实验13地统计分析课件.ppt

试验十三 地统计分析,2009-5.31,激活Geostatistical Analyst工具,点击Tools菜单,选择extensions,激活Geostatistical Analyst 工具,激活Geostatistical Analyst,在ArcMap工具栏空白地方点击“右键”，选择”Geostatistical Analyst”，弹出如下右图所示工具栏,ArcGIS地统计分析模块在地统计学与GIS之间架起了一座桥梁。使得复杂的地统计方法可以在软件中轻易实现。体现了以人为本、可视化发展的趋势。地统计学的功能在地统计分析模块的都能实现，包括：（1）ESDA：探索性空间数据分析，即数据检查；（2）表面预测（模拟）和误差建模；（3）模型检验与对比。,ArcGIS地统计扩展模块的菜单非常简单，如下所示，但由此却可以完成完整的空间数据分析过程。,一个完整的空间数据分析过程，或者说表面预测模型，一般为:拿到数据，首先要检查数据，发现数据的特点，比如是否为正态分布、有没有趋势效应、各向异性等等（此功能主要由ExploreData菜单及其下级菜单完成）；然后选择合适的模型进行表面预测，这其中包括半变异模型的选择和预测模型的选择；最后检验模型是否合理或几种模型进行对比；（后两种功能主要由GeostatisticalWizard菜单完成）。CreateSubsets菜单的作用是为把采样点数据分成两部分，一部分作为训练样本，一部分作为检验样本。,我们下面的任务是根据测量所得到的某地臭氧浓度数据进行全区的臭氧浓度预测。首先检查数据的特点，然后根据数据特点用不同参数进行表面模型预测，随后比较不同模型的精确程序，选择最佳模型，最后制作成果图。,加载Geostatistics中的ca_ozone_pts文件.,(一)数据检查，即空间数据探索分析（ESDA）,此功能主要通过ExploreData菜单中实现。扩展模块提供了多种分析工具，这些工具主要是通过生成各种视图，进行交互性分析。如直方图、QQplot图、半变异函数/协方差图等。,(一)数据检查，即空间数据探索分析（ESDA）,（1）直方图显示数据的概率分布特征以及概括性的统计指标。,(一)数据检查，即空间数据探索分析（ESDA）,下图中所展示的数据，中值接近均值、峰值指数接近3。从图中观察可认为近似于正态分布。克里格方法对正态数据的预测精度最高，而且有些空间分析方法特别要求数据为正态分布,(一)数据检查，即空间数据探索分析（ESDA）,（2）正态QQ Plot图：检查数据的正态分布情况。作图原理是用分位图思想。直线表示正态分布，从图中可以看出数据很接近正态分布（左上角几个偏离的点被选中）。,(一)数据检查，即空间数据探索分析（ESDA）,(一)数据检查，即空间数据探索分析（ESDA）,（3）趋势分析图。蓝线表示南北方向，呈水平，可见南北方向无趋势。绿线表示东西方向，呈倒U形，可用二阶曲线拟合，在后面进行表面预测时将会去除。点击Rotete右边的方向旋转箭头（横向箭头），可旋转趋势图，更明显地显示某一个方向的趋势。,(一)数据检查，即空间数据探索分析（ESDA）,（4）Voronoi图 用来发现离群值。Voronoi图的生成方法：每个多边形内有一个样点，多变形内任一点到该点的距离都小于其他多边形到该点的距离，生成多边形后。某个样点的相邻样点便会与该样点的多边形有相邻边。至于多边形值的计算有多种方法，可以用生成多边形的样点值作为多边形的值（Simple方法），也可以以相邻样点的平均值为多边形的值（Mean方法），具体计算方法可以在Type下拉菜单中选择。,(一)数据检查，即空间数据探索分析（ESDA）,(一)数据检查，即空间数据探索分析（ESDA）,（5）半变异函数/协方差函数。该图可以反应数据的空间相关程度，只有数据空间相关，才有必要进行空间插值法。图表的横坐标表示任两点的空间距离，纵标表示该两点的半变异函数值。根据距离越近越相似的原理，因而x值越小，y值应该越小。,(一)数据检查，即空间数据探索分析（ESDA）,(一)数据检查，即空间数据探索分析（ESDA）,通过上面的数据检查，发现数据接近正态分布、有空间相关、无离群值、东西方向有倒U形趋势。决定使用普通克里格方法进行表面预测。下面的步骤是针对此数据进行的。将使用地统计模块的第二个菜单GeostatisticalAnalyst。,(二)制作表面预测图,第一步：选择输入数据和方法面板（ChooseInputDataandMethod）选择使用的数据及其属性：分别在Input和Attribute中选择 选择预测方法：在Methods中选择。预测方法的选择要根据数据分析的结果而定。现在假如选择Kriging方法（其实所谓地统计方法，最主要并且用的最多的就是Kriging方法的几种变化形式）。Validate是个可选项，选择使用何种方法对生成的预测图进行检验，如果想用检验方法，则选中此项并设置检验数据集和属性；如果对结果进行交叉检验，则不要选择此项。,(二)制作表面预测图,(二)制作表面预测图,第二步：地统计方法选择面板（GeostatisticalMethodSelection）选择OrdinaryKriging中的PredictionMap，即使用普通克里格方法生成一个表面预测图。普通克里格方法是最常用的地统计分析方法。其他几种依次为简单克里格、泛克里格、指示克里格、概率克里格、析取克里格。这集中克里格的区别是由于克里格的形式及其数据特点的不同。Transmition选项：对数据集进行转换，由于某些方法要求数据正态分布，因此如果数据与正态分布差距很大，可以在此选择一种方法对数据进行转换。Orderoftrend：如果数据在某方向上存在趋势，则为了提高预测的准确性，一般要剔除趋势。在此处选择趋势方程的阶数：线性、一阶、或无趋势等。数据的趋势有无以及阶数在数据检查时得到，即用ExploreData菜单下的Trendanalysis来分析得到。,(二)制作表面预测图,(二)制作表面预测图,第二步：地统计方法选择面板（GeostatisticalMethodSelection）选择OrdinaryKriging中的PredictionMap，即使用普通克里格方法生成一个表面预测图。普通克里格方法是最常用的地统计分析方法。其他几种依次为简单克里格、泛克里格、指示克里格、概率克里格、析取克里格。这集中克里格的区别是由于克里格的形式及其数据特点的不同。Transmition选项：对数据集进行转换，由于某些方法要求数据正态分布，因此如果数据与正态分布差距很大，可以在此选择一种方法对数据进行转换。Orderoftrend：如果数据在某方向上存在趋势，则为了提高预测的准确性，一般要剔除趋势。在此处选择趋势方程的阶数：线性、一阶、或无趋势等。数据的趋势有无以及阶数在数据检查时得到，即用ExploreData菜单下的Trendanalysis来分析得到。,(二)制作表面预测图,第三步：趋势剔除面板（Detrending）此面板只有在第二步中选择了Orderoftrend选项是才会出现，一般为缺省即可。,(二)制作表面预测图,第四步：半变异函数/协方差模型面板（Semivariogram/covarianceModeling）此步的主要功能为半变异函数建模，是预测过程中的实质性阶段。在此面板中需要设定许多与拟合半变异函数相关的选项以及半变异函数的参数。是克里格预测中十分关键的一个步骤。Semivariogram/covariance部分显示的是拟合的模型，紫线即半变异函数曲线。Models部分：model1,model2,model3表示可以用多个通用函数来拟和半变异函数模型。如果数据为各向异性，则需要选中Anisotropy（其实大多数空间数据是各向异性的，各向同性只是相对的。当选中此选项时，紫线变为多条，表示多个方向的拟合函数。ShowSearchDirection选项选中后，表示只搜索某个方向的半变异函数。Nugget：块金值，函数参数之一，即函数与y轴相交的y值。ErrorModeling：如果数据中有测量误差（比如一起原因等）的话，则选中此项，预测表面将光滑许多。,(二)制作表面预测图,(二)制作表面预测图,第五步：搜索区域面板（SearchingNeighbourhood）此面板的主要功能是设定预测某点数值时如何搜索邻近的已测量点。主要有样点数（neighboursto）和搜索形状（shape）两个选项。Neighboursto：最大搜索数目，离预测点太远的样点对预测无意义。Includeatleast：最小样点数目。Shape：设置如何搜索样点，有图解。,(二)制作表面预测图,(二)制作表面预测图,第六步：交叉验证面板（CrossValidation）在此面板中查看预测的精度，有四个图表，现以最左边的预测图表进行说明。图表的横坐标为测量制值，纵坐标为预测值，最理想的情况是数据呈1:!线，即图中的破折线。左下方的预测误差（precitederror）项是预测误差的一些统计值，可很好的体现预测的好坏。其中，Mean:0.0005718（预测误差的均值）；Root-Mean-Square:0.01154（预测误差的均方根）；AverageStandardError:0.01456（平均预测标准差）、MeanStandardized:0.02688（平均标准差）；Root-Mean-SquareStandardized:0.8463（标准均方根预测误差）。其中前四项越小越好，最后一项越接近1越好。右下方的项含有每个点的误差、标准差等数据，,(二)制作表面预测图,(二)制作表面预测图,第七步：数据图层信息面板（OutputLayerInformation）该面板中显示了在数据预测过程中设置的参数，可以查看。,(二)制作表面预测图,点击OK，即可生成预测图。,(二)制作表面预测图,模型比较 一般情况下，有时候某些参数难以判断，因而会生成几个预测表面，然后比较不同表面的精度，选择精度最高的作为结果。,(三)不同模型的比较,(三)不同模型的比较,(三)不同模型的比较,缺省情况下，生成的预测图按照采样数据的坐标范围显示成一个矩形。（如前面所示）现在要把它的范围显示到州界的范围。思路为先把预测表面外推，覆盖整个州界。在ArcMap目录表中右键单击预测表面名，在快捷菜单中选择Properties，在LayerProperties面板中点击Extent页；,(四)模型的外推,(四)模型的外推,在Settheextentto下拉菜单中选择acustomextententeredbelow，然后在下面的VisibleExtent项中设置坐标范围。（此图中分别设置为左：-240000，右：-1400000，上：860000，下-400000）。设置后结果如图。,(四)模型的外推,(四)模型的外推,(四)模型的外推,点击确定，得到结果：,在ArcMap目录表中右键单击Layers，选择Properties，点击DataFrame，,(五)范围限制,(五)范围限制,在CliptoShape项中选中Enable前的复选框，然后点击Specifyshape，在DataFrameClipping面板中指定限制图形为ca_outline，点击OK，点击确定。,(五)范围限制,(五)范围限制,