多距离空间聚类分析 (Ripley's K 函数) (空间统计)

摘要

确定要素(或与要素相关联的值)是否显示某一距离范围内统计意义显著的聚类或离散。

了解更多有关多距离空间聚类分析工作原理的信息

插图

K Function Graphic
Measure of spatial clustering/dispersion over a range of distances.

用法

语法

MultiDistanceSpatialClustering_stats (Input_Feature_Class, Output_Table, Number_of_Distance_Bands, {Compute_Confidence_Envelope}, {Display_Results_Graphically}, {Weight_Field}, {Beginning_Distance}, {Distance_Increment}, {Boundary_Correction_Method}, {Study_Area_Method}, {Study_Area_Feature_Class})
参数说明数据类型
Input_Feature_Class

要对其执行分析的要素类。

Feature Layer
Output_Table

将要写入分析结果的表。

Table
Number_of_Distance_Bands

针对聚类而递增邻域大小和分析数据集的次数。分别在“开始距离”和“距离增量”参数中指定的增量的起点和大小。

Long
Compute_Confidence_Envelope
(可选)

置信区间通过将要素点(或要素值)随机放在研究区域中计算。随机放置的点/值的数量与要素类中的点的数量相同。每组随机放置都称为“排列”,置信区间就通过这些排列创建。此参数用于选择要使用多少排列来创建置信区间。

  • 0_PERMUTATIONS_-_NO_CONFIDENCE_ENVELOPE不创建置信区间。
  • 9_PERMUTATIONS随机放置了 9 组点/值。
  • 99_PERMUTATIONS随机放置了 99 组点/值。
  • 999_PERMUTATIONS随机放置了 999 组点/值。
String
Display_Results_Graphically
(可选)
  • NO_DISPLAY不会创建图形汇总(默认值)。
  • DISPLAY_IT图形汇总将以图层形式创建。
Boolean
Weight_Field
(可选)

数字字段,包含代表每个位置的要素/事件数量的权重。

Field
Beginning_Distance
(可选)

开始聚类分析的距离及开始增量的距离。为此参数输入的值应使用“输出坐标系”的单位。

Double
Distance_Increment
(可选)

每次迭代过程中要递增的距离。分析中使用的距离于“开始距离”处开始,以“距离增量”中指定的数量增加。为此参数输入的值应使用“输出坐标系”的单位。

Double
Boundary_Correction_Method
(可选)

对于研究区域的边附近要素的相邻点数低估情况进行校正所采用的方法。

  • NONE不应用边校正。但是,如果输入要素类已有点落在研究区域边界之外,则这些点将用于边界附近要素的邻域计数。
  • SIMULATE_OUTER_BOUNDARY_VALUES此方法模拟研究区域外的点,以便边附近的相邻点数不被低估。所模拟点是研究区域边界内边附近的点“镜像”。
  • REDUCE_ANALYSIS_AREA此方法收缩研究区域,以便某些点可在研究区域边界外被发现。在研究区域外发现的点用于计算相邻点数目,但不可用于聚类分析自身。
  • RIPLEY'S_EDGE_CORRECTION_FORMULA对于点 i 的邻域中的所有点 (j),此方法通过检查来了解是否研究区域的边离 i 更近,或者是否 j 离 i 更近。如果 j 更近,则将额外权重提供给点 j。此边校正方法仅适用于形状为方形或矩形的研究区域。
String
Study_Area_Method
(可选)

指定要用于研究区域的区域。K 函数对研究区域大小的变化很敏感,因此认真选择此值很重要。

  • MINIMUM_ENCLOSING_RECTANGLE指示将使用封闭所有点的最小矩形。
  • USER_PROVIDED_STUDY_AREA_FEATURE_CLASS指示定义研究区域的要素类将在“研究区域要素类”参数中提供。
String
Study_Area_Feature_Class
(可选)

描绘应在其中分析输入要素类的区域的要素类。仅在研究区域方法参数选择了用户提供的研究区域要素类时需要指定。

Feature Layer

代码示例

Multi-DistanceSpatialClusterAnalysis 示例(Python 窗口)

以下 Python 窗口脚本演示了如何使用 Multi-DistanceSpatialClusterAnalysis 工具。

import arcpy
arcpy.env.workspace = r"C:\data"
arcpy.MultiDistanceSpatialClustering_stats("911Calls.shp","kFunResult.dbf", 11,"0_PERMUTATIONS_-_NO_CONFIDENCE_ENVELOPE","NO_REPORT", "#", 1000, 200,"REDUCE_ANALYSIS_AREA","MINIMUM_ENCLOSING_RECTANGLE", "#")
Multi-DistanceSpatialClusterAnalysis 示例(独立 Python 脚本)

以下独立 Python 脚本演示了如何使用 Multi-DistanceSpatialClusterAnalysis 工具。

# Use Ripley's K-Function to analyze the spatial distribution of 911
# calls in Portland Oregon 

# Import system modules
import arcpy

# Set the geoprocessor object property to overwrite existing outputs
arcpy.gp.overwriteOutput = True

# Local variables...
workspace = r"C:\Data"

try:
    # Set the current workspace (to avoid having to specify the full path to the feature classes each time)
    arcpy.env.workspace = workspace

    # Set Distance Band Parameters: Analyze clustering of 911 calls from
    # 1000 to 3000 feet by 200 foot increments
    numDistances = 11
    startDistance = 1000.0
    increment = 200.0

    # Process: Run K-Function...
    kFun = arcpy.MultiDistanceSpatialClustering_stats("911Calls.shp",
                        "kFunResult.dbf", numDistances,
                        "0_PERMUTATIONS_-_NO_CONFIDENCE_ENVELOPE", 
                        "NO_REPORT", "#", startDistance, increment,
                        "REDUCE_ANALYSIS_AREA",
                        "MINIMUM_ENCLOSING_RECTANGLE", "#")

except:
    # If an error occurred when running the tool, print out the error message.
    print arcpy.GetMessages()

环境

输出坐标系

在分析之前,会将要素几何投影到“输出坐标系”,因此为“开始距离”和“距离增量”参数输入的值会与“输出坐标系”中指定的值一致。所有数学计算都基于输出坐标系空间参考

相关主题


7/10/2012