ArcGIS 地统计学习指南
ArcGIS地统计分析
6.Crosscovariance Cloud （正交协方差函数云）
正交协方差函数云表示的是两个数据集中所有 样点对的理论正交协方差，用于多数据集协变 分析。 通过分析多因素（数据集）关联特征，在地统 计空间分析中可以有效利用这种相关特征增强 建模效果，如协同克里格插值分析。
二、Geostatistical Wizard 地统计分析向导（插值）
ArcGIS地统计分析功能是借助于ArcGIS地统计分析 模块（ArcGIS Geostatistical Analyst）来实现的。
模块介绍
（1）打开地统计分析扩展模块：单击ArcMAP界面上 “工具” ︱“扩展”命令，弹出“扩展”对话框，选 中Geostatistical Analyst的复选框。 （2）添加Geostatistical Analyst工具条。选择ArcMAP界 面上的“视图”菜单︱ “工具条”命令，确保 Geostatistical Analyst工具条被选中。之后，在ArcMAP 工具栏将出现Geostatistical Analyst工具条。
ArcGIS地统计分析
地统计（Geostatistics）又称地质统计，也可以称为空 间统计分析，其是统计学的一个分支。地统计学是以 区域化变量理论为基础，以变异函数（variogram）为 基本工具来研究分布于空间，并呈现出一定的随机性 和结构性的自然现象的科学。
区域化变量是由某一区域或范围内的不同空间位置所 取的不同数值构成的变量，大部分自然地理要素都属 于区域化变量，如气温、降水等等。
（3）利用Tools中的Add XY Data功能，将气象站 Excel数据表导入ArcGIS，然后Export Data，输出 为点图层。为了提高精度，加入陕西省周边临近站点， 查看陕西省内和周边站点的分布情况，选择60 km作 为缓冲距离，对省界生成缓冲区，保留省内（96个） 和缓冲区范围内（52个）共148个站点
利用ARCGIS进行地类计算与统计讲解
地类计算与统计一、数据准备。
应用到的数据包括社界（DWG文件）和所求年份的现状图（Shape或GeoDatabase）DWG文件的注记的插入点（Text为左下角点）要落在对应的社界面上，这样才能保证数据转换后注记和面层的一一对应。
二、数据处理。
数据的处理主要包括数据的转换、点面属性连接、数据相交三个部分。
2.1数据转换2.1.1建立数据集（1）点击打开ArcCatalog程序，找合适的路径然后【右键】→新建→PersonalGeodatabase：▽（2）新建数据库后，【双击】进入数据库，【右键】→新建数据集→输入名称外，其余使用默认设置，不用修改，直接【下一步】，直到【完成】：▽输入数据集名称▽坐标系统选Unknown(未知),或者用【导入】选DWG文件的投影▽容限使用默认即可，点击【完成】▽2.1.2将DWG数据导入数据集！！首先必须确定DWG文件的路径没有中文名（D:\pssj\sj.dwg），否则导入会一片空白（1）【双击】进入数据集aaa，【右键】→【导入】→【要素类（多个）】（2）在【Input Features】中添加DWG文件的注记层（Annotation）和面层（Polygon）▽添加注记和面层，然后点【确定】导入▽2.1.3检查修改面层的拓扑！！面层可能存在裂缝和重叠错误，这样会带来计算面积的错误，因此要进行拓扑的检查（1）数据集aaa中，【右键】→【新建】→【拓扑】（2）前面两步使用默认直接【下一步】，选择要素的时候勾选面层然后【下一步】▽使用默认等级，然后【下一步】▽添加拓扑规则，规则选择【不能重叠】和【不能有缝隙】，分两次添加，然后【下一步】▽点击【完成】，然后选【是】验证拓扑▽（3）修改拓扑错误打开ArcMap，添加aaa_Topology，即可看到拓扑检查结果（红色部分）可以看出，面层存在重叠，不存在裂缝，修要修改重叠部分，采用挖空的方法▽【编辑器】→【开始编辑】→用【选择工具】（）选中重叠部分：▽【编辑器】→【裁切】（clip，可以将与选择部分有重叠的所有面擦除）▽直接【确定】，对所有重叠部分重复以上步骤▽在ArcMap工具栏位置【右键】→【拓扑】调出拓扑工具栏→【验证全部拓扑】重新验证拓扑看还有没有拓扑错误▽修改完没有拓扑问题后，【编辑器】→【保存编辑】→【停止编辑】▽拓扑错误已经消除，可以进行下一步操作！！如果导入DWG文件的线层，然后用线层构面的话，可以省略掉拓扑检查和修改这一步，操作会相对简单些。
ArcGIS 9 教程_第10章 地统计分析
第十章地统计分析地统计分析方法被广泛应用许多领域，已成为空间统计学的一个重要分支。
很长时间以来，地统计分析一直没能很好的和GIS分析模型紧密结合在一起，这成为GIS软件一大遗憾。
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。
这种结合具有重要的开创性意义，通过测定预测表面的统计误差，GIS应用人员首次能够对预测表面的模型质量进行量化。
本章主要通过对地统计分析的概念介绍，逐步引导读者在ARCGIS中如何应用地统计分析解决实际问题。
10.1 地统计基础10.1.1 基本原理地统计（Geostatistics）又称地质统计，是在法国著名统计学家G. Matheron大量理论研究的基础上逐渐形成的一门新的统计学分支。
它是以区域化变量为基础，借助变异函数，研究既具有随机性又具有结构性，或空间相关性和依赖性的自然现象的一门科学。
凡是与空间数据的结构性和随机性，或空间相关性和依赖性，或空间格局与变异有关的研究，并对这些数据进行最优无偏内插估计，或模拟这些数据的离散性、波动性时，皆可应用地统计学的理论与方法。
地统计学与经典统计学的共同之处在于：它们都是在大量采样的基础上，通过对样本属性值的频率分布或均值、方差关系及其相应规则的分析，确定其空间分布格局与相关关系。
但地统计学区别于经典统计学的最大特点即是：地统计学既考虑到样本值的大小，又重视样本空间位置及样本间的距离，弥补了经典统计学忽略空间方位的缺陷。
地统计分析理论基础包括前提假设、区域化变量、变异分析和空间估值。
1.前提假设（1） 随机过程与经典统计学相同的是，地统计学也是在大量样本的基础上，通过分析样本间的规律，探索其分布规律，并进行预测。
地统计学认为研究区域中的所有样本值都是随机过程的结果，即所有样本值都不是相互独立的，它们是遵循一定的内在规律的。
因此地统计学就是要揭示这种内在规律，并进行预测。
arcgis学习--地统计分析
ArcGIS软件应用实验7一、实验目的使用默认参数值创建模型来生成臭氧浓度表面的整个过程。
二、实验内容1、学习Geostatistical Analyst 扩展模块2、生成臭氧浓度表面三、实验步骤(一)准备工作1、激活地统计模块在主菜单上，单击自定义→扩展模块，选中GeostatisticalAnalyst复选框，单击关闭；图1-1扩展模块2、调出地统计工具条在主菜单上，单击自定义→工具条→GeostatisticalAnalyst，GeostatisticalAnalyst工具条即被添加到ArcMap会话中；图1-2工具条3、添加数据单击标准工具工具条上的添加数据按钮添加数据，按住CTRL键并选择O3_Sep06_3pm和ca_outline两个数据集，单击添加。
图1-3添加数据4、修改属性1、右键单击内容列表中的ca_outline图层图例（图层名称下面的框），然后单击无颜色，确保图层无颜色，只有范围；图1-4无颜色2、双击内容列表中O3_Sep06_3pm图层的名称。
打开图层属性对话框，在图层属性对话框中，单击符号系统选项卡。
在显示对话框中，○1单击数量，然后单击分级色彩；○2在字段框中，将值设置为OZONE；○3选择“黑色到白色”色带，以便这些点可以在本教程将要创建的颜色表面之上凸出来；符号系统对话框应如下所示：图1-5分级符号3、经过属性修改后，图层如下：图1-6结果(二)使用默认选项创建表面使用默认GeostatisticalAnalyst设置创建（插值）臭氧浓度表面。
臭氧点数据集(O3_Sep06_3pm)将用作输入数据集，并采用普通克里金法对值未知的位置处插入臭氧值。
在一系列对话框中单击下一步来接受默认设置。
1、地统计分析对话框单击GeostatisticalAnalyst工具条上的GeostatisticalAnalyst箭头，然后单击地统计向导，将弹出地统计向导对话框；图2-1地统计工具条地统计向导对话框，在方法列表框中，单击克里金法/协同克里金法。
ArcGIS地统计分析实习指导书
ArcGIS地统计分析实习指导书实习内容：练习1：使用缺省参数创建一个表面练习2：数据检查练习3：制作臭氧浓度图练习4：模型比较练习5：制作超出某一临界值的臭氧概率图练习6：生成最终成果图预备知识：利用地统计分析模块，你可以根据一个点要素层中已测定采样点、栅格层或者利用多边形质心，轻而易举地生成一个连续表面。
这些采样点的值可以是海拔高度、地下水位的深度或者污染值浓度等。
当与ArcMap一起使用时，地统计分析模块提供了一整套创建表面的工具，这些表面能够用来可视化、分析及理解各种空间现象。
美国环保局负责对加利佛尼亚州的大气臭氧浓度进行监测。
臭氧浓度值是通过遍布全州的监测站来测定的。
已经知道所有监测站的臭氧值浓度，但是我们还想知道加利佛尼亚州其他任一地方的臭氧浓度值，但是考虑到费用以及实用性问题，我们不可能在任何地方都建立监测站。
地统计分析模块提供了许多工具，通过检测所有采样点之间的关系，生成一个关于臭氧浓度值、预测标差（不确定性）以及超出临界值的概率的连续表面，从而使对其他点的浓度值进行最佳预测成为可能。
在地统计分析模块的安装盘上，附有本次联系所需要的数据。
这些数据包括：数据集描述Ca_outline 加州轮廓图Ca_ozone_pts 臭氧采样点数据（单位：ppm）Ca_cities 加州主要城市位置图Ca_hilshade 加州山体阴影图臭氧数据集（Ca_ozone_pts）表示的是1996年中每八个小时时段内的臭氧平均浓度的最大值，以ppm为单位。
根据这些臭氧采样点的测量值，你可以生成两个连续表面（或地图），以现有的采样点数据为基础来预测加洲任意地方的臭氧浓度值。
创建第一张图时你只需要简单地使用缺省选项即可，你会看到根据采样点数据生成表面是多么容易的事情。
生成第二张图时，你可以较多的考虑采样点之间存在的空间关系，这时，你将要用到ESDA（空间数据探索分析）工具来检查你的数据。
你还会学习到一些地统计选项，利用这些选项，你可以创建诸如剔除趋势并且模拟空间自相关的表面。
Arcgis地统计图绘制
ArcGIS 地统计学习指南(一)1.1 地统计扩展模块简介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。
地统计学起源于克里格。
当时他用此法预测矿产分布，后来经过别人改进修改发展成为现在所用的据分析还有其他方法，如IDW（反距离加权插值法）等，但克里格方法是最主要、最常用的空间分主进行。
1.2表面预测主要过程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，发现正态分布、有没有趋势效应、各向异性等等（此功能主要由Explore Data菜单及其下级菜单完成进行表面预测，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能主要由Geostatistical Wizard…菜单完成）。
Create Subsets…菜单的作用是为把采样点数据训练样本，一部分作为检验样本。
下面将按上述表面预测过程进行叙述。
（注：[1]文章示例中所使用的数据为ArcGIS扩展模块中所带的学习数据（某地测得的臭氧含量样数据；[2]文章以操作方法介绍为主，所涉及到的地统计方法和基本理论一般未进行解释，可查阅作中所用到的某些参数为地统计中的标准名称的也未进行解释。
）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。
ArcGIS 地统计学习指南(二)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。
ArcGIS 地统计克里金插值
评论(25)ArcGIS 地统计学习指南(二)huangyustar2007-8-1 09:14ArcGIS 地统计学习指南(三)（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。
huangyustar2007-8-1 09:14ArcGIS 地统计学习指南(四)最后的两个图表是针对两个数据集而言的。
（6）普通Qqplot 分布图评估两个数据集分布的相似程度。
利用两个数据集中具有相同累积分布值的数据值来作图。
huangyustar2007-8-1 09:14ArcGIS 地统计学习指南(五)第四步：半变异函数/协方差模型面板（Semivariogram/covariance Modeling ）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。
在此面板中需要社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部分。
Semivariogram/covariance 部分显示的是拟和的模型，黄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，黄线变为多条，表示多个方向的拟合函数。
Show Search Direction 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。
ArcGIS：地统计
23.2.1 探索数据
本小节主要介绍探索数据功能模块的使用方法。数据探索功能 模块可以让用户更全面了解所使用的数据，以更好确定合适的 参数及方法，如数据是否服从正态分布、是否存在某种趋势等。
23.1.2 地统计的应用
地统计学与GIS应用软件的发展相辅相成、相互促进，ArcGIS 平台的地统计学扩展模块可供不同领域研究人员使用。 从这个意义上讲，ArcGIS的地统计分析扩展模块的应用实现了 地统计学与GIS学之间的结合，使得复杂的地统计方法可以在 地理信息系统软件平台23章 地统计
本章主要介绍地统计相关基础知识，地统计与地理信息系统相 结合的应用，以及在ArcGIS 10中地统计扩展模块的应用等内容。
23.1 地统计概念
本小节主要介绍地统计概念，以及地统计学与地理信息系统软 件平台相结合的应用。
23.1.1 什么是地统计
地统计学是以区域化变量理论为基础，通常用来描述空间结构， 为空间差值提供参数，并评估未采样点的不确定性。地统计学 空间差值方法称为克里格，由于相对于其他方法的空间差值其 具有公正的特点和优势，克里格已被广泛应用于许多科学学科。
23.2.4 使用帮助学习地统计扩展模 块
由于地统计扩展模块在行业应用中较之其他扩展模块相比不够 广泛，因此建议读者在需要的时候参考ArcGIS平台的自动帮助 系统。 该帮助系统分为两大部分，一部分是地统计扩展模块的教程， 一部分是帮助文档。在地统计分析扩展模块的工具条中都有相 应的命令按钮。
利用ARCGIS进行地类计算与统计讲解
利用ARCGIS进行地类计算与统计讲解ARCGIS是一种强大的地理信息系统软件，被广泛用于地理数据的收集、管理、分析和可视化。
其中一个重要的功能是利用ARCGIS进行地类计算与统计。
在这篇文章中，我们将详细讲解如何使用ARCGIS进行地类计算与统计。
首先，什么是地类计算与统计？地类计算与统计是指对地理空间数据进行分类和统计分析的过程。
通过对地理空间数据进行分类，我们可以将地球表面划分为不同的地类，如森林、湖泊、农田等。
而地类统计则是指对这些地类进行数量、面积和比例等统计分析。
在ARCGIS中，进行地类计算与统计有多种方法。
其中一种常见的方法是通过栅格数据进行分析。
首先，我们需要将矢量数据转换为栅格数据。
ARCGIS提供了多种栅格化工具，如“要素到栅格”工具和“栅格样本”工具，可以将矢量数据转换为栅格数据。
在进行转换时，还可以设置栅格像元的大小、压缩比例和像元值的分配方式等参数。
转换完成后，我们可以使用栅格计算器进行地类计算。
栅格计算器是ARCGIS中的一个强大的工具，可以对栅格数据进行代数、逻辑和统计运算。
例如，我们可以使用栅格计算器将不同的栅格数据相加、相减或相乘，从而得到地类的组合或交叉。
此外，栅格计算器还可以进行逻辑运算，如AND、OR和NOT等。
除了栅格数据，ARCGIS还支持矢量数据的地类计算与统计。
对于矢量数据的地类计算，首先需要将矢量数据进行分类。
ARCGIS提供了多种分类方法，如自然断点分类、分位数分类和等间距分类等。
通过选择合适的分类方法，可以根据不同属性的值将矢量数据分成不同的类别。
然后，我们可以使用“汇总统计”工具对每个类别进行统计分析。
该工具可以计算每个类别的数量、面积、平均值、最大值和最小值等统计指标。
在进行地类计算与统计时，还可以利用ARCGIS的空间分析工具进行更复杂的分析。
例如，我们可以使用“空间连接”工具对不同的地类进行空间连接分析，以确定它们之间的关系和相似性。
ArcGIS地理统计入门
普通克里金
普通克里金插值法中，μ为一个未知常量。 对于普通克里金法，我们所关心的主要问题 之一就是对常量平均值的假设是否合理。不 过，作为一种简单的预测方法，它具有显著 的灵活性，如果不知道应该用什么方法得到 结果，那就用它吧。
简单克里金
简单克里金插值法中，μ为一个已知常量，它 可以看做是普通克里金的一种特殊情况。 对于采样点多、均匀，完全没有趋势或者去除 趋势后没有趋势的情况下，推荐使用简单克里 金。
地统计模型建立
• 包括数据预处理。 • 地统计模型的选择。 • 以及搜索半径等参数设置。
校验模型产生结果
验证及交叉验证。.
预测结果及不确定性
地统计插值不仅能预测未采样位 置的值，还能量化预测的不确定 性。
名词解释
检验与交叉验证
校验模型产生结果
插值的目的是用已知点属性来预测未知点属 性。那么可以通过去未知点实际考察属性， 然后与预测值比较来检验插值结果。
基于确定性方法的空间插值
反距离权重法
基于确定性方法的空间插值
反距离权重法
又称距离倒数加权插值，如果一个区域内有多个点的搜索范围重叠，则这个区 域的值为两个点值的距离倒数加权值。
Inverse Distance Weights
Weight
Power = 1 Power = 2 Distance
确定性插值
• 在二阶平稳的假设下，半 变异函数等于空间差异 的平方的期望的一半。 • 他也可以写作一个与自 协方差相关的方程，正如 我们上一页PPT中说到 的，二阶平稳假设了相同 距离和方向的采样点之 间自协方差是相等的。 • 他的实际计算过程是通 过半变异函数云来基于 特定模型拟合最佳曲线。
地统计插值
半变异函数模型选择与参数设置
ArcGIS实战15、地统计分析
局部多项式插值方法的属性设置
局部多项式插值法内插结果
19
15.2.2空间插值
3）反距离权重法 反距离权重法，又称为距离反比加权法，它是一种加权移动平均法，以内插点与 样本点之间的距离为权重，属于确定性的内插方法。如果采样点在整个区域中均 匀分布且未聚类，则反距离权重法的效果最佳。
反距离权重插值法内插结果
泛克里金插值创建的概率图
25
15.2.2空间插值
4）指示克里金法 指示克里金法是一种非参数方法，无需了解数据的分析类型，该方法的特点是可 以将异常值对插值的影像降到最低，因此也是常用的方法之一。
指示克里金法插值的标准误差指示图
Байду номын сангаас
26
15.2.2空间插值
5）概率克里金法 概率克里金法是指示克里金法的一种改进。它不仅具有指示克里 金法的优点，即非参数和无分布特性，同时也减小了估计方差， 提高了插值精度，降低了指示克里金法的平滑作用。
析取克里金法的预测图
28
15.2.2空间插值
3、ArcGIS10新增的插值方法 含障碍的扩散插值法和含障碍的核插值法是AcGIS10地统计提供的 两种新的插值方法，它们也是独立的地理处理工具。 含障碍的扩散插值法是在研究区中考虑障碍的插值方法，可使用 不同的成本表面修改插值（扩散）过程以便更精确地构建感兴趣 的现象的模型。核插值是一阶局部多项式插值法一个变形，当评 估值仅存在较小偏差且比无偏差评估值更加精确时，可以将其作 为首选的评估值。
【直方图】对话框
6
15.2.1探索性空间数据分析工具
2、QQ分布 分位数——分位数图（又称QQ图）用来评估两个数据集分布的相 似程度。包括正态QQ分布图和常规QQ分布图。 正太QQ分布图是将已知数据集与正态分布数据集进行比较，检查 数据的正态分布情况。 常规QQ分布图对两个数据集进行比较，评估两个数据集分布的相 似程度。
利用ARCGIS进行地类计算与统计
利用ARCGIS进行地类计算与统计ARCGIS是一款强大的地理信息系统（GIS）软件，它提供了丰富的功能和工具，可以进行地类计算与统计。
地类计算和统计是研究地理区域内不同地物类型及其分布情况的重要方法之一，对于土地利用规划、环境保护和资源管理等方面都具有重要意义。
ARCGIS的地类计算与统计功能主要通过空间分析工具箱中的多个工具来实现。
下面将介绍一些常用的工具，并结合实际案例来说明其应用。
首先，ARCGIS提供了“分类（Classify）”工具，可以将栅格数据进行地类划分。
用户可以选择合适的分类方法，如自然断点法、等间距法等，根据栅格像素的值将其归类为不同的地类。
例如，在土地利用研究中，可以通过分类工具将遥感图像中的像素值划分为不同的土地利用类型，如耕地、林地、草地等。
然后，可以根据生成的分类结果进行进一步的统计分析。
其次，ARCGIS提供了“面积统计（Zonal Statistics）”工具，可以计算每个地类的面积。
该工具可以根据分类结果和原始栅格数据，将栅格单元格按照地类进行分组，然后统计每个地类的面积。
例如，在土地利用规划中，可以利用该工具计算每个地类在研究区内的面积，从而了解各个地类的分布情况和相对比例。
此外，ARCGIS还提供了“多条件查询（Select by Attributes）”和“交叠分析（Overlay Analysis）”等工具，可以进行地类的条件筛选和重叠分析。
通过多条件查询工具，用户可以根据特定的属性条件，筛选出符合条件的地类。
例如，在环境保护研究中，可以使用该工具筛选出湿地类别中受到威胁的区域。
而交叠分析工具可以将不同地类之间的空间关系进行定量分析，例如计算两个地类的相交面积或者求解包含了一些地类的区域。
最后，ARCGIS还提供了数据可视化工具，如图表生成工具和热力图工具等，可以将地类计算和统计结果以可视化的形式呈现出来。
通过数据可视化，可以更直观的了解和比较不同地类之间的特征和差异。
ArcGIS地统计分析
实验四 ArcGIS地统计分析一、实习内容1：使用缺省参数创建一个表面2：数据检查3：制作臭氧浓度图4：模型比较5：制作超出某一临界值的臭氧概率图二、实习过程练习1：利用缺省参数创建一个表面1.添加数据并调整显示设置：2.使用默认选项创建表面3.将该图层名称更改为 Default Kriging4.设置将预测表面的范围限制在加利福尼亚州之内：5. 右键单击内容列表,然后点击验证/预测.6.CA_cities_ozone图层的属性表：练习2：数据检查1.探索数据——直方图：2.探索数据——正态图：3.探索数据——趋势分析：4.旋转30度后的情况：5.探索数据——半变异函数／协方差云：练习3：制作臭氧浓度图1.再次使用普通克里金插值方法,但这次将在模型中纳入趋势和各向异性以做出更好的预测：2.搜索领域：3.交叉验证：4．右键单击所创建的 Trend Removed 图层,然后单击将输出更改为预测标准误差.练习4：模型对比1.右击趋势移除图层选择比较,在交叉验证对话框中自动比较"趋势移除"模型和"克里金模型".练习5：创建臭氧超出某一临界值的概率图1.打开地统计想到单击克里金法,然后在下一步中选择指示克里金法并确保阈值设置为超出,设置主阈值为0.09.2.将步长设置改为15000,将各向异性更改为 True 以考虑数据的方向特性.3.单击以选择表中指示值为 0 的一行.所选点将在蓝色阈值线左侧的散点图中以绿色显示.如果所选行的情况如下图所示,则预测与指示值完全相同.4.在"交叉验证"对话框中,单击完成,然后在"方法报告"对话框中,单击确定,显示概率图.5.在图层属性符号系统中选择等值线选项.6.单击分类按钮.在分类对话框中,将方法更改为"相等间隔",然后将类别更改为5.7.将 ca_hillshade 数据集添加到该视图.应将数据集添加到内容列表的底部,并使用白黑色带,然后设置透明度为 30%,然后单击确定.8.得到的臭氧概率分布图.三、实习总结本次实验主要练习地统计分析的操作,地统计分析的相关内容以前在资源环境信息系统课上曾经稍有接触,但那都是很简单的部分.而这次实验涉与对加利福尼亚州的臭氧值进行的分析操作则明显较为复杂,特别是模型生成的过程让人觉得颇有难度.但正所谓岁不寒无以知松柏,事不难无以显能耐.我认为多做这些有意义的练习才能让我们的软件操作能力有所提升.在此我非常感谢老师对我们的用心栽培.。
ArcGIS教程：地统计模型的组成
地统计(克里金法)模型包括多个组成部分：检查数据(分布、趋势、方向组成和异常值)，计算经验半变异函数或协方差值，根据经验值拟合模型，生成克里金方程矩阵以及对其进行求解以为输出表面中的每个位置获取预测值及其关联误差(不确定性)。
计算经验半变异函数
与大多数插值法一样，克里金法基于距离越近的事物就越相似这一基本原则(此处量化为空间自相关)。
经验半变异函数是一种发掘这种关系的方法。
在距离上彼此接近的点对应比互相远离的点对差异小。
在经验半变异函数中可检查使这种假设成立的范围。
拟合模型
拟合通过用点定义可提供最佳拟合的模型(下图中的蓝线)来实现。
也就是说需要找出一条线，使每个点和这条线之间的加权平方差尽可能小。
这称为加权最小二乘拟合。
此模型量化数据中的空间自相关。
创建矩阵
克里金方程包含在依赖于测量采样位置和预测位置的空间自相关的矩阵和矢量中。
空间自相关值来自于半变异函数模型。
矩阵和矢量确定分配给搜索邻域中的每个测量值的克里金权重。
进行预测
根据测量值的克里金权重，软件对包含未知值的位置计算预测值。
ArcGIS教程：地统计概念及相关知识点
ArcGIS教程：地统计一、什么是地统计地统计是统计的一类，用于分析和预测与空间或时空现象相关的值。
它将数据的空间(在某些情况下为时态)坐标纳入分析中。
最初，许多地统计工具作为实用方法进行开发，用于描述空间模式和采样位置的插值。
现在，这些工具和方法已得到了改进，不仅能够提供插值，还可以衡量所插入的值的不确定性。
衡量不确定性对于正确制定决策至关重要，因为其不仅提供插值的信息，还会提供每个位置的可能值(结果)的信息。
地统计分析也已从一元演化为多元，并提供了可融入用于补充(尽可能稀疏)主要感兴趣变量的辅助数据集的机制，从而可以构建更准确的插值和不确定性模型。
地统计在科学和工程的许多领域中广泛应用，例如：∙采矿行业在项目的若干方面应用地统计：最初需量化矿物资源和评估项目的经济可行性，然后需每天使用可用的更新数据确定哪种材料应输送到工厂以及哪种材料是废弃物。
∙在环境科学中，地统计用于评估污染级别以判断是否对环境和人身健康构成威胁，以及能否保证修复。
∙最近在土壤科学领域中的新应用着重绘制土壤营养水平(氮、磷、钾等)和其他指标(例如导电率)，以便研究它们与作物产量的关系和规定田间每个位置的精确化肥用量。
∙气象应用包括温度、雨量和相关的变量(例如酸雨)的预测。
∙最近，地统计在公共健康领域也有一些应用，例如，预测环境污染程度及其与癌症发病率的关系。
在所有这些示例中，普遍情形是某些地区中存在的一些感兴趣的现象(某一污染物对土壤、水或者空气的污染情况;要开采地区黄金或者其他金属的含量;等等)。
彻底的考察费用昂贵且耗费时间，所以通常由在不同的位置采样来对现象进行描述。
然后，使用地统计对未采样的位置进行预测(以及生成对预测的不确定性的相关度量值)。
地统计研究的概化工作流在地统计工作流中有详细描述。
二、地统计工作流这一主题将介绍地统计研究的概化工作流以及主要步骤。
正如什么是地统计中所述，地统计是用于分析和预测与空间现象或时空现象相关联的值的统计数据类。
利用ARCGIS进行地类计算与统计
利用ARCGIS进行地类计算与统计ArcGIS是一种强大的地理信息系统（GIS）软件，可以用于地类计算和统计。
地类计算是指利用GIS软件分析现有的矢量或栅格数据，确定地球表面的不同地类类型，如森林、湿地、城市等；而地类统计是指对地类数据进行数量和空间分布的统计分析。
在ARCGIS中进行地类计算与统计，可以按照以下步骤进行：1.数据准备：首先要准备好所需的地理数据。
这可以包括卫星遥感影像、地图矢量数据和栅格数据等。
确保这些数据的投影坐标一致，以便进行分析。
2. 数据导入：将准备好的数据导入ARCGIS中，可以使用ArcMap或ArcGIS Pro等软件来导入。
将矢量数据和栅格数据分别导入到对应的图层中。
3.数据预处理：进行数据预处理，包括数据的裁剪、栅格化和重分类等操作。
根据需要选择感兴趣的地区进行裁剪，然后将矢量数据转换为栅格数据，以便进行地类计算。
栅格数据的重分类可以将连续的数据转换为离散的地类类型。
4.地类计算：使用ARCGIS中的空间分析工具，如“栅格计算器”或“地表分析”等工具进行地类计算。
这些工具可以根据不同的分类方法，将地类类型进行提取或创建。
例如，可以根据遥感影像的颜色、纹理、植被指数等特征，将栅格数据划分为不同的地类。
5.地类统计：对计算出的地类数据进行统计分析。
可以使用ARCGIS 中的统计工具，如“统计图表”或空间统计工具来进行数量和空间分布的统计分析。
根据需要，生成统计表和图表，了解地类的数量、面积、分布等信息。
6.结果展示：将计算与统计的结果进行可视化展示。
使用ARCGIS中的制图功能，可以根据统计结果创建分级色彩地图或专题图，以便更直观地展示地类的分布情况。
7.结果分析：对计算和统计的结果进行分析，并根据需要进行后续的决策和规划。
通过比较不同地类的数量、面积和分布情况，可以了解地表环境的变化和演变过程，并为土地利用规划、环境保护等提供科学依据。
ARCGIS在地类计算与统计方面具有广泛的应用，可以应用于环境科学、土地利用规划、自然资源管理、城市规划等领域。
利用ARCGIS进行地类计算与统计汇总
利用ARCGIS进行地类计算与统计汇总ARCGIS（Arc Geographic Information System）是一种地理信息系统软件，可以用于进行地类计算与统计汇总。
地类计算与统计汇总是利用ARCGIS来分析地面覆盖类型的方式之一地类计算与统计汇总可以帮助我们了解一个地区的地表覆盖情况，以及不同地区之间地表覆盖的差异。
这对于环境保护、土地规划以及城市规划等方面都具有重要意义。
然后，我们需要对数据进行预处理。
这包括对数据进行清理、栅格化和投影转换等操作，以便进行后续的地类计算与统计汇总。
ARCGIS提供了一系列工具和功能来帮助我们完成这些预处理操作。
接下来，我们可以使用ARCGIS中的分类工具对数据进行分类。
分类是将地理数据根据其中一种标准划分为不同的类别。
在地类计算与统计汇总中，我们通常将地表覆盖类型划分为不同的类别，比如水域、耕地、建筑物等。
在完成分类之后，我们就可以进行地类计算与统计汇总了。
ARCGIS 提供了丰富的工具和功能来支持这些分析操作。
例如，我们可以使用ARCGIS中的统计工具来计算不同地类在研究区域的面积、数量、密度等指标。
我们还可以使用ARCGIS中的查询工具来筛选出特定类型的地表覆盖，以便进一步分析。
最后，我们可以使用ARCGIS中的制图工具将分析结果可视化。
通过制作地类统计图表、热力图或者空间分布图，我们可以更直观地展示不同地区的地表覆盖情况。
ARCGIS提供了丰富的地图样式和图层设计选项，可以帮助我们制作出美观、易于理解的地理图表。
总之，利用ARCGIS进行地类计算与统计汇总是一种强大的分析工具。
通过ARCGIS，我们可以获取、清理、分类和分析地理数据，了解地表覆盖的情况，并将结果可视化呈现出来。
这对于环境保护、土地规划和城市规划等领域都具有重要意义，可以帮助决策者做出科学、合理的决策。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ArcGIS 地统计学习指南ArcGIS 地统计学习指南(一)1.1 地统计扩展模块简介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。
地统计学起源于克里格。
当时他用此法预测矿产分布，后来经过别人改进修改发展成为现在所用的据分析还有其他方法，如IDW（反距离加权插值法）等，但克里格方法是最主要、最常用的空间分主进行。
1.2表面预测主要过程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，发现正态分布、有没有趋势效应、各向异性等等（此功能主要由Explore Data菜单及其下级菜单完成行表面预测，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主要由Geostatistical Wizard…菜单完成）。
Create Subsets…菜单的作用是为把采样点数据分成两本，一部分作为检验样本。
下面将按上述表面预测过程进行叙述。
（注：[1]文章示例中所使用的数据为ArcGIS扩展模块中所带的学习数据（某地测得的臭氧含量样据；[2]文章以操作方法介绍为主，所涉及到的地统计方法和基本理论一般未进行解释，可查阅相关所用到的某些参数为地统计中的标准名称的也未进行解释。
）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。
ArcGIS 地统计学习指南(二)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。
1.3数据检查，即空间数据探索分析（ESDA）此功能主要通过Explore Data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、QQ plot图、半变异函数/协方差图等。
∙（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。
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。
∙（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）。
（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。
ArcGIS 地统计学习指南(三)（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。
（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。
如果任意两点的值都要计算，当采样点很多时，数据量便很大，因而根据距离和方向对样点距离进行了分组。
下列参数便是为此要求而设置：Lag，步长值；Number of，步长组数。
步长值和步长组数之乘积应小于采样点区域的坐标范围的一半。
如下图。
ArcGIS 地统计学习指南(四)最后的两个图表是针对两个数据集而言的。
（6）普通Qqplot分布图评估两个数据集分布的相似程度。
利用两个数据集中具有相同累积分布值的数据值来作图。
（7）正交协方差函数云。
横坐标：两点间的距离；纵坐标：两点间的距离所对应的样点对的理论正交协方差。
择某些样点，在ArcMap图层及其他分析图中同样会选中这些点。
如下图。
后面将在数据检查的基础上进行表面预测。
1.4制作表面预测图：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Geostatistical Analyst……。
第一步：选择输入数据和方法面板（Choose Input Data and Method）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。
第二步：地统计方法选择面板（Geostatistical Method Selection）选择Ordinary Kriging中的Prediction Map，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。
Order of trend：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Explore Data菜单下的Trendanalysis来分析得到。
第三步：趋势剔除面板（Detrending）此面板只有在第二步中选择了Order of trend选项是才会出现，一般为缺省即可。
ArcGIS 地统计学习指南(五)第四步：半变异函数/协方差模型面板（Semivariogram/covariance Modeling）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。
在此面板中需要社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部分。
Semivariogram/covariance部分显示的是拟和的模型，黄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，黄线变为多条，表示多个方向的拟合函数。
Show Search Direction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。
Error Modeling：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。
第五步：搜索区域面板（Searching Neighbourhood）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（neighbours to）和搜索形状（shape）两个选项。
Neighbours to：最大搜索数目，离预测点太远的样点对预测无意义。
Include at least：最小样点数目。
Shape：设置如何搜索样点，有图解。
ArcGIS 地统计学习指南(六)第六步：交叉验证面板（Cross Validation）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（precited error）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）；Average Standard Error:0.01456（平均预测标准差）、Mean Standardized:0.02688（平均标准差）；Root-Mean-Square Standardized: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，第七步：数据图层信息面板（Output Layer Information）该面板中显示了在数据预测过程中设置的参数，可以查看。
点击OK，即可生成预测图。
ArcGIS 地统计学习指南(七)1.5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。
（Ordinary Kriging表面是用上述过程中的方法生成的预测表面，default是用缺省的参数得到的预测表面）右键点击Ordinary Kriging并选择Compare…，即会出现下面的检验面板。
To后面即为要对比的预测表面。
通过下面的预测参数，很容易便可看出，Ordinary Kriging的精度明显高于Default。
ArcGIS 地统计学习指南(八)1.6最终成果展示缺省情况下，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，然后再用州界进行限定，把表面限制在州界的范围。
第一步：外推。
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Layer Properties面板中点击Extent页；在Set the extent to下拉菜单中选择a custom extent entered below，然后在下面的Visible Extent项中设置坐标范围。