导读

今后的一段时间都会抽空为大家介绍一些GIS空间分析的小案例，基本都是参考

一些十分优秀的教材，希望对大家有所启迪，也欢迎大家分享自己的idea~

中国南方台语地名分布

基本理论    

移动搜索法（FCA）是以某点为中心画一个圆或者正方形作为滤波窗口，用窗口内的平均值（或点密度）作为该点的值。单纯的标注智能粗略地看到台语地名在空间分布上的疏密情况，用FCA则可以形象地显示台语地名在空间分布上的变化。

核密度估计法与FCA类似，均要用一个滤波窗口来定义近邻对象。不同的是，FCA中所有对象参与者平均值计算时的权重相同，而在核密度估计中，距离较近的对象，权重较大。核密度估计可以得到研究对象密度变化的图示，空间变化是连续的。

空间插值也是空间数据分布趋势研究的一种重要方法。空间插值有整体和局部插值两种模式。整体插值借助所有已知点的数据来估计未知值；局部插值借助未知点周边的样本来估计未知值。关于选择局部还是选择全局插值法没有明确的界限，仅能视情况而定。空间插值的方法有许多，如大家熟知的克里金、趋势面、反距离加权等，关于具体的原理，这里不在多讲，推荐阅读北京大学邬伦教授编著的地理信息系统原理方法与应用。

这三种方法可以从不同层面展示属性数据的空间分布特征，比起单纯的属性分类显示效果要好，然而无论如何，分类显示是相对准确的数据，这三种方法过程中或多或少夹杂了估计得成分，结果是趋近准确值的估测量。

数据准备    

 

实验过程    

一、FCA平滑

1、 e00格式转换为coverage，将准备数据加载到ArcGIS中（Conversion ToolsTo CoverageImport From e00）。

2、 计算各点之间的距离矩阵（Analysis ToolsProximityPiont Distance）

计算50km以内的点的距离矩阵，存储为dist_50km.dbf

3、 利用qztai的FID属性和dist_50km.dbf的NEAR_FID属性，将qztai链接到dist_50km.dbf上。此时，该距离矩阵就具有了TAI属性。

4、 使用Select By Attributes选择某窗口内的距离矩阵（DISTANCE<=？KM），比如15km，选择好后导出，即可获得该窗口下的距离矩阵。使用Summarize以INPUT_FID为基准汇总TAI，即可获得该窗口下台语地名数和总的地名数，对二者进行比值运算即得台语地名的比重，此时，我们就将二值数据转换为了比值数据。

5、 结果制图及敏感性分析

我们可以多做几个窗口的平滑实验分析平滑的敏感性，以确定恰当的窗口（我只做了以下两个，只能看出窗口越大标准差越小，说明越平滑）

二、基于核密度平滑

关于核密度分平滑操作比较简单，选择适当的搜索范围与输出栅格大小，在Population field中选择TAI，运行即可获得核密度平滑结果（Spatial AnalysisDensityKernel Density）。

核密度结果是一个连续的面，显示了波峰与波谷的分布态势。但是密度值只是表示相对集中度，并不像FCA的比值结果有一定意义。

因此，在论文书写或者项目结果分析中，使用两种方式的结合来说明点属性的分布情况会更加有效。

三、空间插值表面建模

1、全局趋势面法

使用之前链接了指定窗口的数据（一、4所产生的数据），进行全局趋势面插值。使用Geostatistical Wizard（如下图）或Geostatistical Analysis中Interpolation中的 Global Polynomial即可，大家可能觉得这个英文怎么翻译都是全局多项式，但是趋势面实际就是一种多项式法，这个大家可以参见书本原理。

点击下一步之后选择多项式次数就可以查看插值的RMS及其他参数。

2、此外，使用反距离加权和简单克里金对数据进行插值对比，具体的操作步骤和上边相同，只是其中具体的参数设定还需要根据实际情况进行详细设计。

实验结果    

一、用FCA计算的台语地名比重

二、核密度平滑

三、空间插值（GPI IDW Kriging）

GIS承载梦想

新的学期，新的开始，大家一起努力！！！