GIS
文章平均质量分 81
虾神说D
攻城狮
展开
-
[Python可视化]一种极具特色(但是并没有什么用)的GIS专题图可视化方法
先看结果什么是专题图所谓的专题图,指的是对某种关心的专题信息进行聚焦展示的一种可视化方法,比如下面这种地理国情普查成果中的水资源专题图:主要体现供水相关的能力,除了供水信息以外,其他信息(比如山川河流、行政边界地图基本要素等)都是背景板。回过来,继续讲上面那个特殊的可视化专题图。其实这种可视化方式来自于ArcGIS/GeoScene Javascript API的一种新能力,即滤镜效果:把背景板加一个虚化滤镜,然后把前景凸现出来:Demo地址:https://develo原创 2022-04-27 08:48:40 · 2975 阅读 · 1 评论 -
[虾神GIS制图课堂]四色地图配色法
2021年的最后一天,本年度最后一篇推送,不过,如果要说是过年的话:[花絮]三与迷之自信人类自古有各种数字迷信,西方特别迷信3:——毕达哥拉斯认为,3是宇宙的基础,是最完美的数字所以,学术上牛顿有物理三大定律,政治上有三权分立,连西方大部分国家的国旗都三色旗:今日乳法 (1/1)所以,数学也是一样,费马猜想、四色猜想和哥德巴赫猜想被认为是近代数学三大难题。当然,在国内最出名号称民科身份证的哥德巴赫猜想(如果你没有证明过哥德巴赫猜想,都不好意思说自己原创 2021-12-31 17:27:47 · 9664 阅读 · 2 评论 -
Python绘制多维度专题地图
老规矩,先看结果:看完这个图之后,可能所有学GIS同学都:这个不就是GIS里面的专题图么,是个GIS软件都能做,脑子里面可能都脑补出来在ArcGIS里面随手点点鼠标就做出来了:但是,如果这个图是用Python绘制出来的呢?是不是觉得:今天我们就来聊聊,在Python里面制作这种多维度的地图专题图的方法。所谓专题图的意思,指的是:专题地图(thematic map),又称专用地图、特种地图,是在地理底图上按照地图主题的要求,突出并完善地表原创 2021-12-13 17:03:05 · 2614 阅读 · 0 评论 -
用Python绘制百度风格地图
先看下面三张图:如果不仔细看,大家会觉得几乎是一模一样的……起码从风格上看,是一样的。上面三张图,左边是从百度地图网站上直接截取的图片,而右边是用Python直接绘制出来的数据。可以明显的看出来,右边地图的数据不如左边那么完善……穷人虾获取不到最新版本的数据所以只能用十几年前的老数据来应付一下了。好了,回归正题。用Python来绘制地图,来源于虾神和我司某个封疆大吏的闲聊,说如果要用Python写个GIS软件,使用者除了数据处理以外,突然想要搞高级制图怎么办?所以原创 2021-11-19 16:01:08 · 2531 阅读 · 2 评论 -
ArcGIS自定义坐标变换中的方法说明
我以前写过一篇关于自定义坐标转换的文章,以前用的部门的博客,ho原创 2014-09-05 16:42:51 · 14274 阅读 · 1 评论 -
空间轨迹分析与应用(前言)Computing with Spatial Trajectories
前言空间轨迹是一个移动的物体在地理空间中产生的痕迹,这些痕迹通常是一系列按照时间顺便排列的点,例如P1 -> P2 -> P3 …->Pn,其中每一个点都由地理信息空间的坐标集和时间戳所构成如:asp = (X,Y,T)。因为位置定位和无线通信技术的进步,使得移动计算系统和基于位置的服务(LBS)快速的流行,从而导致表示各种移动对象的信息的产生,如种类繁多的人、车辆、动物和各种自然现象的在翻译 2014-09-21 12:10:34 · 11292 阅读 · 1 评论 -
地理信息与LBS(二)
地理信息与LBS(二) LBS的大爆发LBS如火如荼,各种产生的机制这里就赘述了,下面贴出一张2011年时候,Pyramid Research Center对全球LBS市场的统计与预测图,大家就可以看出这种势头了。原创 2014-09-23 12:04:14 · 2904 阅读 · 0 评论 -
全新定位方式:电量定位
智能手机用户都不愿意让《糖果粉碎传奇》或《音乐雷达》这样的应用程序通过GPS获取自己的活动信息,但研究人员发现,安卓(Android)智能手机会把用户的 地理 位置泄露给设备上已安装的所有应用程序,而且是通过一种不太可能的数据泄露渠道:手机的电量消耗情况。 美国斯坦福大学和以色列国防研究公司Rafael的研究人员开发出了一种名为PowerSpy的技术,并称这项技术仅凭追踪Android手转载 2015-02-21 10:17:57 · 1965 阅读 · 0 评论 -
白话空间统计之:空间自相关
空间自相关,肯定是空间统计里面第一个拦路虎了,很多人遇上了这个高大上的词汇,立刻就发现,这五个字我好像都认识,但是到底说了啥?不知道。如果翻开各种教材,从统计学到数学到物理学,各种解释都摆出了一副“老子就是高大上学霸,屌丝学渣勿扰”的样子,这个东西真得就那么难么?原创 2015-07-27 21:58:05 · 77330 阅读 · 28 评论 -
白话空间统计之五:空间关系的概念化(中)
空间关系的概念化(中) 上文说的两种空间关系概念化虽然是最常用,但是总给人一种简单粗暴的感觉,所以业界和学术界由搞出了各种各样的空间关系概念化的模型。 首先,就是把两种最简单的概念化给组合起来了,就是下面这种所谓的“无差别区域”法。 无差别的区域(Zone of indifference) 这个名词和翻译,总是让人感觉到怪怪的,但是实际上确很简单,其的意思就是“在一原创 2015-08-08 17:57:44 · 13538 阅读 · 1 评论 -
白话空间统计十二:R语言对点数据分析的实现(1)
前段时间,有人批评我写白话空间统计的博客是在写软文给ArcGIS平台和Esri打广告,话说这个实在是太恭维我了。如果读到空间统计,而且还能读懂的人,不可能没有听说过ArcGIS软件吧,这种情况到底是先有鸡还是先有蛋,自然一目了然了。 虽然虾神在Esri中国干了好多年了,给公司打打广告也是理所当然的事情。但是写博客的时候确实还真没有这个想法,不过既然有人批评了,那么虾神我先挑明一下这系列白话原创 2015-08-22 20:53:40 · 7205 阅读 · 6 评论 -
白话空间统计之五:空间关系的概念化(下)
空间关系的概念化,在ArcGIS中,一共是有7种。前面我们说了反距离、距离范围、无差别区域和面邻接四种,后面还有三种今天一并说完。 后面的几种,其实也都是在前面的那些“简单粗暴”的模型中发展而来的,正所谓“大道至简”一点也没错。 五、K最近相邻要素 所谓的K最近相邻,就是指在一定的范围内,都算相邻的要素,这个概念是“距离范围”模型改良之后生成的。距离范围是以一定距原创 2015-08-09 17:31:56 · 12330 阅读 · 3 评论 -
白话空间统计十二:R语言对点数据分析的实现(2)可视化
昨天我们简单的讲了R语言如何对点数据进行分析,今天继续把这个内容说法,其实R语言是非常强大的,他的强大之处,可能超出了你的想象的。 不过R语言也有缺点,最大的缺点就是所有的一切分析过程,都要通过敲命令的方式来实现,对于推广了超过10年的鼠标这种喜闻乐见的标准电脑外设来说,全部采用文本模式进行交互仿佛已经是远古时期的标志一样(不过很多电视剧里面,电脑高手的表现都是在键盘上运指如飞,他们从来不原创 2015-08-23 18:40:43 · 6261 阅读 · 1 评论 -
白话空间统计之:空间异质性
横看成岭侧成峰,远近高低各不同。 不识庐山真面目,只缘身在此山中。 ——苏轼《题西林壁》 庐山本体就在那个地方,它本身是不会发生任何变化的,但是因为你所处的位置不同,获得的观察结果也不同。原创 2015-07-28 17:02:51 · 52638 阅读 · 11 评论 -
白话空间统计十三:零假设(补记)
说在前面的话:前面花了好多章来讲各种数据分析的方法和例子,突然发现我原来设想的主线乱了。我的设想是对空间统计进行科普型的描述,结果写到后面,特别是这几章(准确说是从填中位数中心的算法坑开始),幸好有吴道长果断提醒,说我偏离方向了,我才豁然省悟。再次友情感谢吴道长(PS:吴道长是GIS圈子里面古玩玩的最好的,古玩界里面,GIS技术最好的综合性人才)。所以从今天开始,我继续把空间统计里面那些绕口的理论原创 2015-08-24 14:21:45 · 6721 阅读 · 6 评论 -
白话空间统计之:Moran's I(莫兰指数)
Moran's I这个东西,官方叫做:莫兰指数,是澳大利亚统计学家帕特里克·阿尔弗雷德·皮尔斯·莫兰(Patrick Alfred Pierce Moran),在1950年提出的。一般是用来度量空间相关性的一个重要指标。原创 2015-07-29 16:58:07 · 145624 阅读 · 15 评论 -
白话空间统计十四:高/低值的聚类(上)
衡量空间自相关的时候,用的参数是Moran'I(莫兰指数),那么在衡量搞低值聚类的时候,用的也是一个指数,这个指数叫做 General G 指数。原创 2015-08-26 09:57:57 · 32503 阅读 · 3 评论 -
白话空间统计之四:P值和Z值(上):零假设
本来今天想要讲讲软件操作的,后来发现好像还有好几个重要的指标没有说,干脆等全部说完在讲操作吧,否则操作出来的结果会发现大量的“不明觉厉”。 首先是空间统计里面很神秘的两个值:P值和Z值。 要说这两个值之前,还是要复习一下统计学的概念,毕竟空间统计的理论基础还是建立在经典统计学上面的。首先,统计学里面,有一个叫做“零假设”的概念非常厉害,一定要说说。原创 2015-07-30 16:33:05 · 36212 阅读 · 0 评论 -
白话空间统计十四:高/低值的聚类(下)
上一篇讲了General G统计方法的一般性解释,那么这篇继续把这个内容讲完。 开始我们说了,如果高值和低值区域同时出现了聚类,就变成了拿这板砖互拍的情况。但是还有的时候,出现更奇葩的情况,比如你用其他的工具(比如局部莫兰指数、热点分析一类的,这些工具以后我们会慢慢说到。)计算出来,发现这份数据统计特征值真是极高的,但是同样一份数据,到了General G统计算法里面之后,发现,咦,怎原创 2015-08-28 09:40:30 · 18026 阅读 · 2 评论 -
白话空间统计之四:P值和Z得分(下)
上篇讲了P值与Z得分的一些基本概念,大家其实也都知道,P值和Z得分其实是有一定的相应关系的,Z得分有正负两种结果,而P值有显著和不显著两种可能。如果按照我们一般的思维,P值和Z得分就应该有4种组合。不过实际上他们只有三种组合,如下:可以看见,只要P值不具备统计学上的显著特征,那么Z值不论是正负,都是一个结果。那么为什么P值如此之重要呢?上一篇文章说过了,P值是用原创 2015-08-03 17:43:57 · 33239 阅读 · 6 评论 -
白话空间统计十五:多距离空间聚类分析 (Ripley's K 函数) (上)
空间分析里面,最重要的一个概念就是距离,不同的距离会导致不同的结果。在研究的时候,有种叫做“空间尺度”的概念,这个有兴趣的话,请自行百度(老规矩:百度知道的东西别问我)。 所以,在研究聚类的时候,最重要的就是确定不同数据之间的距离,否则就会如下: 聚类分析中,要素之间的距离是个很重要的参数;也就是说两个要素相隔多远才算是聚成一类呢?在任何一种聚类算法中,探索一个原创 2015-08-30 18:05:00 · 49288 阅读 · 10 评论 -
空间统计之七:中心要素
写到这一章,空间统计系列的内容已经写了七章了,前面的所有内容包括了空间统计的几个基本理论基础,如空间自相关、空间异质性、莫兰指数、空间关系概念化以及他们之间的量化度量方式P值和Z得分等,那么空间统计学与经典统计学在理论上的不同点,就说得差不多了。毕竟空间统计学还是发源于经典统计学上面的,经典统计学上面的很多概念,在空间统计学里面也照样能用得上,所以从今天开始,我们会介绍一些经典统计学上的概念内容在原创 2015-08-16 18:19:16 · 7008 阅读 · 0 评论 -
空间统计之八:平均中心和中位数中心
本来应该分成两篇来写的,但是这两种中心的算法和应用都很接近,所以就合并成一篇文章来写了。 昨天讲了中心要素,因为中心要素是要从原来的要素中去选择一个已有的,所以算出来的,与我们观念和感知中的“中心”这个概念,还是差距很大,所以今天来讲讲这两种中心的计算方式和应用范围。 我们来看看三者之间的不同,如下图: 可以看到,计算出来的结果各有不同,首先中心要素我们就不说了,大家原创 2015-08-17 15:33:23 · 13565 阅读 · 2 评论 -
白话空间统计十五:多距离空间聚类分析 (Ripley's K 函数) (下)
书接上一回。 多距离空间聚类分析这个工具与其他的工具计算出来的结果都不太一样。按照空间分析软件的一般规律,扔进去的是一个空间数据,那么返回的自然也是一个空间数据…… 不过在前面也很多分析工具告诉我们,可能就会返回几个数据给你,比如莫兰指数,给你几个值来表示一下。这个多距离空间聚类分析工具为为什么会让我们觉得神奇呢?因为他的返回值很神奇——它会返回一堆的数字给你。返回的值原创 2015-09-02 12:07:35 · 36233 阅读 · 23 评论 -
白话空间统计番外篇:中位数中心算法
其实我一直是不愿意填算法坑的……主要是自己的数学水平很一般,很容易出现填坑不成自己反被埋的情况,但是这个坑不填又不行,所以在填坑之前说明:这个仅是虾神我自己的理解,不代表原文(限于能力问题,数学论文确实不怎么能读透),如果有疑惑或者错误,请自行查阅原始论文,虾神只负责科普。原创 2015-08-18 15:46:24 · 6244 阅读 · 2 评论 -
R-ArcGIS探秘(1)安装以及Sample运行
在今年的全球用户大会上,Esri官方公布了R-ArcGIS的官方示例,在ArcMap和ArcGIS pro中,直接通过Toolbox可以调用R的分析工具包,将R的分析能力直接作用在ArcGIS上面。打通了两大工具之间的壁垒,不能不说,是分析界的一大盛事啊。 视频截图如下: 总所周知,R在数据分析领域的地位,犹如JAVA在编程语言领域的地位,简直就占据了开源软件的头把交椅原创 2015-08-07 10:58:24 · 10441 阅读 · 21 评论 -
白话空间统计十六:增量空间自相关
遇上瓶颈……所以进来更新稍微有点慢了……大家见谅点数据的密度计算,是一个很常用的分析方式,在计算密度的时候,最令人头痛的是如何去确定密度的距离,也就是密度收集区域的半径,那么从这句话看,也就知道我们这篇文章是干嘛的了。 距离,又见距离! 不同的情况下,分析空间数据对使用的距离是非常敏感的。对于不同的分析,使用的距离也是不同的。比如你要计算人的活动区域热点原创 2015-09-10 21:29:24 · 11556 阅读 · 8 评论 -
白话空间统计之十:标准距离
标准距离在空间统计里面也是一个常用的方法,因为它可提供有关中心周围要素分布的单一汇总度量值(此方法类似于通过标准差测量统计平均值周围数据值的分布)。原创 2015-08-20 13:54:24 · 9843 阅读 · 4 评论 -
白话空间统计十一:线性方向平均值
前面我们说的都是点数据的分析,今天来说说一个用于分析线要素的算法(工具),就是线性方向平均值(LinearDirectional Mean )。 总所周知,线要素只有两个属性,一个是长度,第二个就是方向,而对于人类的认知来说,对方向的重要性丝毫不亚于位置的重要性。 对线数据进行统计的时候,首先就是了解他们的方向,如果只有一条线段,那么方向当然就不用统计了。但是如果线段数据非常多的时原创 2015-08-21 12:58:39 · 6600 阅读 · 1 评论 -
白话空间统计十九:热点分析(上)
通过得到的 z 得分和 p 值,我们可以知道高值或低值要素在空间上发生聚类的位置。但是这个工具的工作方式有些特殊:它查看邻近要素环境中的每一个要素。高值要素往往容易引起注意,但可能不是具有显著统计学意义的热点。要成为具有显著统计需意义的热点,要素应具有高值,且被其他同样具有高值的要素所包围。原创 2015-10-18 21:11:49 · 41011 阅读 · 3 评论 -
用Pycluster包在ArcGIS中实现聚类
本文是应师妹符博士的要求,专门写的科普文章,精通arcpy的同学可以直接跳过了。 前面曾经写了一篇文章,是用Pycluster包的kmeans算法,来实现聚类(前看前面的文章:《使用Pycluster包进行聚类分析实例》),实际上我觉得用R语言会更容易,不过因为“python大法好”的原因,我还是更喜欢这种面向码农的东西。 好了,下面进入正题。 首先你先要确定你安装的pyc原创 2015-10-23 11:35:46 · 10638 阅读 · 16 评论 -
白话空间统计十八:相关性分析
其实这一章开始想放到了番外篇里面。因为相关性分析是经典统计学里面最基础也是最重要的分析方法之一。题目还是取了个白话空间统计,所以总是有点怪怪的。 不过空间统计要是完全脱离经典统计学去谈,那就真是坠入魔道了……计量革命最主要的成果之一,就是促成了经典统计分析方法在地理学研究中的应用。直到今天,经典统计学还是计量地理学中最常用的手段。可以说,空间统计学仍然是在经典统计学理论上建立和发展起来的。原创 2015-09-20 22:29:45 · 21781 阅读 · 4 评论 -
白话空间统计十九:热点分析(下):结果解读以及用R语言实现
热点和获胜(选票的多少)是没有任何关系的,唯一的关系,就是热点区域表示没有杂质的获胜。用通俗的话来说,就是:在这个区域内,只要任何一个区域获胜,那么就可以推定,周边的区域一样会获胜。同理,冷区也是如此。原创 2015-11-20 20:45:08 · 28379 阅读 · 7 评论 -
白话空间统计十九:热点分析(中)
在前面的话:白话空间统计系列还继续更新,因为这段时间在对《使用R语言进行空间统计》系列进行翻译翻译和编写,所以白话空间统计系列和使用R语言进行空间统计可能会交替出现,给大家的阅读带来的不便,请大家谅解(其实虾神想说的心里话是:你们需要的去翻虾神的历史文章,复习一下前面的内容吧!喔呵呵呵呵!)前文再续,书接上一回。继续说热点分析与热度图的问题。最简单的热度图是没有任何属性原创 2015-11-20 08:39:04 · 22462 阅读 · 3 评论 -
R语言对地形数据进行三维可视化
通过R语言,可以对DEM数据进行可视化,无论是二维的可视化还是三维的可视化,都得心应手,先看看效果:1、二维可视化:栅格渲染+等高线2、三维可视化:网格白膜3、三维渲染可视化。下面通过R语言脚本,来解释如何制作这样的可视化效果:######################################原创 2015-11-16 23:45:42 · 14524 阅读 · 7 评论 -
全局空间自相关算法:Join Count
ArcGIS里面,全局空间自相关只提供了一个Moran's I方法,当然要说一招鲜吃遍天也是可以的,不过关于全局自相关还是有不少其他的方法的,这次给大家介绍一种更加简单并且容易理解的全局空间自相关方法:Join Count方法。原创 2015-11-17 23:37:22 · 29546 阅读 · 6 评论 -
白话空间统计二十:相似性搜索(二)
首先打个广告,在这个开心的开心,伤心的伤心的节日里面,请大家关爱一下虾神这样的单身狗,没有买卖,就没有杀害……当然,其他时候,能关爱的也尽量关爱一下……好了,文归正传。相似性搜索,说起来似乎很高大上,实际在狭义上,还是基于数值的查询方式,只不过从yes or on的二元方式,扩展到了范围域的包含性查询而已。如下:一般来说,相似性搜索,有六种模式:原创 2016-02-14 14:43:19 · 3537 阅读 · 0 评论 -
2016年虾神公众号预告
年底事情那是相当的多,各种总结和出差,所以我们的白话空间统计足足停掉一个多月了,为了有一个比较圆满的里程碑,我决定在猴年开始之前,预告一下2016年我在公众号里面将会更新的一些东西,另外大家想看啥,也可以给我发信息,如果我懂的,我可以考虑加到公众号里面去。 在2016年中,预计会在公众号写如下系列的文章: 1、继续写白话空间统计系列,当然除了空间统计,还有一些经典统计包括数理统计、原创 2016-01-14 23:12:58 · 4449 阅读 · 1 评论 -
白话空间统计二十:相似性搜索(三)
昨天简单的写了写相似性搜索的主要方法,这些方法对于学GIS的同学来说,实在是太简单了,所以很多同学反应:虾神泥垢了!科普也要有点深度可好,你是在凑字数么!! 好吧,我觉得上篇文章是有点点问题……我们要向前看,反正已经发出去了,这篇文章就扔那里吧,作为存档用。 今天继续写相似性搜索,昨天说了6种方法,简单是简单,但是大道至简,所有的分析算法,都是从这些简单的内容里面发展来的。不过还缺原创 2016-02-15 18:33:36 · 3930 阅读 · 0 评论 -
空间统计之点数据分析
点是最常见的一种数据表现形式,不管是属性数据还是空间数据,当然,在属性数据上,要做散点图,起码需要两个属性才行。点模式在自然与社会生活中,随处可见,理论上,任何人、物、事件或者描述信息,只要超过两个维度,就可以抽象为一个点,不管是空间上的点,还是属性上的点。当然,在空间上的,点也是有它的一些特性的,比如,单独的点没有大小和方向,只能表示一个位置。最早,点模式的分析起源是在2原创 2016-03-02 23:55:57 · 6777 阅读 · 0 评论