空间自相关源于Tobler提出的地理学第一定律:Everything is related to everything else, but near things are more related to each other.
常用的空间自相关分析方法有全局莫兰指数(Global Moran’s I) 和局部莫兰指数(Local Moran’s I)。下面介绍几种其他的全局和局部自相关分析的指数和方法。
全局空间自相关
1. 全局莫兰指数(Global Moran’s I)
是一种常用的空间自相关统计量,用于测量地理空间数据中的空间聚集程度。它反映了空间数据中相邻地区值的相似程度,其值范围从 -1 到 1。
莫兰指数的值反映了空间数据中的空间自相关程度:
当莫兰指数接近 1 时,表示存在正的空间自相关,即相邻地区的值趋向于相似,存在空间聚集;
当莫兰指数接近 -1 时,表示存在负的空间自相关,即相邻地区的值趋向于不同,存在空间分散;
当莫兰指数接近 0 时,表示不存在空间自相关,即地区的值之间没有空间模式。
莫兰指数的显著性检验通常会计算 z 值,并与正态分布的临界值进行比较,以确定莫兰指数是否具有统计学意义。
全局莫兰指数(Global Moran’s I) 可以使用ArcGIS来计算:【空间统计工具】–【分析模式】–【空间自相关】。输入数据要求为矢量数据,如果是栅格可以将其转为矢量进行计算。
2. Geary’s C
Geary’s C 也是一种用于测量空间自相关的统计量。它主要用于检测邻近区域之间的差异,值介于0和2之间。值接近0表示高度正自相关,值接近2表示高度负自相关,值为1表示没有自相关。