地学计算方法/地统计学(第二章地理数据及其采集与预处理)

最新推荐文章于 2021-10-10 23:24:18 发布

Pyrs

最新推荐文章于 2021-10-10 23:24:18 发布

阅读量7.2k

点赞数 49

分类专栏：本科学习文章标签： python 机器学习数据分析人工智能大数据

本文链接：https://blog.csdn.net/qq_44589327/article/details/106192077

版权

本文详细介绍了地理数据的类型、基本特征和采集处理过程，包括空间和属性数据、数据的不确定性、多尺度性以及多维性。在数据预处理阶段，涉及统计整理、正态分布检验和数据转换，如平均值、中位数、离散程度指标等。此外，文章还讨论了异常值的识别和处理方法，以及相关分析和回归分析的基本概念。

摘要由CSDN通过智能技术生成

2第二章地理数据及其采集与预处理

2.1地理数据类型

空间数据：用于描述地理实体、地理要素、地理现象、地理事件及地理过程产生、存在和发展的地理位置、区域范围及空间联系，包含有点、线、面，点线面之间的拓扑关系。
属性数据：用于描述地理实体、地理要素、地理现象、地理事件、地理过程的有关属性特征

数量标志数据
间隔尺度数据：以有量纲的数据形式表示测度对象在某种单位(量纲)下的绝对量。

比例尺度数据：以无量纲的数据形式表示测度对象的相对量

品质标志数据

有序数据：当测度标准不是连续的量，只是表示其顺序关系的数据

二元数据：用0、1两个数据表示地理事物、地理现象或地理事件的是非判断问题

名义尺度数据：用数字表示地理实体、地理要素、地理现象或地理事件的状态类型

2.2地理数据基本特征

数量化、形式化、逻辑化：定量化的地理数据是建立地理数学模型的基础，其作用为：确定模型的参数、给定模型运行的初值条件;检验模型的有效性。形式化、逻辑化与数量化，是所有地理数据的共同特征。
不确定性：地理系统本身的复杂性从本质上决定着地理数据的不确定性
多种时空尺度：从空间尺度上来看，描述地理区域的各种地理数据，具有多种空间尺度——既有全球尺度的、洲际尺度的、国家尺度的，也有流域尺度的、地区尺度的、城市尺度的、社区尺度的，从时间尺度上来看，描述地理过程的各种地理数据具有多种时间尺度，如历史年代、天、月、季度、年等
多维性：一个地理对象的具体意义要从空间、属性、时间三个方面综合描述，空间方面，描述该地理对象所处的地理位置和空间范围，一般需要2～3个变量，属性方面，描述该地理对象的具体内容，至少需要1个以上，多则需要十几个、甚至几十个变量，时间方面，描述该地理对象产生、发展和存在的时间范围，需要1个变量，地理数据的多维性，被描述为地理数据立方体。(the geographical data cube)

2.3地理数据的采集与处理

2.3.1地理数据采集

地理数据的渠道来源：
①来自于观测、测量部门的专业数据。
②来自于统计年鉴、统计公报中的有关自然资源及社会经济发展数据。
③来自于有关单位或个人的不定期的典型调查数据、抽样调查数据。
④来自于政府公报、文件中的有关数据
⑤来自于档案、图书等文献资料中的有关数据。
⑥来自于互联网（Internet）的有关共享数据。
⑦来自地图图件。主要包括各种比例尺的地形图、影像地图、专题地图等。
⑧来自遥感数据。主要包括各种航空遥感数据和卫星遥感数据。
⑨其他来源的有关数据。
采集地理数据过程中需要注意的问题：
①数据的完备性和可靠性。
②在数据采集过程中，最大限度地减小数据的误差。
③在数据采集完毕后，进行检验，辨别真伪，通过数据筛选，去粗取精、去伪存真

2.3.2地理数据处理

地理数据处理，是地理问题研究的核心环节。
从理论上讲，在地理学中，数学方法的运用主要有两个目的：（1）运用数学语言对地理问题的描述，建立地理数学模型，从更高、更深层次上揭示地理问题的机理；（2）运用有关数学方法，通过定量化的计算和分析，对地理数据进行处理，从而揭示有关地理现象的内在规律

2.4地理数据的统计预处理

2.4.1统计整理

①统计分组，就是根据研究目的，按照一定的分组标志将地理数据分成若干组。
②计算各组数据的频数、频率，编制统计分组表。
③作分布图。

2.4.2几种常用的统计指标与参数

2.4.2.1描述地理数据一般水平的指标

平均值：未分组 $\bar{x}=\frac{1}{n} \sum_{i=1}^{n} x_{i}$ 分组 $\bar{x}=\frac{\sum_{i=1}^{m} f_{i} x_{i}}{\sum_{i=1}^{m} f_{i}}$

中位数：未分组排在中间的位置

分组 $M_{e}=L+d \times \frac{\frac{1}{2} \sum_{i=1}^{n} f_{i}-S_{m-1}}{f_{m}}$ 或 $M_{e}=U-d \times \frac{\frac{1}{2} \sum_{i=1}^{n} f_{i}-S_{m+1}}{f_{m}}$

$M_e$ 代表中位数；
$L$ 为中位数所在组的下限值；
$U$ 为中位数所在组的上限值；
$f_m$ 为中位数所在组的频数；
$S_{m-1}$ 为中位数所在组以下的累计频数；
$S_{m+1}$ 为中位数所在组以上的累计频数；
$d$ 为中位数所在组的组距

众数：未分组频数最大的分组 $M_{0}=L+d \times \frac{\Delta_{1}}{\Delta_{1}+\Delta_{2}}$ 或 $M_{0}=U-d \times \frac{\Delta_{2}}{\Delta_{1}+\Delta_{2}}$

$M_0$ 代表众数；
$L$ 为众数所在组的下限值；
$U$ 为众数所在组的上限值；
$\Delta_1$ 为众数组频数与上一组频数之差；
$\Delta_2$ 为众数组频数与下一组频数之差；
$d$ 为众数所在组的组距

计算举例：

平均数：
$\bar{x}=\frac{\sum_{i=1}^{m} f_{i} x_{i}}{\sum_{i=1}^{m} f_{i}}\\ =(300*2500+1300*3500+200*4500+150*5500+100*6500\\ +50*7500+30*8500)/2130=3899.06$