GIS与空间分析

地理信息系统主要研究应用计算机技术获取、存储、管理、处理和分析地理信息所提出的一系列基本问题。具体情况如下：
1.地理信息源理论:地理空间认知、地理信息本体、自然信息源和社会信息源的本质。
2.地理空间信息的获取和传输时空信息基准、地理信息传输机制与衰减规律、地理空间信息不确定性等。
3.地理信息存储与分析处理：地理信息标准、压缩与检索、变换与处理等。
4.地理空间模式信息处理：地理信息分类、空间插入、模式识别等。
5.地理信息知识处理：地理知识的表达与获取、空间推理与建模、知识信息处理系统等。
6.地理空间决策与控制:建立地理空间决策的判断、控制系统、管理信息系统和决策支持系统。

地理学是分析地表现象随地点而变化的学科；用地理解释地表的工作通常被称为空间分析。新的发展点在以下几个方面：
(一)挖掘海量数据的地理时空特征
经典统计数据难以满足相关样本的数据分析；空间数据挖掘是当前的前沿研究方向。随着现代信息获取技术和共享技术的发展，越来越多的地理数据需要处理和分析。如何从大量的地理时空数据中提取有效的信息和时空特征是地理信息科学研究的一个重要问题
(二)面向模型的地理空间分析研究
地球是一个不规则的椭球体，理论上不能扩展到一个不变形的平面，因此不可能构建一个无缝的正方形网格系统。基于曲面空间的网格系统可以构建吗？
(3)地理时空数据与模型集成分析面临领域问题

多规则一体化是指在三规则一体化（即国民经济社会发展规划、城市发展总体规划和土地利用总体规划）的基础上增加生态环境保护规划，即基于国民经济社会发展规划，确保多规则确定的保护空间、发展边界、城市规模等重要空间参数，在统一的空间信息平台上建立控制线系统，实现优化空间布局、有效配置土地资源、提高政府空间控制水平和治理能力的目标。
(1)关键地理信息技术:
①统一空间基准：空间基准统一到2000年国家土地坐标系，整合各种土地分类标准，统一地理元素语义，建设空间规划基础数据库。
②进行分析和评价：一是进行资源和环境承载能力评价。通过空间分析、景观分析、数学统计等方法评价土地、水、环境和生态，确定资源承载能力。二是对土地空间开发的适宜性进行评价。通过评价地形、区位优势、人口聚集、生态脆弱性，确定土地空间开发和保护的区域。
③绘制规划底图：对收集的三区三线数据进行分类处理，制定三区三线标准规范。
④建立信息平台：一是建立空间规划信息平台。整合跨部门、多规划数据，对多规划一体化信息进行空间统计分析。二是服务规划的监测和评价。通过测绘地理信息技术，了解规划的实施情况。
（2）措施
①统一规划编制期限和时序
合理确定规划期限。鉴于现有规划之间不同的基期和期限，建议首先明确规划基期，考虑法律法规的要求和相关规划的特点，确定统一协调的中期和目标年限。协调规划编制顺序，按照定位清晰、功能互补、统一衔接的要求，指导各级各部门按照先主后次，从上到下的原则，编制或修订相应的规划。
②建立规划空间布局约束框架
根据生态评价的基础，划定生态红线。按照保护优先、发展协调、严格管理的原则，将各级保护区、生态环境敏感区、脆弱区、与生态安全有关的重要生态功能区划入生态红线。永久基本农田按农业发展要求和地力条件划定。其次，贯彻中央政府的最新要求，遵循耕地保护优先、数量和质量并重的原则，严格划定永久性基本农田保护红线，不减少数量和质量。根据城市现状的基础和发展方向，划定城市增长边界。
③规划技术标准对接
统一基础数据统计口径，统一空间图编制标准，统一土地分类是保证同类土地面积和空间布局相应的前提，有利于保护土地资源和城乡建设， 根据重点项目布局和现状用地性质，研究确定差异协调原则和方法，提出分类差异处理建议。提交规划协调平台审议。在此基础上，对差异图斑的具体处理逐一备案，最终实现多规图层叠合，保证空间的无缝连接。
④建立规划公共信息平台平台
在土地、规划、发展、改革、环境保护等各级各部门现有数据库的基础上，充分依托现有的数字城市、智慧城市系统，构建由公共信息主平台和多部门子平台组成的1 X公共管理信息平台。该平台将建立统一的背景基础数据库、统一的规划准备平台和统一的规划信息查询和办公系统审批三个主要功能。通过制定公共信息管理平台的基本数据对接标准，实现各规划准备部门的资源共享和整合，实现信息数据的快速导入。
⑤改革规划实施管理机制
建立规划协调体系平台。按照推进多规合一的目标，建立各部门共同参与的规划协调平台。二是建立规划实施联动反馈机制。建立土地利用、城乡建设、环境规划等重要地方保护和发展规划的规范化评价体系。建立规范化的规划修改流程，改革规划审批制度，积极探索下放部分规划的审批权限，使地方政府真正成为规划编制和实施的主体，增强主动性、积极性和能动性。
**

**
（1）举例：
赵佳星等人基于加权Voronoi以安徽省城市空间吸引力影响为例

（2）步骤：
建立泰森多边形算法的关键是将离散数据点合理连接成三角网，即构建Delaunay三角网。在这种情况下，点建立三角网，具体步骤如下：
①离散点自动构建三角网，即构建Delaunay三角网。记录每个三角形是由哪三个离散点组成的离散点和形成的三角形编号；
②找出与每个离散点相邻的所有三角形的编号并记录下来。这只需要在构建的三角网中找到所有具有相同顶点的三角形；
③顺时针或逆时针排列与每个离散点相邻的三角形，以便下一步连接生成泰森多边形。
④计算每个三角形的外圆心并记录；
⑤根据每个离散点的相邻三角形，连接这些相邻三角形的外圆中心，即泰森多边形。对于三角形网边缘的泰森多边形，垂直平分线可以与图形轮廓交叉，与图形轮廓形成泰森多边形。

举例：
以某省为例，如果不考虑本省各城市的综合实力值，可以使用常规Voronoi在这个时候，每个城市的空间影响范围都被画出来了。Voronoi与任何其他城市相比，该地区任何一个城市的距离都更近。
当城市综合实力存在差异时，城市综合实力值可以理解为各城市的权重，采用加权Voronoi确定空间影响范围。常规是由每个城市产生的Voronoi图片主要与城市的空间分布有关，由各城市产生的倍增加权Voronoi图，还与城市的综合实力值相联系。在加权Voronoi图中，省会城市的空间影响范围几乎覆盖全省，这与其强大的综合实力值和省会城市的地位有关。此时，省内小城市的空间影响范围大大缩小。
此外，城市空间的影响范围也受到周边城市的影响。一是城市中心强度小但周边实力不强的城市，可以成为区域中心城市，影响范围大；二是城市中心强度大但毗邻实力较强的城市，与周边其他大城市之间空间领地竞争激烈，影响范围相对较小。相比之下加权Voronoi图结果可以更好地表示省内各城市的空间影响范围，然后可以加权Voronoi根据图纸，统计影响该地区各种社会经济要素的城市空间的空间分布特征。
一种基于格栅方法的建筑加权Voronoi图的方法。每个格栅单元与发生点之间的加权距离(不同类型的加权)采用加权方程计算Voronoi图应采用不同的距离)，以最短距离的发生点网格代码作为网格单元的隶属代码，重复到所有网格单元的所有权确定。

Rusle

NPP法：
NPP是指绿色植物在单位时间单位面积中积累的有机物数量，以及石油植被光合作用产生的有机物总量中自养呼吸后的剩余部分。NPP 该方法是估计生态系统最显著的生产力，然后使用土壤数据集、气象数据集和标高数据集作为核心评价指标，根据一定的生态原理，设计简单的算法来评估生态系统的功能。强调方法在表达空间单元生态系统功能评估上的准确性和实用性。NPP法与遥感数据的结合主要适用于区域和大规模生态系统功能的评价。NPP法以NPP数据优先，参数少，易于获取，操作简单，区域规模转换简单，具有模拟预测功能，可获得生态系统功能评估的动态变化，可快速直观地反映生态系统功能的空间分布，但其应用范围区域，缺乏可靠的生理生态基础，计算NPP在传递和转换时间的过程中仍存在许多不确定性，其准确性相对低于模型方法。
模型法：
模型法是通过综合模型来评价生态系统服务的方法。生态系统功能评价方法主要包括利用水平衡方程计算水涵养量；利用水土保持服务模型评价水土保持功能的重要性，利用修正风蚀方程计算防风固砂量。鉴于国家发展和改革委员会在资源和环境承载力评价中使用的方法是模型法，建议各地在评价生态系统功能时优先考虑模型法，以保持评价结果的一致性。模型法比NPP法具有更高的准确率和参考价值。
然而，模型方法涉及的许多参数值难以确定，参数确定具有较强的主观性。与此同时，模型并不完美，也没有反映出一些重要的评估方面。虽然在生态系统功能评估中得到了一定的应用，但由于模型的复杂性和运行条件的限制，大多数应用程序只研究生态系统功能，但仍难以综合评估生态系统功能

分级统计的方法

1. 按使用分级方法的多少可分为单一分级法和复合分级法
2. 按级差是否相等可分为等值分级法和不等值分级法
3. 按确定级差的方法可分为自定义分级法和模式分级法

其中自定义分级即对一个数据集，根据自己的应用目的设定各个级别的数值范围来实现分级的方法。这种方法适用于研究者对该数据集比较了解，能够找到合适的分级临界点。模式分级就是指按固定模式进行分级，在固定模式中，级差由特定的算法自动设定。而模式分级又包括：
等距离分级
5. 等间距方法原理简单、易操作，但当数据集中在某一小范围内时，各分级之间数据个数的差别太大会造成图面配置不均衡，影响了制图效果。
6. 当数据具有均匀变化的分布特征时，等间距分级法就简明实用；若数据分布差异过大，将会以响制图与对统计结果的分析。
分位数分级
分位数分级是把数列划分为相等个数的分段，根据实际需要选择四分位、五分位、六分位……十分位。为此，要先将数列按大小排列，从一端开始计算其分位数，把处于分位数上的那个值作为分级值。
分位数分级可以使每一级别的数据个数接近一致，往往能产生较好的制图效果。
等面积分级
• 等面积方法使得每一级在图上占据的面积相等或大致相等。这种方法的特点是在图面上只反映各级占有相同的面积，制图效果好，但是没有充分利用图面表示级间的差异。
• 对于规则栅格数据而言，一定区域内的面积可由该区域内的栅格个数乘以栅格分辨率得到，所以按等面积分级只需考虑栅格个数即可。
标准差分级
• 标准差可以反映各数据间的离散程度，按标准差分级，首先要保证数据的分布具有正态分布的规律，才可计算平均值和标准差，然后根据数据波动情况划分等级。
• 以算术平均值作为中间级别的一个分界点，以一倍或1/2倍标准差作为分界点。
• 分级数目是由数据本身所决定的，且对于同一数据集，采用一倍标准差时，分级数目最少， 采用1/4倍标准差时，分级数目最多。
自然裂点法分级
• 任何统计数列都存在着一些自然转折点、特征点，用这些点可以把研究的对象分成性质相似的群组，因此，裂点本身就是分级的良好界限。
• 将统计数据制成频率直方图、坡度曲线图、积累频率直方图，有助于找出数据的自然裂点。如果频率最低点与峰值构成一个近似正态分布曲线，可以把任意两个正态分布曲线交点作为分级界线
• 自然裂点法是基于让各级别中的变异总和达到最小的原则来选择分级断点的。

1、对区域经济差异特征和区域之间的相关性进行分析
在分析区域经济差异和相关性中常常会用到几种方法，如空间自相关分析、区域空间模式分析、基于DEM的县域经济空间宏观分析、反距离加权法等方法。
（1）空间自相关性分析方法：空间自相关分析是用来检验某种要素属性值和与它相邻空间要素上的属性值是否存在较大关联。空间自相关包含正相关以及负相关，正相关是表明某要素和其相邻空间要素的属性值为相似的，反则负相关。所以，空间自相关通常用来发现空间的聚集和异质性。全局自相关与局域自相关是空间自相关的两个形态。
（2）区域空间模式分析：利用分位法将数据分成几个等级，将几种等级的数据导入地图中，会直观的看到每个地区之间的差异和相关性。
（3）基于DEM的县域经济空间宏观局势分析：基于DEM的县域经济空间宏观局势分析是分析地形地貌与经济发展有一定的关联性。为揭示两者的关系，在ArcGIS平台中将省DEM与县域边界矢量图叠加，基于分区统计工具统计出各县域的平均高程，与县域经济综合指数在地统计分析模块中分别作趋势分析。
（4）反距离加权法：反距离加权法是常用的空间内插方法之一，认为与未采样点距离最近的若干个点对未采样点值的贡献最大，其贡献与距离成反比。
2、对区域经济空间格局进行分析
经济空间结构是各种经济活动在区域内的空间分布状态及空间组合形式，是区域经济的一种重要结构。区域空间结构不是单纯的空间构架，而是通过一定的空间组织形式把分散于地理空间的相关资源和要素连接起来，可以说它是各种经济活动进行的基础和前提，而且区域经济空间结构还能产生特殊的经济效益，比如节约经济，集聚经济，规模经济等多种形式。对经济的空间格局分析常用的方法：区域空间模式分析，重心分析等。
（1）区域空间模式分析：利用分位法将数据分成几个等级，将几种等级的数据导入地图中，会直观的看到经济空间格局及其变化。
（2）重心分析：重心即加权平均中心，是通过赋予空间对象几何坐标的不同权重，将空间对象的其他属性如人口，土地利用类型，经济发展指标加以考虑，并对其加权平均中心的结果进行比较，直观的表现区域经济空间格局。
3、对区域产业结构布局进行分析
由于区域产业结构受多种因素的影响，而且产业结构的合理化程度也直接影响着区域经济的发展，所以区域产业结构布局分析显得也比较重要。利用GIS技术来进行分析，关键是怎样把区域产业结构分析模型与GIS系统空间分析模块结合起来、往往通过以下两种方式进行诠释。
（1）GIS绘图法：运用 ArcMap 软件制作专题地图，将产业结构相似的县 (区)用同一种颜色或样式表达，这样我们就可以在图上看出区域之间产业结构演化的空间信息。
（2）结构偏离度研究法：产业结构空间演化是在经济发展过程中实现的，在其演化过程中，就业结构与产值结构同时发生复杂变动。将产值结构和就业结构的变动联系起来加以分析，用以测定社会经济发展水平的均衡性。

（1）地统计分析：是一门以区域化变量理论为基础，以变异函数为主要工具，研究那些分布于空间上既有随机性又有结构性的自然或社会现象的科学。相对于物理机制建模，地统计是一种分析空间位置(空间结构)相关地学信息的经验性方法。
包括：区域化变量的变异函数模型、克里金估计、随机模拟
①变异函数（Variogram），又称为半变异函数、半方差函数等，是区域化变量空间结构的一种形式化表达，数学表示为两个随机变量Z(x)和Z(x+h)之间增量的方差的一半。

②克里金估计：依据协方差函数对随机过程/随机场进行空间建模和预测（插值）的区域化变量估值方法。包括普通克里金、泛克里金、协同克里金、指示克里金等。
（2）空间点模式分析: 根据实体或事件的空间位置研究其分布模式的方法称为空间点模式分析。地理学家在研究过程中发展了两类点模式分析方法：
①以聚集性为基础的基于密度的方法：
样方计数法: 通过空间上点分布密度的变化探索空间分布模式，一般使用随机分布模式作为理论上的标准分布，将QA计算的点密度和理论分布做比较，判断点模式属于聚集分布、均匀分布还是随机分布。
核密度估计法: 地理事件可以发生在空间的任何位置上，但是在不同的位置上，事件发生的概率不一样。点密集的区域事件发生的概率高，点稀疏的地方事件发生的概率低。
即：使用事件的空间密度分析表示空间点模式。
②以分散性为基础的基于距离的技术：
通过测度最近邻点的距离分析点的空间分布模式，主要包括最邻近指数、G-函数、F-函数、K-函数方法等。
（3）面状数据空间模式分析方法：
很多地理现象都通过规则的或不规则的多边形表示，这类地理现象的显著特点是空间过程与边界明确的面积单元有关。面状数据通过各个面积单元变量的数值描述地理现象的分布特征。例如气候类型区、土壤类型区、土地利用类型区、行政区、人口普查区等。面状数据的空间模式研究的是面积单元的空间关系作用下的变量值的空间模式。面积单元之间的邻接与否、距离远近等对于变量的空间分布具有重要影响。
①边界邻接法：面积单元之间具有共享的边界，被称为是空间邻接的，用边界邻接可以定义一个面积单元的直接邻接，然后根据邻接的传递关系还可以定义间接邻接，或者多重邻接。
②重心距离法：面积单元的重心或中心之间的距离小于某个指定的距离，则面积单元在空间上是邻接的。这个指定距离的大小对于一个单元的邻接数量有影响。
还包括空间自相关分析： 空间自相关是指一个区域分布的地理事物的某一属性和其他所有事物的同种属性之间的关系，它研究的是不同观察对象的同一属性在空间上的相互关系。
空间自相关性使用全局和局部两种指标来度量全局指标用于探测整个研究区域的空间模式，使用单一的值来反映该区域的自相关程度；局部指标计算每一个空间单元与邻近单元就某一属性的相关程度。全局相关使用全局莫兰指数、全局热点分析等；局部相关可以使用局部莫兰指数、局部热点分析等。

也会使用到处常规的统计分析模型或方法参与分析。

地理空间数据聚类是按照某种距离度量准则，在大型、多维数据集中标识出聚类或稠密分布的区域，从而发现数据集的整体空间分布模式。该方法把空间数据库中的对象分为有意义的子类，使同一子类内部的成员有尽可能多的相同属性，而不同的子类之间差异较大。目前，地理空间聚类方法主要有四类：分割法、层次法、基于密度的方法及基于网格的方法。而经典聚类法包括K-mean、K-mediods、ISODATA等。
地理空间分类与预测是根据已知的分类模型把数据库中的数据映射到给定类别中，进行数据趋势预测分析的方法。
分类和聚类算法的差别在于：聚类算法是根据一定要求将对象聚为一个集合，最后得到的分布模式是聚类之前未确知的；分类算法则是根据已知分布模式的属性要求，将数据库对象归入相应的分类中。在机器学习中，数据分类一般称为监督学习，而数据聚类则称为非监督学习。