比较邻域概念化 (空间统计)—ArcGIS Pro

摘要

用于从一组候选空间权重矩阵 (SWM) 中选择最能代表一个或多个数值字段的空间模式（如趋势或聚类）的 SWM。

然后，可以在允许 .swm 文件用于其邻域类型或空间关系概念化参数值的工具中使用输出空间权重矩阵文件，例如双变量空间关联 (Lee's L)、热点分析 (Getis-Ord Gi*) 以及聚类和异常值分析 (Anselin Local Moran's I) 工具。

该工具通过根据每个候选 SWM 创建空间组件（称为 Moran 特征向量）并测试这些组件如何有效地表示输入字段的空间模式来选择 SWM。

了解有关 Moran 特征向量的详细信息

插图

使用情况

此工具的目的是通过测试哪些空间权重将产生相应空间组件，这些空间组件能够最精确地预测输入字段值，从而建议最能表示输入字段空间模式的邻域类型和权重方案（有时称为空间关系的概念化）。原因在于每个空间组件都有一个空间模式，而能够最精确地预测输入字段的组件即与输入字段具有最相似模式的组件。然而，这种建议的 SWM 并非旨在取代个人或专家对数据及其过程的了解。选择 SWM 进行分析时需要考虑很多因素，并且此工具仅使用空间组件预测输入字段的功能来确定建议的 SWM。在某些情况下，例如使用热点分析 (Getis-Ord Gi*) 工具时，存在用于选择 SWM 的其他方法，例如使用最大化数据空间自相关的距离范围（即优化的热点分析工具确定其邻域和权重的方式）。建议您尝试邻域和空间权重的替代方法，并使用最符合分析目标的方法。
将所有字段提供给输入字段参数，您将在后续使用输出 .swm 文件的分析中使用这些字段。例如，热点分析 (Getis-Ord Gi*) 工具仅需要一个字段，但双变量空间关联 (Lee's L) 工具需要两个字段。在为后续分析工具的邻域类型或空间关系概念化参数指定从文件获取空间权重选项后，可以在权重矩阵文件参数中提供输出 .swm 文件。
该工具将测试以下 SWM：
- 五个距离字段，每个都具有未加权、高斯和双平方核（总共 15 个）。最短距离范围是导致每个要素至少具有一个相邻要素的距离。最长距离范围是输入要素对角线范围的 20%。将通过在最短距离范围和最长距离范围之间均匀递增来创建其余三个距离范围。对于面要素，质心之间的距离用于确定距离和相邻要素。
- 四种不同的相邻要素数量（8、16、32 和 64），每种都具有无加权、高斯和双平方核（总共 12 个）。对于 K 个相邻要素，带宽将为自适应带宽，并且等于与第 (K+1) 个相邻要素的距离。如果输入要素数量小于 K，则将跳过大量相邻要素。例如，如果存在 50 个输入要素，则将跳过使用 64 个最近相邻要素的 3 个 SWM。对于面要素，质心之间的距离用于确定距离和相邻要素。
- 对于点要素，最终 SWM 为 Delaunay 三角测量邻域。对于面要素，最终 SWM 为邻接（边和拐角）邻域。
有关每个邻域和核加权的详细信息，请参阅邻域汇总统计的工作原理和空间关系建模。
地理处理消息包含邻域搜索历史记录表，其中显示了每个测试的 SWM 的详细信息（例如相邻要素的数量和加权方案）以及用于预测输入字段的 SWM 的校正 R 方值。该工具建议的 SWM 将为校正 R 方最大的 SWM，并将在表中以粗体显示并包含星号。
该工具将使用以下程序来确定建议的 SWM：
1. 对于每个 SWM，都会生成具有最大特征值（自相关性最强）的 Moran 特征向量。特征向量的数量等于要素数量的 25%，最多为 100 个。
2. 将过滤出任何具有负 Moran's I 值（即其为负自相关）的特征向量。
3. 在普通最小二乘法回归模型中，将使用特征向量作为解释变量来单独预测每个输入字段。
4. 将所有字段的总平方和与残差平方和相加，并计算组合的校正 R 方值。
5. 将返回具有最高校正 R 方值的 SWM。
以下参考文献中详细描述了该程序：
- Bauman, David, Thomas Drouet, Marie-Josée Fortin, and Stéphane Dray. 2018. "Optimizing the choice of a spatial weighting matrix in eigenvector-based methods." Ecology 99, no. 10: 2159-2166. https://doi.org/10.1002/ecy.2469.

参数

标注	说明	数据类型
输入要素	输入要素，包含用于选择 SWM 的字段。	Feature Layer
输入字段	输入字段，包含用于选择 SWM 的字段。	Field
输出空间权重矩阵	工具选择的相邻要素和权重的输出 .swm 文件。	File
唯一 ID 字段	输出 .swm 文件的唯一 ID 字段。该字段必须是整数，并且每个输入要素必须具有唯一的值。	Field

arcpy.stats.CompareNeighborhoodConceptualizations(in_features, input_fields, out_swm, id_field)

名称	说明	数据类型
in_features	输入要素，包含用于选择 SWM 的字段。	Feature Layer
input_fields [input_fields,...]	输入字段，包含用于选择 SWM 的字段。	Field
out_swm	工具选择的相邻要素和权重的输出 .swm 文件。	File
id_field	输出 .swm 文件的唯一 ID 字段。该字段必须是整数，并且每个输入要素必须具有唯一的值。	Field

代码示例

CompareNeighborhoodConceptualizations 示例 1（Python 窗口）

以下 Python 窗口脚本演示了如何使用 CompareNeighborhoodConceptualizations 函数：

# Select the spatial weights matrix (SWM) that best describes the 
# spatial patterns of POP_SQMI.

arcpy.env.workspace = r"c:\data\project_data.gdb"

arcpy.stats.CompareNeighborhoodConceptualizations(
    in_features="states",
    input_fields="POP_SQMI",
    out_swm=r"c:\data\states.swm",
    id_field="unique_id_field"
)

CompareNeighborhoodConceptualizations 示例 2（独立脚本）

以下独立脚本演示了如何使用 CompareNeighborhoodConceptualizations 函数：

# Select the spatial weights matrix (SWM) that best describes 
# the spatial patterns of two analysis field. 

import arcpy

# Set the current workspace.
arcpy.env.workspace = r"c:\data\project_data.gdb"

# Run the tool.
arcpy.stats.CompareNeighborhoodConceptualizations(
    in_features="myFeatureClass",
    input_fields="myAnalysisField1;myAnalysis Field2",
    out_swm=r"myOutputSWM.swm",
    id_field="myUniqueIDField"
)

# Print the tool messages.
print(arcpy.GetMessages())

环境

此工具不使用任何地理处理环境。

许可信息

Basic: 是
Standard: 是
Advanced: 是

摘要

插图

使用情况

参数

代码示例

环境

许可信息

相关主题

在本主题中