| Beschriftung | Erläuterung | Datentyp |
Eingabe-Features | Die Eingabe-Features, die das Feld enthalten, das räumlich gefiltert wird. | Feature Layer |
Eingabefeld | Das Eingabefeld, das räumlich gefiltert wird. | Field |
Ausgabe-Features | Die Ausgabe-Features, die ein Feld des räumlich gefilterten Eingabefeldes und Felder der räumlichen Komponenten enthält, die zum Filtern verwendet werden. | Feature Class |
Alle Felder aus Eingabe-Features anhängen (optional) | Gibt an, ob alle Felder aus den Eingabe-Features in die Ausgabe-Feature-Class kopiert werden.
| Boolean |
Eingabe-Datei der räumlichen Gewichtungsmatrix (optional) | Die Eingabe-SWM-Datei (.swm). Wenn ein Wert angegeben wird, wird die Datei verwendet, um Nachbarn und Gewichtungen der Eingabe-Features zu definieren. Wenn kein Wert angegeben wird, testet das Werkzeug 28 verschiedene Nachbarschaften und verwendet diejenige, mit der sich die räumliche Autokorrelation am effizientesten aus dem Eingabefeld filtern lässt. | File |
Ausgabe-Datei der räumlichen Gewichtungsmatrix (optional) | Die Ausgabe-SWM-Datei (.swm) der Nachbarn und Gewichtungen, die vom Werkzeug ausgewählt wurden. Dieser Parameter wird nicht angewendet, wenn Sie eine Eingabe-.swm-Datei angeben. | File |
Eindeutiges ID-Feld (optional) | Das Feld für die eindeutige ID der Ausgabe-.swm-Datei. Das Feld muss für jedes Eingabe-Feature einen Einzelwert in Form einer ganzen Zahl enthalten. | Field |
Zusammenfassung
Erstellt eine räumlich gefilterte Version eines Eingabefeldes. Die gefilterte Variable weist keine statistisch signifikante räumliche Cluster-Bildung auf, die statistischen Kerneigenschaften des Feldes bleiben jedoch erhalten. Die räumlich gefilterte Version des Feldes kann in analytischen Workflows (wie Korrelations- oder Regressionsanalyse) verwendet werden, bei denen davon ausgegangen wird, dass die Werte an den einzelnen Positionen räumlich unabhängig (also nicht räumlich geclustert) sind.
Das Werkzeug filtert die räumliche Autokorrelation, indem es das Feld in eine nichträumliche Komponente (das gefilterte Feld) und verschiedene räumliche Komponenten (als Moran-Eigenvektoren bezeichnet) aufteilt. Wenn es sich beim Eingabefeld um ein Feld mit Residuen oder standardisierten Residuen aus einem Vorhersage- oder Regressionsmodell handelt und die räumlichen Komponenten als erklärende Variablen in das Modell einbezogen werden (zusätzlich zu den ursprünglichen erklärenden Variablen), wird die räumliche Autokorrelation des Residuenterms, bei dem es sich um eine Annahme der verschiedenen Vorhersagemodelle handelt, reduziert oder beseitigt.
Abbildung
Verwendung
Die Ausgabe-Feature-Class enthält ein Feld der räumlich gefilterten Eingabevariable sowie Felder der räumlichen Komponenten, die zum Filtern verwendet werden. Beim Ausführen in einer aktiven Karte wird der Ausgabe-Feature-Layer basierend auf dem räumlich gefilterten Eingabefeld dargestellt.
Die Geoverarbeitungsmeldungen enthalten die folgenden beiden Tabellen, in denen die Auswahl der räumlichen Komponenten zusammengefasst ist, die zum räumlichen Filtern des Eingabefeldes verwendet wird:
- Suchverlauf für Nachbarschaften: Für jede der 28 getesteten räumlichen Gewichtungsmatrizen (SWMs) werden Details der SWM (wie die Anzahl der Nachbarn und das Gewichtungsschema), der Morans I-p-Wert für die ursprüngliche Eingabevariable, der Morans I-Wert und der p-Wert der räumlich gefilterten Eingabevariable und die Anzahl der Komponenten, die zum Entfernen der räumlichen Autokorrelation erforderlich waren, angezeigt. Die SWM, die zum Filtern des Eingabefeldes ausgewählt wurde, ist durch fett formatierten Text und ein Sternchen gekennzeichnet.
- Suchverlauf für räumliche Komponenten: Für die ausgewählte SWM wird der ID-Wert der einzelnen Komponenten (z. B. ID 4 steht für die vierte räumliche Komponente), der Morans I-Wert der Komponente und der Morans I-Wert und p-Wert der räumlich gefilterten Eingabevariable angezeigt. Die Zeilen werden in der Reihenfolge der ausgewählten Komponenten angeordnet, sodass der p-Wert bei jeder Zeile erhöht wird, bis er 0,05 (nicht statistisch signifikant) überschreitet.
Mit dem Werkzeug wird zum einen für die Eingabe-Features eine SWM ausgewählt (es sei denn, im Parameter Eingabe-Datei der räumlichen Gewichtungsmatrix wurde eine angegeben) und zum anderen werden Komponenten ausgewählt, mit denen sich räumliche Autokorrelation am effizientesten aus dem Eingabefeld entfernen lässt. Dabei wird wie folgt vorgegangen:
- Das Eingabefeld wird für jede SWM auf eine statistisch signifikante räumliche Autokorrelation getestet. Dafür wird ein Permutationstest für Morans I verwendet. Wenn die räumliche Autokorrelation für alle SWMs nicht statistisch signifikant ist (der p-Wert also größer als 0,05 ist), kann das Werkzeug nicht ausgeführt werden und das Eingabefeld wird nicht räumlich gefiltert. Das bedeutet, dass das Feld räumlich nicht korreliert und nicht gefiltert werden muss. Die p-Werte der Tests werden mithilfe einer Šidák-Korrektur entsprechend der Anzahl der getesteten SWMs angepasst.
- Für jede SWM mit einer statistisch signifikanten Autokorrelation werden Komponenten nach und nach hinzugefügt und als erklärende Variablen zur Vorhersage des Eingabefeldes verwendet. Bei jeder neuen räumlichen Komponente wird die räumliche Autokorrelation des Residuenterms auf statistische Signifikanz getestet, und für die SWM werden keine Komponenten mehr hinzugefügt, wenn die Autokorrelation der Residuen nicht mehr statistisch signifikant sind (der p-Wert also größer als 0,05 ist). Alle neuen Komponenten werden basierend auf dem größten Anstieg des p-Wertes der Autokorrelation des Residuenterms (der die geringste räumliche Autokorrelation angibt) ausgewählt.
- Es wird die SWM ausgewählt, für die die wenigsten Komponenten erforderlich waren, um Residuen zu erzeugen, die nicht signifikant autokorrelieren. Bei Gleichstand wird die Komponente mit dem größten p-Wert ausgewählt.
- Die ausgewählten Komponenten und Residuen werden in Form von Feldern der Ausgabe-Feature-Class zurückgegeben. Dabei entsprechen die Residuen der räumlich gefilterten Version des Eingabefeldes.
Dieses Verfahren wird als MIR-Auswahlmethode (Minimizing autocorrelation In the Residuals, Minimieren der Autokorrelation in den Residuen) bezeichnet und wird in der folgenden Quelle ausführlich beschrieben:
Griffith, Daniel A. und Peres-Neto, Pedro R. 2006. "Spatial modeling in ecology: the flexibility of eigenfunction spatial analyses." Ecology 87, Nr. 10: 2603–2613. https://doi.org/10.1890/0012-9658(2006)87[2603:SMIETF]2.0.CO;2.
Parameter
arcpy.stats.FilterSpatialAutocorrelationFromField(in_features, input_field, out_features, {append_all_fields}, {in_swm}, {out_swm}, {id_field})| Name | Erläuterung | Datentyp |
in_features | Die Eingabe-Features, die das Feld enthalten, das räumlich gefiltert wird. | Feature Layer |
input_field | Das Eingabefeld, das räumlich gefiltert wird. | Field |
out_features | Die Ausgabe-Features, die ein Feld des räumlich gefilterten Eingabefeldes und Felder der räumlichen Komponenten enthält, die zum Filtern verwendet werden. | Feature Class |
append_all_fields (optional) | Gibt an, ob alle Felder aus den Eingabe-Features in die Ausgabe-Feature-Class kopiert werden.
| Boolean |
in_swm (optional) | Die Eingabe-SWM-Datei (.swm). Wenn ein Wert angegeben wird, wird die Datei verwendet, um Nachbarn und Gewichtungen der Eingabe-Features zu definieren. Wenn kein Wert angegeben wird, testet das Werkzeug 28 verschiedene Nachbarschaften und verwendet diejenige, mit der sich die räumliche Autokorrelation am effizientesten aus dem Eingabefeld filtern lässt. | File |
out_swm (optional) | Die Ausgabe-SWM-Datei (.swm) der Nachbarn und Gewichtungen, die vom Werkzeug ausgewählt wurden. Dieser Parameter wird nicht angewendet, wenn Sie eine Eingabe-.swm-Datei angeben. | File |
id_field (optional) | Das Feld für die eindeutige ID der Ausgabe-.swm-Datei. Das Feld muss für jedes Eingabe-Feature einen Einzelwert in Form einer ganzen Zahl enthalten. | Field |
Codebeispiel
Das folgende Skript im Python-Fenster veranschaulicht, wie die Funktion FilterSpatialAutocorrelationFromField verwendet wird:
# Filter spatial autocorrelation from a field.
arcpy.env.workspace = r"c:\data\project_data.gdb"
arcpy.stats.FilterSpatialAutocorrelationFromField(
in_features="myFeatureClass",
input_field="myAnalysisField",
out_features=r"myOutputFeatureClass",
append_all_fields="ALL",
in_swm=None,
out_swm=None,
id_field=None
)Das folgende eigenständige Skript veranschaulicht, wie die Funktion FilterSpatialAutocorrelationFromField verwendet wird:
# Run Generalized Linear Regression, then filter spatial autocorrelation from residuals.
import arcpy
# Set the current workspace
arcpy.env.workspace = r"c:\data\project_data.gdb"
# Run the regression tool.
arcpy.stats.GeneralizedLinearRegression(
in_features=r"myFeatureClass",
dependent_variable="myDependentField",
model_type="CONTINUOUS",
output_features=r"myOutputFeatureClass",
explanatory_variables="myExplanatoryField1;myExplanatoryField2",
distance_features=None,
prediction_locations=None,
explanatory_variables_to_match=None,
explanatory_distance_matching=None,
output_predicted_features=None,
output_trained_model=None
)
arcpy.stats.FilterSpatialAutocorrelationFromField(
in_features="myOutputFeatureClass",
input_field="RESIDUAL",
out_features=r"myFilteredOutputFeatureClass",
append_all_fields="ALL",
in_swm=None,
out_swm=None,
id_field=None
)
# Print the messages.
print(arcpy.GetMessages())Umgebungen
Lizenzinformationen
- Basic: Ja
- Standard: Ja
- Advanced: Ja
Verwandte Themen
- Überblick über das Toolset "Dienstprogramme für räumliche Komponenten (Moran-Eigenvektoren)"
- Moran-Eigenvektoren
- Konzeptualisierungen von Nachbarschaften vergleichen
- Erklärende Variablen für räumliche Komponenten erstellen
- Räumliche Struktur zerlegen (Moran-Eigenvektoren)
- Suchen eines Geoverarbeitungswerkzeugs