基于ArcGIS平台的空间点模式的集成与应用_朱海燕
基于gis与地理元胞自动机（geo-ca）模型的城市空间扩展模拟研究——以呼和浩特市为例
基于ＧＩＳ与地理元胞自动ＯＬ（Ｇｅｏ－ＣＡ）模型的城市卒同扩展模拟研字卜以呼和浩特市为例元胞空间表现为一个首尾相接的“圈”。
对于二维空间，上下相接，左右相接，而形成一个拓扑圆环面（ｔｏｒｕｓ），形似车胎或甜点圈。
周期型空间与无限空间最为接近，因而在理论探讨时，常以此类空间型作为试验。
反射型（ＲｅｆｌｅｃｔｉｖｅＢｏｕｎｄａｒｙ）指在边界外邻居的元胞状态是以边界为轴的镜面反射。
■！—］］口…皿；口例如在一维空间中，当ｒ＝ｌ时的边界情形：‘ｕ趾矿定值型（ＣｏｎｓｔａｎｔＢｏｕｎｄａｒｙ）指所有边界外元胞均取某一固定常量，如０，ｌ等．需要指出的是，这三种边界类型在实际应用中，尤其是二维或更高维数的构模时，可以相互结合。
如在二维空间中，上下边界采用反射型，左右边界可采用周期型（相对边界中，不能一方单方面采用周期型）。
③构形：是在某个时刻，在元胞空间上所有元胞状态的空间分布组合。
通常，在数学上它可以表示为一个多维的整数矩阵。
（３）邻居（ｎｅｉｇｈｂｏｒ）：以上的元胞及元胞空间只表示了系统的静态成分，为将“动态”引入系统，必须加入演化规则。
在地理元胞自动机中，这些规则是定义在空间局部范围内的，即一个元胞下～时刻的状态决定于本身状态和它的邻居元胞的状态。
因而，在指定规则之前，必须定义一定的邻居规则，明确哪些元胞属于该元胞的邻居。
在一维元胞自动机中，通常以半径ｒ来确定邻居，距离一个元胞ｒ内的所有元胞均被认为是该元胞的邻居。
二维元胞自动机的邻居定义较为复杂，但通常有以下几种形式（我们以最常用的规则四方网格划分为例），见图３·２，黑色元胞为中心元胞，灰色元胞为其邻居，它们的状态一起来计算中心元胞在下一时刻的状态。
（ａ）Ｖｏｎ．Ｎｅｕｍ姗型（ｂ）Ｍｏｏｒｅ型（ｃ）扩展的Ｍｏｏｒｅ型图３－２元胞自动机的邻居模型Ｆｉｇ．３－２ＮｅｉｇｈｂｏｒＭｏｄｅｌｓｏｆＣｅｌｌｕｌａｒＡｕｔｏｍａｔａ内蒙古师范大学硕士学位论文图４．１研究区域地理位置示意图Ｆ培４．１Ｔｈｅｓｃｈａｍａｔｉｃｍａｐｏｆｇｅｏｇｒａｐｈｉｃａｌｌｏｃａｔｉｏｎｏｆｓｔｕｄｙ∞呼和浩特是中国实施西部大开发战略中重要的中心城市之一，也是北方沿边开放地区重要的中心城市和商业贸易中心。
ArcGIS产品及功能介绍
Page 60
3.1建立数据表
中国科学院计算技术研究所教育中心
1、建立各种格式（点、线、面、注记），对于 geodatabase格式，要先建geodatabase，在 ArcGIS9.0以后不需要设置坐标的范围，所有平面 都有12位，所有数据范围都是一致的，经纬度又 是一样的，SHP文件没有坐标范围，由数据确定。
中国科学院计算技术研究所教育中心
Page 27
1、简单标注字段—有些标注部分
中国科学院计算技术研究所教育中心
只部分标注，或则不同标注不一样
Page 28
2、复杂标注(中级）
中国科学院计算技术研究所教育中心
1分式注记 [UseCode] &vbnewline& "————— "&vbnewline& [ObjName]
单一符号， 一个图层一个样式
透明设置，按字段所占的百分比，值 越小，透明度越高
中国科学院计算技术研究所教育中心
使用：Chinadata\shp\省 级行政区.shp，下面相同Page 9
唯一值专题，一个字段
中国科学院计算技术研究所教育中心
Page 10
唯一值专题中特殊应用-分组
中国科学院计算技术研究所教育中心
中国科学院计算技术研究所教育中心
Page 37
修改注记的参考比例尺
中国科学院计算技术研究所教育中心
Page 38
2、注记编辑
中国科学院计算技术研究所教育中心
Page 39
2、注记编辑，插入内容
写注记和其他 可以将Feature转
arcgis心得体会分享
arcgis心得体会分享关于arcgis心得体会分享（通用5篇）当我们积累了新的体会时，往往会写一篇心得体会，这样能够培养人思考的习惯。
但是心得体会有什么要求呢？以下是小编为大家整理的关于arcgis心得体会分享，欢迎大家借鉴与参考，希望对大家有所帮助。
arcgis心得体会分享篇1老早之前就听闻Arcgis这个软件的大名，可惜学校迟迟没有开设这个课程，之前曾经出去兼职学了点皮毛，一直都想好好学习一下这个软件，终于在这个学期，在GIS软件应用课上可以系统地学习一下Arcgis。
通过本学期的学习，对ArcGIS有了很深的了解和学会了一些基本的应用，现在谈一谈我本学期学习ArcGIS的心得体会。
地理信息系统即Geographic(al) Information System(GIS),是随计算机硬件、软件技术的发展和应用而在20世纪60年的末期产生的在计算机硬件和软件支持下，对任意尺度的地球表层空间的各种地理数据进行采集、组织、存储、管理、运算、统计、分析、显示、输出、描述和再现、模拟、记录与传输的技术系统、方法和科学。
而ArcGIS 是一个用于构建定制应用的完整的嵌入式GIS组件库。
利用ArcGIS Engine提供的组件，可以将ArcGIS的功能集成到一些应用软件之中，如Word、Excel。
其中服务器GIS分别有ArcSDE、ArcIMS、ArcGIS Server。
而ArcSDE是ArcGIS与关系型数据库之间的GIS通道；ArcIMS是一个可伸缩的网络地图服务器软件，是网站能够提供GIS数据、交互式地图以及特定的GIS应用；ArcGIS Server是一个用于构建集中管理、支持多用户的企业级GIS应用的平台。
ArcGIS Server提供了丰富的GIS功能，例如地图、定位器和用在中央服务器应用中的软件对象。
除了服务器GIS之外还有移动GIS即ArcPad，ArcPad是用于移动Windows设备的移动制图和GIS技术。
11班级空间分析第1章导论
空间分析—ArcGIS应用花利忠2014-04-14课程简介空间分析是地理信息系统（GIS）的核心与灵魂，是GIS与其它信息系统相区别的主要标志之一。
《空间分析》课程是GIS专业本科生的专业必修课程，拟通过该门课程的学习，使学生掌握主流GIS软件——ArcGIS的主要操作，加深对GIS基本原理的理解和领会，并能够熟练运用ArcGIS软件完成地理空间数据的提取、处理与分析应用。
课程有关说明•该门课程为空间信息与数字技术专业本科生的专业必修课程，计划学时44学时。
•成绩主要由平时成绩（30％）和期末考试成绩（70％）组成。
平时成绩：课堂考勤+回答问题+实验报告报课程主要内容•ArCGIS体系特征•ArcGIS基本操作•空间数据的采集与组织•空间数据的转换与处理•空间数据可视化表达——专题地图制作¾ArcGIS空间分析导论¾栅格数据空间分析¾矢量数据空间分析¾三维分析¾水文分析¾空间分析建模主要参考资料–ArcGIS地理信息系统空间分析实验教程(第2版). 汤国安&杨昕,科学出版社, 2012.–GIS软件应用实验指导书. 杨克诚, 网络资源.–地理信息系统实习教程. 宋小东&纽新毅, 科学出版社, 2005.–ArcView地理信息系统空间分析方法. 汤国安,科学出版社, 2005–地理信息系统导论. Kang-tsung Chang 著/陈健飞译, 科学出版社,2003.Advantages•University Thesis（毕业设计）•Scientific research project（科研项目）•Paper －>Promotion (晋升)朝鲜半岛夜晚灯光对比明显金正恩怒斥西方别有用心美国国家航空航天局（NASA）人均能源消耗量739千瓦时和10162千瓦时SCI、EI、ISTP三大检索系统介绍•SCI、EI、ISTP是世界三大重要检索系统，其收录论文的状况是评价国家、单位和科研人员的成绩、水平以及进行奖励的重要依据之一。
基于GIS的地下水空间分析系统的设计
图3
系统总体结构
空间分析决策子系统主要实现任意区域地下 水信息的查询 , 根据查询结果对该地区水资源、 水环
图2 子系统间数据流程图
境和水开发利用进行评价, 辅以地下水开发利用的 决策意见 . 地下水图形数据管理子系统主要对地下 水图形数据进行编辑、 查询、 空间分析和制作 专题 图, 同时具有地下水年储变量计算等专业功能. 地下
第 26 卷 第 1 期 2005 年 3 月
首都师范大学学报 ( 自然科学版 ) Journal of Capital Normal University ( Natural Science Edition)
Vol. 26, No. 1 Mar. 2005
基于 GIS 的地下水空间分析系统的设计
朱少霞
( 1 首都师范大学资源环境与旅游学院
1
*
诸云强
2
孙
颖
3
北京
100037; 2 中国科学院地理科学与资源研究所 北京 100037)
北京 100101;
3 北京市地质工程勘察研究院水资源研究所
摘
要
以往的地下水管理信息系统主要是在商用地理信息系统软件平台上开发出来的 , 其专业 应用模型与 系统平台 之间 不能实现无缝集成 . 鉴于此 , 笔者设计实现了基于组件式地理信息系统技术的地下 水空间管 理系统 , 实现了地 下水空间管理模型与地理信息系统之间的有机集成 . 在 ESRI 公司生产的地理信息系统组件 ( MapObjects) 基础上 , 开 发出具有通用地理信息系统功能和地下水空间管理功能的 应用型 信息系 统 . 在 该系统 支持下 , 用户 可以实 现地下 水资源计算、 分析和评价等的常用功能 . 在 Visual Basic 开发环 境下 , 利用 OpenGL 的函数 库和数 据库引 擎 ( ADO) 在 系统中实现了三维可视化以及系统与常用关系数据库的数据通讯 .
第12章 ArcGIS矢量数据的空间分析
12.2
叠置分析
叠加分析是指将同一地区、同一比例尺、 叠加分析是指将同一地区、同一比例尺、同一数学基础和 不同信息表达的两组， 不同信息表达的两组，或多组专题要素的图形或数据文件进行 叠加， 叠加，根据各类要素的图形和属性建立具有多重属性组合的新 图层的空间分析方法。 图层的空间分析方法。ArcGIS中矢量数据的叠置分析主要分 中矢量数据的叠置分析主要分 为6种，即擦除、查看、相交、对称差、联合和更新。 种 即擦除、查看、相交、对称差、联合和更新。
第12章 12章
ArcGIS矢量数据的空间分析 ArcGIS矢量数据的空间分析
空间分析是综合分析空间数据的技术的通称。 空间分析是综合分析空间数据的技术的通称。空间分 析有着十分丰富的内涵， 析有着十分丰富的内涵，它是构成地理信息系统的核心部分 之一，在整个地理数据的应用中发挥着举足轻重的作用， 之一，在整个地理数据的应用中发挥着举足轻重的作用，也 区别与其他信息系统的一个显著标志。 是GIS区别与其他信息系统的一个显著标志。矢量数据的空 区别与其他信息系统的一个显著标志 间分析是GIS空间分析的主要内容之一。 空间分析的主要内容之一。 间分析是 空间分析的主要内容之一 ArcGIS矢量数据的空间分析主要是基于点、线和面 矢量数据的空间分析主要是基于点、 矢量数据的空间分析主要是基于点 线和面3 种基本形式。 种基本形式。在ArcGIS中，矢量数据的空间分析主要是缓 中 冲区分析、叠置分析和网络分析等。 冲区分析、叠置分析和网络分析等。
Hale Waihona Puke 2.1.1 缓冲区分析概述缓冲区是指地理空间目标的一种影响范围或服务范围。 缓冲区是指地理空间目标的一种影响范围或服务范围。如 城市的噪音污染源所影响的一定空间范围，公共设施（商场， 城市的噪音污染源所影响的一定空间范围，公共设施（商场， 邮局，银行，医院，车站，学校等）的服务半径，铁路、 邮局，银行，医院，车站，学校等）的服务半径，铁路、公路 以及航运河道对其所穿过区域经济发展的重要性等。 以及航运河道对其所穿过区域经济发展的重要性等。 1．缓冲区分类 ． 2．缓冲区分析研究 ． 3．矢量数据的缓冲区分析 ．
基于ArcGIS的空间自相关分析模块的开发与应用_魏晓峰
1 空间自相关分析
空间自相关分析可分以下 3个过程 :首先建立空间权 值矩阵 , 以明确研究对象在空间位置上的相互关系 ;其次 进行全局空间自相关分析 , 判断研究区域空间自相关现
象的存在性 ;最后进行局部空间自相关分析 , 找出空间自 相关现象存在的局部区域 。
目前常用的检测空间自相关现象的分析模型有 M oran’ s I和 Geary’ s C 等 , 本模块采用 M oran’ s I模型进行 分析 。 M oran’ s I指数包括 G lobalM oran’ s I和 LocalM oran’ s I, 分别用来进行全局空间自相关与局部空间自相关 分析[ 1] 。
存在着一种空间负相关现象 。
LocalM oran’ s I可以看作是 G lobalM oran’ s I的各区
域分量 , 它反映了各区域的空间自相关现象对区域整体
空间自相关的影响程度 。
M oran’ s I的显著性检验通常用 z值来衡量 , z 值是标
准化了的 I值 。其计算公式如下 :
ZI
=I S-DE[
V o .l 28, N o. 6 D ec. , 2005
基于 ArcGIS的空间自相关分析 模块的开发与应用
魏晓峰 , 吴健平
(华东师范大学 地理信息科学教 育部重点实验室 , 上海 200062)
摘 要 :针对目前 G IS的空间分析能力 , 利用 ArcO b jects开发了空 间自相关 分析模 块 。模块包 括空间权 值矩阵 建立 、全局空间自相关分析 、局部空间自相关分 析三方 面的功能 , 并可以 嵌入到 A rcG IS系统 中 。论文介 绍了空 间自相关分析的基本概念 、空间自相关分析模块的设计与开发 , 并演示了模块的应用 。 关键词 :空间自相关 ;权值矩阵 ;A rcO b jects 中图分类号 :P208 文献标识码 :B 文章编号 :1672 - 5867(2005)06 - 0077 - 04
如何使用地理信息系统进行空间分析和建模
如何使用地理信息系统进行空间分析和建模地理信息系统（Geographic Information System，简称GIS）是一种集成了地理空间数据、数据管理、数据查询与分析等功能的计算机技术系统。
它能够对地理空间数据进行处理、分析、管理和可视化展示，帮助人们更好地理解和利用地理空间信息。
本文将讨论如何使用GIS进行空间分析和建模。
一、GIS的数据源和数据处理GIS的核心是地理空间数据，这些数据可以来自不同的来源。
例如，卫星遥感数据、地理测量数据、地理位置数据等。
这些数据需要进行预处理，如数据清洗、数据转换和数据空洞填补等，确保数据的质量和完整性。
二、GIS的空间分析GIS的空间分析是指利用地理信息系统进行地理空间数据的计算和分析。
它可以帮助人们了解地理空间数据之间的关系和模式，提供决策支持和问题解决的依据。
常见的空间分析包括距离分析、连通性分析、空间插值分析等。
（1）距离分析距离分析是根据地理空间数据之间的距离关系进行分析。
它可以计算点之间的欧氏距离、弗雷歇距离和马哈拉诺比斯距离等。
通过距离分析，我们可以找出最近的点、分析空间的聚集程度、计算交通时间等。
（2）连通性分析连通性分析是指通过地理空间数据之间的连接关系，分析网络的连通性和路径选择。
它可以计算两个地点之间的最短路径，评估交通网络的流动性。
连通性分析在城市规划、物流管理和应急救援等领域有着广泛的应用。
（3）空间插值分析空间插值分析是利用已知的采样点数据，推算未知位置的值。
例如，气象站的气温数据可以通过空间插值分析，得到整个区域的气温分布图。
常见的空间插值方法包括反距离加权法、克里金插值法和三角网插值法等。
三、GIS的空间建模空间建模是指利用地理空间数据和GIS技术，构建地理现象的数学模型和计量模型。
通过空间建模，我们可以对地理空间现象进行预测和模拟，评估不同影响因素的作用和相互关系。
（1）地理作用因素的模型构建地理作用因素是指对地理空间现象产生影响的因素。
ArcGIS空间分析模块学习指南
ArcGIS空间分析模块学习指南ArcGIS具有功能强大、应用领域非常广泛，在社会公共安全与应急服务、国土资源管理、遥感、智能交通系统建设、水利、电力、石油、国防、公共医疗卫生、电信等方面和领域都有深入的应用。
强大的空间分析功能是ArcGIS9的特点与核心之一。
无论对于栅格数据还是矢量数据、低维的点、线、面对象还是三维动态对象，都可以通过其空间分析功能的实现得到较为理想的结果。
ArcGIS9的空间分析模块（ArcGIS Spatial Analyst）功能的实现主要是基于栅格数据进行的，其可以完成常用的数据转换、分析、统计、分类和显示等功能。
空间分析模块是Arcgis9进行空间分析的主要模块，但其并不囊括Arcgis9的所有空间分析功能，其他的一些模块可以帮助用户进行专题性较强、较有特色的空间分析，如统计分析模块、三维分析模块等。
ArcGIS9的空间分析功能主要包括于空间分析模块、3D分析模块、地统计分析模块、分析模块、跟踪分析模块等之中，如图所示。
对于空间分析功能的实现，各模块具有各自的特点和优势，这里就其能够实现的功能和特点作一简要的说明。
ArcGIS Spatial Analyst模块，是ArcGIS Desktop中增加了一组全面的高级空间建模和空间分析工具，应用ArcGIS Spatial Analyst，用户可从现存数据中得到新的数据，分析空间关系和空间特征，应用空间分析模块可以进行：1、距离制图（Distance）：直线距离函数（Straight Line）、分配函数（Allocation）、成本距离加权函数（Cost Weighted）、最短路径函数（Shortest Path）。
2、密度制图（Density）：密度制图中内插的是密度，也是就是每个栅格的值不是绝对值，而是用绝对值除以了搜索范围的面积。
3、栅格插值（Interpolate to Rastor）：反距离权重插值（Inverse Distance Weighted）、样条函数插值（Spline）、克里格插值（Kriging）。
ArcGIS地理信息系统空间分析实验教程PPT第章矢量数据的空间分析
ArcGIS地理信息系统空间分析实验教程PPT第章矢量数据的空间分析矢量数据与空间分析在地理信息系统中，矢量数据是一种常用的表示地理空间信息的形式。
矢量数据由一系列构成要素的点、线和面构成，每个要素都具有一组坐标和属性信息。
矢量数据可以用来表示地图上的各种要素，如建筑、道路、河流等。
空间分析是地理信息系统中非常重要的一个分支，它是利用矢量数据进行空间分析、空间统计和空间建模的过程。
空间分析可以用来分析各种地理问题，如地理环境、交通运输、城市规划等。
空间分析主要包括以下几个方面：•空间查询和筛选•空间测量和量算•空间统计分析•空间模型分析矢量数据的基本操作在进行空间分析之前，我们需要对矢量数据进行一些基本的操作，如创建新的图层、编辑要素、选择要素等。
下面是一些常用的矢量数据操作：创建新的图层在 ArcMap 中创建新的图层非常简单，只需要选择 File -> New -> Map Document，然后在新建的地图文档中创建新的图层即可。
可以通过右键单击图层名字来选择图层的类型，如点、线、面等。
编辑要素在 ArcMap 中编辑要素可以手动编辑，也可以通过导入数据进行编辑。
在编辑模式下，可以添加新的要素、删除现有的要素、移动要素等。
选择要素在进行空间分析之前，我们需要选择要素并进行操作。
ArcMap 中提供了多种选择方式，如框选、属性筛选等。
可以通过右键单击图层选择 Selection -> Select By Attributes 或 Selection -> Select By Location 进行要素选择。
矢量数据的空间分析ArcMap 提供了多种空间分析工具，如缓冲区分析、点密度分析、热点分析等。
下面我们将介绍一些常用的空间分析操作。
缓冲区分析缓冲区分析是指从某个要素对象生成一个缓冲区，即在该要素周围生成一段距离范围内的区域。
缓冲区分析可以用来分析道路的周围环境、城市的规划等。
基于ArcGIS Engine的软件平台开发
基于ArcGIS Engine的软件平台开发
马翠萍
【期刊名称】《华北国土资源》
【年(卷),期】2010(000)001
【摘要】针对众多领域存在数据量大,难组织、难管理、不能直观地将数据表现出来和进行有效分析等问题,项目组成员利用ESRI发布的ArcGIS Engine开发组件包,开发出了一套专门针对大容量空间数据的管理系统,解决了一些客观存在的问题.目的是为我中心更好的服务于社会提供有力的技术支持.
【总页数】3页(P49-51)
【作者】马翠萍
【作者单位】山西省遥感中心,山西,太原,030001
【正文语种】中文
【中图分类】P27
【相关文献】
1.基于ArcGIS Engine的地震灾区无人机影像三维建模软件开发 [J], 刘宇;黄亮亮;陈怡;张琳;赵丹妮
2.基于ArcGIS Engine的地震应急快速成图软件的设计与实现 [J], 余思汗; 李伟; 王建勇; 刘超; 单帅帅
3.基于ArcGIS Engine的雨量数据管理软件开发 [J], 郭永禧;师艳;剧成宇
4.基于ArcGIS Engine的宁夏震中参考地名查询软件的实现 [J], 余思汗;高雷雷;单帅帅;杨顺;刘超;王建勇
5.基于ArcGIS Engine的宁夏震中参考地名查询软件的实现 [J], 余思汗;高雷雷;单帅帅;杨顺;刘超;王建勇
因版权原因，仅展示原文概要，查看原文内容请购买。
农业3S技术—S技术集成应用
GIS、RS和GPS三者集成利用，构成为整体的、实时的和动态的对地观测、分析和应用的运行系统，提高了GIS的应用效率。
3S技术集成应用
RS
GPS
GIS 管理、查询、更新、分析、评价
3S集成系统的实时空间定位、 一体化数据管理、 语义和非语义信息的自动提取、 数据自动更新、 数据实时通信、 集成化系统设计方法以及图形和影像的空间可视化
为了实现真正的3S技术集成，需要研究和解决3S集成系统设计、实现和应用过程中出现的一些共性的基本问题
3S技术集成应用
RS与GIS集成
1.RS为GIS提供信息源 RS数据是GIS的重要信息来源，GIS则可作为RS图像解译的强有力的辅助工具。利用 RS数据可以进行各种地物要素的提取、DEM数据的生成，以及水土保持和水土流失动 态变化和地图信息更新。GIS作为图像处理工具，可以进行几何纠正和辐射纠正、图像 分类和感兴趣区域的选取。RS与GIS的结合实质是数据转换、传输、数据配准。
3S技术集成应用
全球 定位 系统
空间 定位
遥感 获取
地理 信息
管理、查 询、更新、 空间分析、 应用评价
地理 信息 系统
GIS+R S
七壤理化信息 生物信息
小区气象信息 甘蔗生长信息
GIS+E S
地理信息系统
专家系统 信息流程图
Байду номын сангаасGIS+GP S
滴灌控制系统 施肥
甘蔗砍运
GIS：地理信息系统 RS：遥感技术 ES：智能决策系统 GPS：全球定位系统
3S技术集成应用
3S技术集成应用
RS遥感
3S技术
GIS地理信息系 统
GIS全球定位系 统
基于ArcGIS的地图集索引快速制作
基于ArcGIS的地图集索引快速制作
尹言军;刘美春
【期刊名称】《城市勘测》
【年(卷),期】2010(000)006
【摘要】利用ArcGIS实现了地图集索引的快速制作,满足当前快速生产的需要,缩短了地图生产时间.
【总页数】3页(P123-124,128)
【作者】尹言军;刘美春
【作者单位】武汉市勘测设计研究院,湖北,武汉,430022;武汉市勘测设计研究院,湖北,武汉,430022
【正文语种】中文
【中图分类】P209
【相关文献】
1.基于ArcGIS－CorelDraw的方言地图集制作与研究--以广西平话方言地图集为例 [J], 周冬梅;童新华;李连进
2.ArcEngine快速制作地图集地名索引 [J], 赵梦琪; 杨娇
3.基于ArcGIS和Photoshop快速建立矿产资源符号库及制作专题图的研究 [J], 刘宝;孙雷
4.基于Arcgis的倾斜摄影三维模型索引制作与应用 [J], 张恒宇;钟远生;周文辉
5.基于ArcGIS的地质灾害电子地图快速制作方法研究 [J], 杜江丽;岳军红;郑苗苗因版权原因，仅展示原文概要，查看原文内容请购买。
空间点模式分析
空间点模式分析目录一、内容综述 (2)二、空间点模式分析概述 (3)三、数据收集与处理 (4)1. 数据来源 (5)2. 数据预处理 (6)3. 数据格式转换 (7)四、空间点模式类型 (8)1. 均匀分布 (9)2. 集群分布 (9)3. 线性分布 (10)4. 其他分布类型 (11)五、空间点模式分析方法 (12)1. 描述性统计分析 (13)2. 空间自相关分析 (14)3. 热点分析 (15)4. 空间回归模型分析 (15)六、空间点模式分析的应用领域 (17)1. 城市规划 (18)2. 犯罪地理学分析 (19)3. 生态系统研究 (20)4. 交通流量分析 (21)七、案例分析 (22)1. 案例背景介绍 (23)2. 数据收集与处理过程 (24)3. 空间点模式类型识别 (25)4. 空间点模式分析方法应用 (27)5. 结果分析与讨论 (28)八、空间点模式分析的挑战与未来趋势 (29)1. 数据获取与处理难度 (30)2. 分析方法的适用性 (31)3. 跨学科合作与整合研究 (33)4. 未来技术与方法发展趋势 (34)九、结论 (35)一、内容综述随着科学技术的进步，空间点模式分析已成为研究空间数据的重要方法之一。
它通过识别数据中的空间关系和模式，为城市规划、环境监测、交通管理等领域提供了有力的支持。
本文将对空间点模式分析的基本概念、方法及其在各个领域的应用进行综述。
空间点模式分析的基本概念包括空间点、空间关系和空间模式等。
空间点是指在空间中具有坐标和属性的点，如建筑物、道路等。
空间关系是指空间点之间的相互位置和距离，如邻接关系、距离关系等。
空间模式则是指空间点之间的空间分布规律，如集群、廊道等。
空间点模式分析的方法主要包括基于统计的方法、基于图的方法和基于机器学习的方法。
基于统计的方法主要利用统计学原理对空间数据进行描述和建模，如空间自相关、空间分布拟合等。
基于图的方法则是将空间点之间的关系表示为图的形式，通过图论中的算法进行空间模式分析，如最大熵模型、随机游走等。
空间信息共享服务平台解决方案
空间信息服务生态环境随着3S技术的发展和应用日益向深度和广度挺进，特别是Google Earth为广大公众提供了全新的空间信息服务体验后，空间信息及其服务已经不再神秘。
各国各级政府都在积极规划和实施各自的空间信息基础设施建设，并在此基础上向企业和公众提供空间信息服务。
我国“数字城市地理空间框架”已被列为国家测绘局“十一五”重点建设项目。
2008年，国家测绘局又提出了建设“全国地理信息公共服务平台”的宏大构想。
与此同时，国土、规划、市政、环保、城建等国家级和城市级行政主管部门以及大量的企业也都在自己的IT规划和治理中自觉地引入或整合3S技术，将空间信息的处理、分析和展示融入到各自行政和业务管理流程中的各个环节，并开始以服务的形式对内对外提供。
空间信息服务，已经实实在在地朝着我们的生产、生活的各个方面走来。
当众多的空间信息服务在基于服务的聚合技术支持之下不断熔合、重组和派生时，我们发现，在打造数字地球、数字城市、数字区域和数字领域等等的过程中，实际上是在构建一个空间信息服务的生态环境。
以高速宽带和大容量为基本特征的计算机服务与网络交换系统，以及多源、多尺度、多时态、多分辨率、多专题的海量空间数据存储、处理、分析、展示和发布系统，共同构成了空间信息服务生态环境的基础。
此生态环境中，数字城市地理空间框架和地理信息公共服务平台扮演了土壤和地衣的角色。
大量的政府部门和企业，其管理职能和业务特性决定了他们将是各类空间信息及其相关业务信息服务的提供者同时也是享用者，是空间信息服务生态环境中的各色“物种”。
这些“物种”本身及其相互共享熔合的依存关系，构成了空间信息服务生态环境的关键要素。
早在1965年，美国生物学家保罗.埃利希和彼特.拉文就提出了“共生演化”的概念，认为生物界普遍存在的现象是“共生演化”而非“生存竞争”。
用“共生演化”来描述空间信息服务生态环境的生存模式比较贴切。
该生态环境中的各色“物种”，大致可以分为两种层次：一是空间信息及其服务的原始提供者，或称为原生信息服务源，如：测绘局、国土局、规划局、城建局、环保局、电信、石化、物流、邮政等政府部门和企业。
一种基于ArcGIS技术的地理信息数据采集装置[实用新型专利]
![一种基于ArcGIS技术的地理信息数据采集装置[实用新型专利]](https://img.taocdn.com/s3/m/a4b22be3bb68a98270fefa3d.png)
专利名称：一种基于ArcGIS技术的地理信息数据采集装置专利类型：实用新型专利
发明人：王玉蒙,李晓鸥,张冯园
申请号：CN202020110607.6
申请日：20200118
公开号：CN211425502U
公开日：
20200904
专利内容由知识产权出版社提供
摘要：本实用新型公开了一种基于ArcGIS技术的地理信息数据采集装置，涉及数据采集技术领域，解决的技术问题是现有技术数据采集设备分散，不容易携带，难以实现多通讯。
本实用新型的采集装置包括移动设备，所述移动设备设置有ArcGIS数据接口、GPS数据接口以及无线数据接口，所述移动设备通过ArcGIS数据接口连接有GIS模块，所述移动设备还通过GPS数据接口连接有GPS模块。
本实用新型通过ArcGIS数据接口、GPS数据接口以及无线数据接口的方式实现地理信息数据的采集和处理，采集装置为便携式设备，方便使用。
申请人：山东国建土地房地产评估测绘有限公司
地址：250101 山东省济南市高新技术产业开发区舜风路322号13号楼2-201
国籍：CN
更多信息请下载全文后查看。
实现ArcGIS环境下的确认性空间数据分析功能
实现ArcGIS环境下的确认性空间数据分析功能杨海军;应龙根【摘要】在地理信息科学领域,空间分析扮演着中心的作用.但目前的地理信息系统商业软件中,空间分析功能仍是一个薄弱环节;即便是美国ESRI公司的ArcGIS,其空间分析模块也仅仅局限于探索性空间数据分析的功能,从而极大地限制了地理信息系统作为空间决策支持平台的作用.本研究的目标便是解决这一问题.我们经过反复实践实现了ArcGIS环境下的确认性空间数据分析功能,包括古典线性回归模型和空间计量经济学模型的标准诊断、估计、以及可靠性检测的复杂算法.通过对ArcGIS 的二次开发,真正实现了地理信息系统和空间分析功能的全面集成.【期刊名称】《南京晓庄学院学报》【年(卷),期】2007(023)003【总页数】10页(P68-76,81)【关键词】经典线性回归模型;空间计量经济学模型;空间自相关;空间异方差【作者】杨海军;应龙根【作者单位】华东师大,地理信息科学教育部重点实验室,上海,200062;华东师大,地理信息科学教育部重点实验室,上海,200062【正文语种】中文【中图分类】P22自二十世纪九十年代以来，以信息技术为主要标志的科学进步日新月异，正深刻地改变着人类社会的生产和生活方式．鉴于人类活动所涉及的信息80%以上属空间信息，可由地理坐标确定其空间区位，美国已将发展空间信息科学视为提升国家竞争力水平的重要途径之一．1998年美国国家地理信息与分析中心(NCGIA)在其跨世纪的研究规划中提出了发展地理信息科学(GIScience)的Varenius计划［1］．Varenius计划的一个重要研究方向就是实现地理信息系统和空间数据分析模拟功能的一体化．地理信息系统是一个空间数据库，其中的每一个数据都对应着一对地理坐标．由于这些坐标属于绝对地理坐标，GIS的空间分析能力也因此而局限于一个绝对地理空间内［2］．但真正有意义的空间分析(如空间分布、空间依赖性、空间相互影响、空间过程等)则是基于一个相对空间的测度进行的［3］．鉴于空间数据的多维多方向性，空间数据所包含的误差远比单一方向性的时间序列数据来得复杂．这种复杂的空间误差(spatial error)直接造成了空间数据的空间自相关性(spatial autocorrelation)以及空间非均质性(spatial heterogeneity)，从而使得在分析时间序列数据基础上发展起来的经典统计学和计量经济学方法在处理空间数据时总是失误［4-6］．最近国际学术界发展起来的空间统计学与空间计量经济学不仅解决了标准统计方法在处理空间数据时的失误问题，更重要的是为测量这种空间联系及其性质、并在建模时明确地引入空间联系变量提供了全新的思路．美国的ESRI公司基于地理信息科学的最新动态，率先在ArcGIS软件中增设了空间分析模块;通过集成地理信息系统和主流空间分析的基本功能，从而将地理信息系统的空间分析能力从绝对空间扩展到了相对空间．但是，Luc Anselin［5］和Robert Haining［6］将空间分析分为两大类:探索性空间数据分析和确认性空间数据分析．而目前ArcGIS软件中的空间分析模块，仅仅包括了探索性空间数据分析的功能(图1);从而极大地限制了它的空间数据分析能力．确认性空间数据分析之所以重要，在于它涉及理论模型经验实证的可靠性．确认性空间数据分析一般从理论建模开始，然后用空间数据对模型进行检验或确认，所以称作确认性空间数据分析．待检验的理论可以是空间的，如空间过程或空间相互影响模型;也可以是非空间的，如多区域经济模型，但模型的估计和校准是基于使用空间数据来完成的．这类数据的性质，也就是说空间依赖性和空间非均质性，要求使用特殊的统计(或统计经济学)方法，而与模型中理论的性质无关．现阶段研究得比较透彻的有对标准回归模型中空间影响的诊断、空间位滞模型和空间误差模型．目前可以进行确认性空间数据分析的软件唯有美国TerraSeer，Inc．公司2002年发布的《SpaceStatTM-1．93》，但可惜并不是一个GIS软件．为了全面实现GIS和空间分析功能的集成，本文试图实现ArcGIS环境下的确认性空间数据分析功能．在以下的部分，我们将首先讨论广义的空间关系模型，并在此基础上设计空间权重矩阵的构造;然后讨论确认性空间数据分析的主流模型;接下来比较我们二次开发的ArcGIS环境下确认性空间数据分析功能与《SpaceStatTM-1．93》确认性空间数据分析功能的计算结果;最后对本次开发的成效进行总结．从广义上来说，空间分析是空间现象的定量化研究，它强调区位、区域、距离及其相互影响．因此，真正的空间分析必然包含着对区位、区域、距离及其相互影响的空间分析，问题是如何将他们定量化．地理学第一定理［7］指出:在地球表面，每一事物都和其它事物相联系，而距离越近则它们的联系也越强．为了准确无误地理解“近”与“远”在特定环境中的意义，研究对象的观测值需要参照它们分别在空间中的区位．地理学和区域科学都是基于相对区位的空间研究而发展起来的，这一相对区位就是空间关系．空间关系同时处理区位信息和属性数据．空间关系模型的一般矢量化形式如下:这里，W代表空间贴近度，Y代表属性测值的相似性．不同的空间贴近度定义导致不同的空间关系程度;同样，对属性测值相似性的不同定义也会生成不同的空间关系模型．传统的计量地理学或现代的地理计算模型仅仅考虑了属性测值Y，而忽略了空间贴近度W．这往往导致了建模失误以及估计有偏的计算结果．Cliff和Ord于1973年发表的“空间自相关”一书是空间分析领域发展的里程碑［8］，他们成功地构造了空间贴近度这一度量方法，从而为测度地理空间单元之间的相互关系提供了一个统计学意义上有效的手段．空间依赖性的测量，或更准确地说，空间自相关的测量，是建立在空间单元相邻与否的二元逻辑基础上的．按照这一定义，邻居的结构由0—1来表达．如果两个空间单元共有边界，那么它们就被认为空间上相邻，从而赋予1的空间贴近度．这一空间相邻的测量一般通过分析区域边界来实施．我们利用ArcGIS开发组件中提供的ISpatialFilter接口，实现对区域某个单元的边界相邻的查询，从而构建了自己的空间权重矩阵，部分代码如下:ISpatialFilterPtr ipSpaFil(CLSID_SpatialFilter);result=ipSpaFil－＞putref_Geometry(ipGeom);result=ipSpaFil－＞put_SpatialRel(esriSpatialRelTouches); IFeatureClassPtr ipFeaCls;BSTR StrShpFldNam;result=ipFeaLayer－＞get_FeatureClass(＆ipFeaCls);result=ipFeaCls－＞get_ShapeFieldName(＆StrShpFldNam);result=ipSpaFil－＞put_GeometryField(StrShpFldNam); IFeatureCursorPtr ipFeaCur;result=ipFeaLayer－＞Search(ipSpaFil，VARIANT_TRUE，＆ipFeaCur);构建的空间权重矩阵以稀疏矩阵形式存储在文本文件中．主流的确认性空间数据分析模型包括:古典线性回归模型、空间位滞模型、空间误差模型，以及上述模型的合适的估计与检验方法．下面循序讨论．2．1 古典线性回归模型2．1．1 古典线性回归模型的理论假设线性回归分析的一般目标在于找出因变量和一组解释变量间的(线性)关系．这种关系可以通过矢量化表达为:其中y是因变量(矢量表示为N×1)，X是解释变量观测值(为N×K矩阵)，β是回归系数(为K×1矢量)，是一随机误差项(N×1矢量)．在此处按照命名惯例，用希腊字母β和代替估计参数b和残差e(e=y－Xb)．线性回归模型在满足以下假设条件时，其点估计具有最优线性无偏估计的性质，这时将其称作古典线性回归模型．这些假设条件为:(1)误差项的数学期望为0(样本回归等式中没有系统的建模误差或偏离):(2)误差项之间不存在相关性，而且有一个不变的方差(均方差):(3)误差项服从正态分布:以多变量的形式，例如对N个对象的联合回归，这些性质可以表达为:其中随机误差项，σ2样本误差方差，I为N×N单位矩阵2．1．2 古典线性回归模型假设检验误差正态分布检测Jarque和Bera于1987年提出了误差正态分布检验的准则［9］．这是一个渐近性的检验，对于小的数据集可能不是非常可靠．该统计服从自由度为2的χ2分布，基于残差的偏度(skewness)和峰度(kurtosis)，其正规表达式是:其中N为观测点数，S为偏度，K为峰度．方差的空间非均质性检测在回归中，如果我们忽视方差的空间非均质性，而仍然使用惯常的检验程序，则可能误导检测结果［10］．遵照空间计量经济学建模的要求，我们实现了ArcGIS环境下三种方差的空间非均质性检测:第一种，Breusch-Pagan检验［11］，其计算公式如下:其中，ei为最小二乘法回归残差第二种，Koenker-Bassett检验．Koenker和Bassett认为Breusch-Pagan检验在非正态分布下其结果不可靠［12］，因此提出了他们的检验公式，如下:其中，ST为Breusch-Pagan检验值，STS为Koenker-Bassett检验值．第三种，White检验．White检验［13］的步骤包括:(1)对给定数据进行回归得到残差向量e;(2)对OLS回归残差向量e做辅助性回归(3)求得辅助性回归的拟合度R2(4)计算White检验值这里N是观测样本数，df为辅助回归回归元的个数．多重线性自相关检验原则上，解释变量之间应该是不相关的．如果变量之间存在完全的线性关系，则导致矩阵X'X为奇异矩阵，其逆矩阵(X'X)－1不存在，使得最小二乘法估计无法进行．我们采用了贝尔斯利等人于1980年提出的条件数(condition number)，即正规方程组的系数矩阵(X'X)的条件数来测度解释变量之间多重共线性的程度［14］．为消除多个解释变量的不同计量尺度的影响，先需对每个解释变量单位化处理，即需将设计矩阵X中各列除以记单位化后的矩阵X'X的最大、最小特征根分别为λmax和λmin，则条件数若解释变量间互不相关，则条件数r=1．解释变量间共线性越强，则r越大．若r 大于20或30，就比较可疑．2．1．3 古典线性回归模型的空间影响检测Moran's I检测在古典线性回归模型的空间影响检测中，经常采用的方法就是Moran's I，其计算式如下:这里，N是观测样本数，S是空间权重矩阵W的和，e为OLS回归残差．拉格朗日检测然而Moran's I无法分辨这种空间自相关究竟是讯号或是噪音．如果是讯号，它指示了一个真实的地理空间过程;如果是噪音，则来源于空间数据产生过程中的误差．Anselin和Rey建议用拉格朗日方法来检测［15］，计算公式如下:其中，M=I－X(X'X)－1X'，I为单位矩阵，tr为矩阵操作符，e为OLS回归残差．Robust拉格朗日检测为确保拉格朗日检测值的稳定性，我们还采用了Robust拉格朗日检测方法［16］．其计算公式如下:其中，2．2 空间计量经济学模型2．2．1 空间线性回归模型在现实的世界中，古典线性回归模型的假设条件在现实世界中往往很难满足;例如，空间数据的误差所带来的空间影响，就从根本上动摇了古典线性回归模型的假设条件．为了避免建模失误以及估计有偏，空间计量经济学家发展了空间回归模型．目前比较成熟的是Luc Anselin的空间线性回归模型，其一般表达式如下［13］:其中，β、ρ、λ为待估参数，W1，W2为空间权重矩阵，而μ则有这里，Ω为误差协方差矩阵，其对角线元素以上通用模型可以简化为以下不同的模型当:ρ=0，λ=0;α=0则有即为经典的线性回归模型，无空间效应．当:λ=0;α=0则有即为空间自回归模型，或者称作空间位滞模型．当:ρ=0;α=0则有即为具有空间自回归扰动项的线性回归模型，即空间误差模型．当:α=0则有即为具有空间自回归扰动项的混合空间自回归模型．2．2．2 空间自回归模型的极大似然估计空间回归模型中自回归项的存在排除了使用最小二乘法进行参数估计的可能．为此，我们采用了极大似然法对空间误差模型和空间位滞模型实现了参数估计．Ord(1975)提出了空间自回归模型极大似然法估计的最初解决方法，借助空间权重矩阵W的特征值来对雅可比行列式进行求解［13］，即ln|I－ρW|=∑ln(1－ρωi)(ωi为空间权重矩阵的特征值)(32)对于空间位滞模型，其集中似然函数为其中:A=(I－ρW)．L对ρ求一阶微分这里，e0为y对X进行OLS回归的残差向量，eL为Wy对X进行OLS回归残差向量．L对β求微分得到对σ2求微分得:对于空间误差模型，其集中似然函数为这里，Anselin［13］提出对λ求微分得对β求微分得到对σ2求微分得其中对于两者模型参数的计算，我们实现了ρ和λ在1/ωmin和1/ωmax之间的一个对分查找，ωmin，ωmax分别是空间权重矩阵特征值的最小值和最大值．将其取值限制在这一区间可以让该回归模型的参数估计趋于稳定，区间以外的值不接受．具体计算步骤如下．空间位滞模型参数估计a．求得空间空间权重矩阵最小和最大的特征值，ωmin，ωmax;b．求得e0和eL，并设置初始r1=min{1/ωmin，1/ωmax}; r2=max{1/ωmin，1/ωmax};c．把e0、eL、r1、r2代入公式(34)求得j1和j2;d．如果j1×j2＜0:当j2＞0，则rL=r2，rU=r1;否则rL=r1，rU=r2;如果j1＞0，j2＞0，并且j1＞j2，则rL=－(1－0．001)，rU=r2;如果j1＞0，并且j1＜j2，则rL=rl，rU=0．999;如果j1＜0，并且j1＞j2，则rL=rl，rU=0．999;如果j1＜0，j1＜j2，并且j2＜0，则rL=－0．999，rU=r2e．求得rm=(rL+rU)/2，并且求得把rm代入(34)求得jmf．如果|rL－rU|＜10－10符合误差需要，则完成计算求得ρ=rm转入g否则:如果jm＜0，则rU=rm如果jm＞0，则rL=rm转入e进行计算g．根据计算公式(35)、(36)求得模型参数β和σ2．空间误差模型参数估计与空间位滞模型求解过程基本相同．我们在程序运算过程中参照了陈必红设计的矩阵算法［17］．2．2．3 空间线性回归模型的参数显著性检验空间线性回归模型的参数显著性检验是通过计算信息矩阵(Information Matrix)来实现的．这里，我们采用了Luc Anselin的信息矩阵［18］．我们首先对信息矩阵计算逆矩阵．对于空间位滞模型，计算得到ρ、β、σ2的方差-协方差矩阵;对于误差模型，则为β、λ、σ2的方差-协方差矩阵．再根据下列公式计算参数的t检验值由此可以判断估计参数的统计显著性．最近国际学术界发展起来的空间统计学与空间计量经济学为测量空间联系及其性质、并在建模时明确地引入空间联系变量提供了全新的思路．美国的ESRI公司基于地理信息科学的最新动态，率先在ArcGIS软件中增设了空间分析模块;通过集成地理信息系统和主流空间分析的基本功能，从而将地理信息系统的空间分析能力从绝对空间扩展到了相对空间．但是，ArcGIS软件中的“空间分析”模块仅涵盖了探索性空间数据分析的功能(见图1)，确认性空间数据分析的功能依然缺失．为了弥补ArcGIS软件这一缺失，我们进行了二次开发，增加了确认性空间数据分析的功能(见图2)，它允许用户在八个模型中根据需要自由选择．图3进一步显示了用户在构造“空间位滞模型”进行估算的中间过程．目前可以进行确认性空间数据分析的软件唯有美国TerraSeer，Inc．公司2002年发布的《SpaceStatTM-1．93》，但可惜并不是一个GIS软件．为了评估本研究在实现GIS和空间分析功能集成方面的效果，我们应用SpaceStat软件的标准测试数据(美国Columbu市的犯罪率、收入水平、住房价格)对二次开发的软件进行测试、并与SpaceStat软件的计算结果进行对比．我们发现两者的计算结果是一致的．图4列出了同一数据、两种软件的计算结果:右边的部分是二次开发软件在ArcGIS环境下的运行界面;左边部分是标准空间数据分析软件SpaceState的运行界面．地理信息系统是一个空间数据库，其中的每一个数据都对应着一对地理坐标．由于这些坐标属于绝对地理坐标，GIS的空间分析能力也因此而局限于一个绝对地理空间内．但真正有意义的空间分析(如空间分布、空间依赖性、空间相互影响、空间过程等)则是基于一个相对空间的测度进行的．目前可以进行确认性空间数据分析的软件唯有美国TerraSeer，Inc．公司2002年发布的《SpaceStatTM-1．93》．确认性空间数据分析之所以重要，在于它涉及理论模型经验实证的可靠性，不仅解决了标准统计方法在处理空间数据时的失误问题，更重要的是为测量这种空间联系及其性质、并在建模时明确地引入空间联系变量提供了全新的手段．虽然ArcGIS软件中也增设了“空间分析”的模块，但仅仅涵盖了探索性空间数据分析的功能，确认性空间数据分析的功能依然缺失，从而极大地限制了它的空间数据分析能力．然而，ArcGIS软件提供的组件式开发功能，允许用户根据自己的需求自由开发功能模块．我们在ArcGIS上的二次开发成功率先于美国的GeoDa实现了地理信息系统和空间分析功能的全面集成．由于ArcGIS是目前世界上功能最强大、商业运作最成功的地理信息系统软件，我们二次开发的技术探索与社会实践意义不言而喻．尽管如此，我们的工作只是初步，一定还有不少可以改进的方面;地理信息科学的发展也将不断提出新的需求，要求我们继续学习与研究．我们希望，我们的初步工作将吸引有兴趣的学者专家在这一方向进行深入的研发，超越我们的初步工作，为地理信息科学的发展作出贡献．【相关文献】［1］National Center for Geographic Information and Analysis(US)．Varenius:NCGIA's Project to Advance GIScience［Z］．NCGIA at the University of California，Santa Barbara，California，2000．［2］Anselin L．What is special about spatial data?Alternative perspectives on spatialdata analysis［A］．In:Griffith D A，eds．Statistics，Past，Present and Future［C］．Ann Arbor，MI:Institute of Mathematical Geography，1990．［3］Couclelis H．Requirements for planning-relevant GIS:A spatial perspective ［A］．Papers and Proceedings of the Regional Science Association［C］．1991，70:9-19．［4］Cliff A and Ord J．Spatial Processes，Models and Applications［M］．London:Pion，1981．［5］Anselin L．Spatial Econometrics:Methods and Models［M］．Dordrecht，The Netherlands:Kluwer Academic Publisher，1988．［6］Haining R．Spatial Data Analysis:Theory and Practice［M］．London:Cambridge University Press．2003．［7］Tobler W．Cellular geography［A］．In:Gale S and Olsson G，eds．Philosophy in Geography［C］．Dordrecht:Reidel Publishing，1979，379-386．［8］Cliff A．and Ord J．Spatial Autocorrelation［M］．London:Pion，1973．［9］Jarque CJ，Bera AG．A test for normality of observations and regression residuals ［J］．International Statistical Review，1987 (55):163-172．［10］Gujarati DN，费剑平等译．Basic Econometrics(Fourth Edition)［M］．北京:中国人民大学出版社，2004．［11］Breusch T，Pagan A．A simple test for heteroscedasticity and random coefficient variation［J］．Ecomonetrica，1979(47):1287-1294．［12］Koenker R，Bassett G，Robust J．Tests for Heteroscedasticity based on regression quantiles［J］．Econometrica，1982，1(50):43-61．［13］Anselin L．Spatial Econometrics:Methods and Models［M］．Dordrecht，the Netherlands:Kluwer Academic Publishers，1988，34-35．［14］Belsley DA，Kuh E，Welsch RE．Regression Diagnostics:Identifying Data and Sources of Collinearity［M］．New York:John Wiley and Sons，1980．［15］Anselin L，Rey S．Properties of tests for spatial dependence in linear regression models［J］．Geographical Analysis，1991(23): 112-131．［16］Gebremariam1 GH，Gebremedhin TG．，Schaeffer PV．County-level determinants of local public services in Appalachia:A multivariate spatial autoregressive model approach［J］．American Agricultural Economics Association Annual Meeting，Long Beach，California，2006-07-23．［17］陈必红．用C++语言编写数学常用算法［M］．北京:人民邮电出版社，2000．［18］Anselin L．Spatial econometrics course:Estimation maximum likelihood［EB/OL］．(http://sal．uiuc．edu/courses/se/pdf/w10_ml_ slides．pdf)。