插图
使用方法
此工具用于识别具有统计显著性的多数要素（热点）和少数要素（冷点）的空间聚类。此工具使用 z 得分、p 值和置信区间 (Gi_Bin) 为输入中的每个要素创建一个输出要素类。
在分析过程中，将输入点（事件）聚合到指定大小的条柱中，然后对其进行分析以确定热点。聚合条柱必须包含多种值（一个条柱中的点计数应该是高度可变的）。
z 得分和 p 值都是统计显著性的度量，用于使用聚合条柱来判断是否拒绝零假设。也就是说，它们可指明观测所得的高值或低值的空间聚类是否比我们在这些值的随机分布中预期的更加明显。z 得分和 p 值字段不体现任何类型的 错误发现率 (FDR) 校正。
如果要素的 z 得分高而 p 值小，则表示点事件密集存在。如果 z 得分低并为负数且 p 值小，则表示不存在点事件。z 得分越高（或越低），聚类密集程度就越大。如果 z 得分接近于零，则表示不存在明显的空间聚类。
-
z 得分基于随机化零假设进行计算。有关 z 得分的详细信息，请参阅什么是 z 得分？ 什么是 p 值？
在使用时间步长分析输入要素时，每个时间步长将独立于时间步长之外的要素进行分析。
时间步长参考参数可以是日期和时间值或仅为日期值，但不可仅为时间值。
此地理处理工具由 ArcGIS GeoAnalytics Server 作为支持。分析将在 GeoAnalytics Server 上完成，且结果将存储在 ArcGIS Enterprise 的内容中。
当 GeoAnalytics Server 工具运行时，GeoAnalytics Server 上的分析已完成。要获得最佳性能，通过 ArcGIS Enterprise 门户上托管的要素图层或通过大数据文件共享，可以将数据用于 GeoAnalytics Server。在分析开始之前，非 GeoAnalytics Server 本地数据将被转移到您的 GeoAnalytics Server。这意味着运行工具需要更长时间，并且在某些情况下，从 ArcGIS Pro 到 GeoAnalytics Server 移动数据可能会失败。失败的阈值取决于网络速度，以及数据的大小和复杂性。因此，建议您始终共享数据或创建大数据文件共享。
还可使用以下方法完成相似性分析：
语法
FindHotSpots(point_layer, output_name, {bin_size}, {neighborhood_size}, {time_step_interval}, {time_step_alignment}, {time_step_reference}, {data_store})| 参数 | 说明 | 数据类型 |
point_layer | 将要执行热点分析的点要素类。 | Feature Set |
output_name | 包含 z 得分和 p 值结果的输出图层的名称。 | String |
bin_size （可选） | 表示 point_layer 将聚合到的条柱大小和单位的距离间隔。距离间隔必须为线性单位。 | Linear Unit |
neighborhood_size （可选） | 分析邻域的空间范围。该值用于确定将哪些要素一起用于分析以便访问局部聚类。 | Linear Unit |
time_step_interval （可选） | 将用于时间步长的间隔。 此参数仅在启用了point_layer的时间时使用。 | Time Unit |
time_step_alignment （可选） | 指定时间步长对齐的方式。只有在输入点启用了时间且表示时刻时，此参数才可用。
| String |
time_step_reference （可选） | 将用于对齐时间步长和时间间隔的时间。此参数仅在启用了point_layer的时间时使用。 | Date |
data_store （可选） | 指定将用于保存输出的 ArcGIS Data Store。默认为 SPATIOTEMPORAL_DATA_STORE。存储在 SPATIOTEMPORAL_DATA_STORE 中的所有结果都将存储于 WGS84 中。存储在 RELATIONAL_DATA_STORE 中的所有结果都将保持各自的坐标系。
| String |
派生输出
| 名称 | 说明 | 数据类型 |
| output | 统计上显著的热点。 | 要素集 |
代码示例
以下 Python 窗口脚本演示了如何使用 FindHotSpots 工具。
#-------------------------------------------------------------------------------
# Name: FindHotSpots.py
# Description: Find Hots Spots of 311 calls for bins of 500 meters looking at neighbors withing 1 kilometers. Complete the analysis for each month.
#
# Requirements: ArcGIS GeoAnalytics Server
# Import system modules
import arcpy
# Set local variables
inFeatures = "https://sampleserver6.arcgisonline.com/arcgis/rest/services/SF311/FeatureServer/0"
bins = "500 Meters"
neighborhood = "1 Kilometers"
timeStep = "1 Months"
outFS = "HotSpotsOF311Data"
dataStore = "SPATIOTEMPORAL_DATA_STORE"
# Execute Find Hot Spots
arcpy.geoanalytics.FindHotSpots(inFeatures, outFS, bins, neighborhood, timeStep,
None, None, dataStore)环境
- 输出坐标系
将用于分析的坐标系。除非由该参数进行指定，否则将基于输入坐标系完成分析。对于 GeoAnalytics 工具，最终结果将存储于 WGS84 中的时空数据存储之内。
许可信息
- Basic: 需要 ArcGIS GeoAnalytics Server
- Standard: 需要 ArcGIS GeoAnalytics Server
- Advanced: 需要 ArcGIS GeoAnalytics Server