查找热点 (GeoAnalytics Desktop)

摘要

给定一组要素,使用 Getis-Ord Gi* 统计识别具有统计显著性的热点和冷点。

了解有关“热点分析 (Getis-Ord Gi*)”的工作原理的详细信息

插图

查找热点工具图示

使用情况

  • 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?

  • 使用条柱的分析要求您的输入已投影或输出坐标系设置为投影坐标系。 如果您的数据不在投影坐标系中,并且未设置投影坐标系,则将根据您分析的数据范围使用投影。

  • 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 Spark 作为支持。可在台式计算机上并行使用多个核来完成分析。要了解有关运行分析的详细信息,请参阅 GeoAnalytics Desktop 工具的注意事项

  • 运行 GeoAnalytics Desktop 工具时,将在台式计算机上完成分析。为获得最佳性能,应在桌面上提供数据。如果您使用的是托管要素图层,则建议使用 ArcGIS GeoAnalytics Server。如果您的数据不是本地数据,则运行工具需要更长时间。要使用 ArcGIS GeoAnalytics Server 执行分析,请参阅 GeoAnalytics Tools

  • 还可使用以下方法完成相似性分析:

    • “空间统计”工具箱中的 ArcGIS Pro 优化的热点分析地理处理工具。
    • “标准要素分析”工具箱中的 ArcGIS Pro 查找热点地理处理工具。

参数

标注说明数据类型
点图层

将要执行热点分析的点要素类。

Feature Layer
输出要素类

包含 z 得分和 p 值结果的输出要素类。

Feature Class
立方图格大小
(可选)

表示点图层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
邻域大小
(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
时间步长间隔
(可选)

将用于时间步长的间隔。 此参数仅在启用了点图层的时间时使用。

Time Unit
时间步长对齐
(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。

  • 结束时间时间步长将与最后一次时间事件对齐,并向后聚合时间。
  • 开始时间时间步长将与第一次时间事件对齐,并向前聚合时间。这是默认设置。
  • 参考时间时间步长将与指定日期或时间对齐。如果输入要素中的所有点具有的时间戳大于指定的参考时间(或时间戳刚好位于输入要素的开始时间),则时间步长间隔将以该参考时间为起始时间,并向前聚合时间(与使用起始时间对齐的情况相同)。如果输入要素中的所有点具有的时间戳小于指定的参考时间(或时间戳刚好位于输入要素的结束时间),则时间步长间隔将以该参考时间为结束时间,并向后聚合时间(与使用结束时间对齐的情况相同)。如果指定的参考时间处于数据时间范围的中间,则将以提供的参考时间结束创建时间步长间隔(与使用结束时间对齐的情况相同);其他间隔将在参考时间前后进行创建,直到覆盖数据的完整时间范围为止。
String
时间步长参考
(可选)

将用于对齐时间步长和时间间隔的时间。此参数仅在启用了点图层的时间时使用。

Date

arcpy.gapro.FindHotSpots(point_layer, out_feature_class, {bin_size}, {neighborhood_size}, {time_step_interval}, {time_step_alignment}, {time_step_reference})
名称说明数据类型
point_layer

将要执行热点分析的点要素类。

Feature Layer
out_feature_class

包含 z 得分和 p 值结果的输出要素类。

Feature Class
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。

  • END_TIME时间步长将与最后一次时间事件对齐,并向后聚合时间。
  • START_TIME时间步长将与第一次时间事件对齐,并向前聚合时间。这是默认设置。
  • REFERENCE_TIME时间步长将与指定日期或时间对齐。如果输入要素中的所有点具有的时间戳大于指定的参考时间(或时间戳刚好位于输入要素的开始时间),则时间步长间隔将以该参考时间为起始时间,并向前聚合时间(与使用起始时间对齐的情况相同)。如果输入要素中的所有点具有的时间戳小于指定的参考时间(或时间戳刚好位于输入要素的结束时间),则时间步长间隔将以该参考时间为结束时间,并向后聚合时间(与使用结束时间对齐的情况相同)。如果指定的参考时间处于数据时间范围的中间,则将以提供的参考时间结束创建时间步长间隔(与使用结束时间对齐的情况相同);其他间隔将在参考时间前后进行创建,直到覆盖数据的完整时间范围为止。
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

代码示例

FindHotSpots 示例(独立脚本)

以下独立脚本演示了如何使用 FindHotSpots 函数。

# Name: FindHotSpots.py
# Description: Find Hots Spots of 311 calls for bins of 500 meters looking at 
# neighbors within 1 kilometers. Complete the analysis for each month. 

# Import system modules
import arcpy

arcpy.env.workspace = "C:/data/Calls311.gdb"

# Enable time on the input features using a .lyrx file.
# To create the .lyrx file, add your layer to a map, open the layer properties 
# and enable time. Then right-click the layer and select Share As Layer File.
input_lyrx = r'C:\data\SanFrancisco_311calls.lyrx'

# MakeFeatureLayer converts the .lyrx to features
SF311CallsInputLayer = arcpy.MakeFeatureLayer_management(input_lyrx, "SF_311Calls_layer")

# ApplySymbologyFromLayer sets the time using the .lyrx file definition
arcpy.ApplySymbologyFromLayer_management(SF311CallsInputLayer, input_lyrx)

# Set local variables
bins = "500 Meters"
neighborhood = "1 Kilometers"
timeStep = "1 Months"
out = "HotSpotsOf311Data"

# Execute Find Hot Spots
arcpy.gapro.FindHotSpots(SF311CallsInputLayer, out, bins, neighborhood, timeStep)

许可信息

  • Basic: 否
  • Standard: 否
  • Advanced: 是

相关主题