebnis basiert auf der Berechnung der Zufallsnullhypothese. Weitere Informationen zu Z-Ergebnissen finden Sie unter Was ist ein Z-Ergebnis? Was ist ein p-Wert?
Je größer (oder kleiner) das Z-Ergebnis, desto höher die Intensität der Cluster-Bildung. Ein Z-Ergebnis nahe Null gibt an, dass anscheinend keine Cluster-Bildung im Untersuchungsgebiet zu verzeichnen ist. Ein positives Z-Ergebnis deutet auf eine Cluster-Bildung hoher Werte hin. Ein negatives Z-Ergebnis deutet auf eine Cluster-Bildung niedriger Werte hin.
Wenn die Eingabe-Feature-Class nicht projiziert ist (d. h., wenn Koordinaten in Grad, Minuten und Sekunden angegeben werden) oder als Ausgabe-Koordinatensystem ein geographisches Koordinatensystem festgelegt wurde, werden Entfernungen mit Sehnenmesswerten berechnet. Sehnenentfernungsmesswerte werden verwendet, weil sie schnell berechnet werden können und ausgezeichnete Schätzung von echten geodätischen Entfernungen zulassen, zumindest für Punkte innerhalb von 30 Grad voneinander. Sehnenentfernungen basieren auf einem abgeplatteten Sphäroid. Im Fall von zwei beliebigen Punkten auf der Erdoberfläche ist die Sehnenentfernung zwischen diesen die Länge einer Linie, die durch die dreidimensionale Erde führt, um diese beiden Punkte zu verbinden. Sehnenentfernungen werden in Metern angegeben.
Vorsicht:
Achten Sie darauf, Ihre Daten zu projizieren, wenn sich der Untersuchungsbereich über 30 Grad hinaus erstreckt. Sehnenentfernungen erlauben keine sichere Schätzung von geodätischen Entfernungen über 30 Grad hinaus.
Wenn in der Analyse Sehnenentfernungen verwendet werden, sollte der Parameter Entfernungsband oder Entfernungsschwellenwert (falls angegeben) in Metern angegeben werden.
Für Linien- und Polygon-Features werden bei Entfernungsberechnungen Feature-Schwerpunkte verwendet. Für Multipoints, Polylinien oder Polygone mit mehreren Teilen wird der Schwerpunkt mithilfe des gewichteten arithmetischen Mittelpunkts aller Feature-Teile berechnet. Die Gewichtung für Punkt-Features ist 1, für Linien-Features "Länge" und für Polygon-Features "Fläche".
Ihre Auswahl für den Parameter Konzeptualisierung von räumlichen Beziehungen sollte inhärente Beziehungen unter den Features, die analysiert werden, widerspiegeln. Je realistischer Sie modellieren können, wie Features im Raum interagieren, desto genauer werden die Ergebnisse. Empfehlungen werden unter Auswählen einer Konzeptualisierung räumlicher Beziehungen: Empfehlungen beschrieben. Nachfolgend finden Sie weitere Tipps:
- Festes Entfernungsband
Mit dem Parameter Entfernungsband oder Entfernungsschwellenwert wird sichergestellt, dass jedes Feature mindestens einen Nachbarn hat. Das ist wichtig, jedoch ist der berechnete Standardwert häufig nicht die am besten geeignete Entfernung für die Analyse. Zusätzliche Strategien, mit deren Hilfe Sie einen geeigneten Maßstab (ein Entfernungsband) für die Analyse ermitteln können, werden unter Auswählen eines Wertes für ein festes Entfernungsband dargestellt.
- Inverse Entfernung oder Inverse Entfernung im Quadrat
Wird für den Parameter Entfernungsband oder Entfernungsschwellenwert 0 eingegeben, werden alle Features als Nachbarn aller anderen Features betrachtet. Wenn dieser Parameter leer bleibt, wird die Standardentfernung angewendet.
Gewichtungen für Entfernungen von weniger als 1 werden instabil, wenn sie umgekehrt werden. Demzufolge wird der Gewichtung für Features, deren Entfernung weniger als 1 Entfernungseinheit beträgt, ein Wert von 1 zugewiesen.
Bei den Optionen für die inverse Entfernung (Inverse Entfernung, Inverse Entfernung im Quadrat und Indifferenzzone) wird allen lagegleichen Punkten eine Gewichtung von 1 zugewiesen, um eine Nulldivision zu vermeiden. Damit wird sichergestellt, dass keine Features aus der Analyse ausgeschlossen werden.
- Festes Entfernungsband
Zusätzliche Optionen für den Parameter Konzeptualisierung von räumlichen Beziehungen, einschließlich dreidimensionaler und Raum-Zeit-Beziehungen, sind über das Werkzeug Räumliche Gewichtungsmatrix erstellen verfügbar. Um diese zusätzlichen Optionen zu nutzen, konstruieren Sie eine Datei mit der räumlichen Gewichtungsmatrix vor der Analyse. Wählen Sie Räumliche Gewichtungen aus Datei übernehmen als Parameter Konzeptualisierung von räumlichen Beziehungen aus und geben Sie für den Parameter Gewichtungsmatrix-Datei den Pfad zur erstellten Datei mit der räumlichen Gewichtung an.
Sie können Karten-Layer verwenden, um die Eingabe-Feature-Class zu definieren. Beim Verwenden eines Layers mit einer Auswahl sind nur die ausgewählten Features in der Analyse enthalten.
Wenn Sie eine Gewichtungsmatrix-Datei mit einer .swm-Erweiterung bereitstellen, wird von diesem Werkzeug eine Datei mit räumlicher Gewichtungsmatrix erwartet, die mit dem Werkzeug Räumliche Gewichtungsmatrix erstellen erstellt wird; andernfalls wird von diesem Werkzeug eine Datei mit der räumlichen Gewichtungsmatrix im ASCII-Format erwartet. Das Verhalten variiert in Abhängigkeit davon, welche Art von Datei mit der räumlichen Gewichtungsmatrix Sie verwenden:
- Dateien mit der räumlichen Gewichtungsmatrix im ASCII-Format:
- Gewichtungen werden unverändert verwendet. Fehlende Feature-zu-Feature-Beziehungen werden als Nullen behandelt.
- Wenn die Gewichtungen zeilenstandardisiert sind, sind die Ergebnisse für Analysen von Auswahlsätzen mit hoher Wahrscheinlichkeit fehlerhaft. Wenn Sie die Analyse für einen Auswahlsatz ausführen müssen, konvertieren Sie die ASCII-Datei mit den räumlichen Gewichtungen in eine SWM-Datei, indem Sie die ASCII-Daten in eine Tabelle einlesen und dann die Option Tabelle konvertieren mit dem Werkzeug Räumliche Gewichtungsmatrix erstellen verwenden.
- SWM-formatierte Matrixdatei für räumliche Gewichtung:
- Wenn die Gewichtungen reihenstandardisiert sind, werden sie für die Auswahlsätze erneut reihenstandardisiert; ansonsten werden die Gewichtungen unverändert verwendet.
- Dateien mit der räumlichen Gewichtungsmatrix im ASCII-Format:
Das Ausführen der Analyse mit einer Datei mit der räumlichen Gewichtungsmatrix im ASCII-Format erfordert mehr Arbeitsspeicher. Ziehen Sie bei Analysen für mehr als 5.000 Features die Konvertierung Ihrer ASCII-formatierten räumlichen Gewichtungsmatrix-Datei in eine SWM-formatierte Datei in Betracht. Fügen Sie als Erstes die ASCII-Gewichtungen in eine formatierte Tabelle ein (z. B. eine Excel-Tabelle). Führen Sie als Nächstes das Werkzeug Räumliche Gewichtungsmatrix erstellen mit der Option Tabelle konvertieren für den Parameter Konzeptualisierung von räumlichen Beziehungen aus. Die Ausgabe ist eine SWM-formatierte Datei mit räumlicher Gewichtungsmatrix.
Das Hilfethema Modellierungen räumlicher Beziehungen enthält weitere Informationen zu den Parametern dieses Werkzeugs.
Vorsicht:
Denken Sie beim Verwenden von Shapefiles daran, dass diese keine NULL-Werte speichern können. Werkzeuge oder andere Verfahren zur Erstellung von Shapefiles aus Nicht-Shapefile-Eingaben speichern oder interpretieren NULL-Werte möglicherweise als Wert 0. In manchen Fällen werden NULL-Werte in Shapefiles als sehr große negative Werte gespeichert. Dies kann zu unerwarteten Ergebnissen führen. Weitere Informationen finden Sie unter Überlegungen zur Geoverarbeitung für die Shapefile-Ausgabe.
Syntax
HighLowClustering(Input_Feature_Class, Input_Field, {Generate_Report}, Conceptualization_of_Spatial_Relationships, Distance_Method, Standardization, {Distance_Band_or_Threshold_Distance}, {Weights_Matrix_File}, {number_of_neighbors})| Parameter | Erklärung | Datentyp |
Input_Feature_Class | Die Feature-Class, für die die General G-Statistik berechnet wird. | Feature Layer |
Input_Field | Das Zahlenfeld, das ausgewertet werden soll. | Field |
Generate_Report (optional) |
| Boolean |
Conceptualization_of_Spatial_Relationships | Gibt an, wie räumliche Beziehungen zwischen Features definiert werden.
| String |
Distance_Method | Gibt an, wie Entfernungen von den einzelnen Features zu benachbarten Features berechnet werden.
| String |
Standardization | Gibt an, ob die Standardisierung räumlicher Gewichtungen angewendet wird. Eine Reihen-Standardisierung wird immer dann empfohlen, wenn die Verteilung der Features aufgrund einer Referenzpunkterfassung oder eines auferlegten Zusammenfassungsschemas möglicherweise verzerrt ist.
| String |
Distance_Band_or_Threshold_Distance (optional) | Gibt einen Entfernungsgrenzwert für Optionen mit inverser Entfernung und Optionen mit fester Entfernung an. Features außerhalb des angegebenen Grenzwerts für ein Ziel-Feature werden in Analysen für dieses Feature ignoriert. Mit der ZONE_OF_INDIFFERENCE wird jedoch der Einfluss von Features außerhalb der angegebenen Entfernung in Abhängigkeit der Entfernung reduziert, während die Features innerhalb des Entfernungsschwellenwerts gleichmäßig berücksichtigt werden. Der eingegebene Entfernungswert sollte dem Ausgabekoordinatensystem entsprechen. Bei Konzeptualisierungen von räumlichen Beziehungen mit inverser Entfernung gibt der Wert 0 an, dass keine Schwellenwertentfernung angewendet wird. Wenn dieser Parameter leer gelassen wird, wird ein Standardschwellenwert berechnet und angewendet. Dieser Standardwert ist die euklidische Entfernung, bei der sichergestellt wird, dass jedes Feature mindestens einen Nachbarn hat. Dieser Parameter hat keine Auswirkungen, wenn räumliche Konzeptualisierungen vom Typ "Polygonnachbarschaft" (CONTIGUITY_EDGES_ONLY oder CONTIGUITY_EDGES_CORNERS) oder GET_SPATIAL_WEIGHTS_FROM_FILE ausgewählt werden. | Double |
Weights_Matrix_File (optional) | Der Pfad zu einer Datei mit Gewichtungen, die räumliche und potenziell zeitliche Beziehungen unter Features definieren. | File |
number_of_neighbors (optional) | Eine ganze Zahl, mit der die Anzahl der Nachbarn angegeben wird, die in die Analyse einbezogen werden. | Long |
Codebeispiel
Das folgende Skript veranschaulicht die Verwendung des Werkzeugs HighLowClustering im Python-Fenster.
import arcpy
arcpy.env.workspace = r"C:\data"
arcpy.HighLowClustering_stats("911Count.shp", "ICOUNT", "false", "GET_SPATIAL_WEIGHTS_FROM_FILE", "EUCLIDEAN_DISTANCE", "NONE", "#", "euclidean6Neighs.swm")Das folgende eigenständige Python-Skript veranschaulicht, wie Sie das Werkzeug HighLowClustering verwenden.
# Analyze the spatial distribution of 911 calls in a metropolitan area
# using the High/Low Clustering (Getis-Ord General G) tool
# Import system modules
import arcpy
# Set property to overwrite existing outputs
arcpy.env.overwriteOutput = True
# Local variables...
workspace = r"C:\Data"
try:
# Set the current workspace (to avoid having to specify the full path to the feature classes each time)
arcpy.env.workspace = workspace
# Copy the input feature class and integrate the points to snap
# together at 500 feet
# Process: Copy Features and Integrate
cf = arcpy.CopyFeatures_management("911Calls.shp", "911Copied.shp",
"#", 0, 0, 0)
integrate = arcpy.Integrate_management("911Copied.shp #", "500 Feet")
# Use Collect Events to count the number of calls at each location
# Process: Collect Events
ce = arcpy.CollectEvents_stats("911Copied.shp", "911Count.shp", "Count", "#")
# Add a unique ID field to the count feature class
# Process: Add Field and Calculate Field
af = arcpy.AddField_management("911Count.shp", "MyID", "LONG", "#", "#", "#", "#",
"NON_NULLABLE", "NON_REQUIRED", "#",
"911Count.shp")
cf = arcpy.CalculateField_management("911Count.shp", "MyID", "!FID!", "PYTHON")
# Create Spatial Weights Matrix for Calculations
# Process: Generate Spatial Weights Matrix...
swm = arcpy.GenerateSpatialWeightsMatrix_stats("911Count.shp", "MYID",
"euclidean6Neighs.swm",
"K_NEAREST_NEIGHBORS",
"#", "#", "#", 6,
"NO_STANDARDIZATION")
# Cluster Analysis of 911 Calls
# Process: High/Low Clustering (Getis-Ord General G)
hs = arcpy.HighLowClustering_stats("911Count.shp", "ICOUNT",
"false",
"GET_SPATIAL_WEIGHTS_FROM_FILE",
"EUCLIDEAN_DISTANCE", "NONE",
"#", "euclidean6Neighs.swm")
except arcpy.ExecuteError:
# If an error occurred when running the tool, print out the error message.
print(arcpy.GetMessages())Umgebungen
- Ausgabe-Koordinatensystem
Die Feature-Geometrie wird vor der Analyse auf das Ausgabe-Koordinatensystem projiziert. Alle mathematischen Berechnungen basieren auf dem Raumbezug des Ausgabe-Koordinatensystems. Wenn das Ausgabekoordinatensystem auf Grad, Minuten und Sekunden basiert, werden geodätische Entfernungen mithilfe von Sehnenentfernungen geschätzt.
Lizenzinformationen
- Basic: Ja
- Standard: Ja
- Advanced: Ja
Verwandte Themen
- Überblick über das Toolset "Analysen von Mustern"
- Modellierung von räumlichen Beziehungen
- Was ist ein Z-Wert? Was ist ein p-Wert?
- Suchen eines Geoverarbeitungswerkzeugs
- Räumliche Autokorrelation (Morans I)
- Hot-Spot-Analyse (Getis-Ord Gi*)
- Räumliche Gewichtungen
- Funktionsweise von "Clustering von hohen/niedrigen Werten (Getis-Ord General G)"