【概念详解】空间自相关

空间自相关

概念

空间自相关是一种用来度量空间数据的分布特征和相互关系的统计方法。空间自相关的基本思想是，空间上相邻或接近的位置上的数据值之间可能存在某种依赖或相似性，而这种依赖或相似性会随着距离的增加而减弱或消失。空间自相关可以分为全局空间自相关和局部空间自相关两种类型，分别用来描述整个研究区域的空间分布模式和局部区域的空间异质性。

全局空间自相关

概念

全局空间自相关是对整个研究区域的空间数据进行综合测度的指标，用于反映空间数据是否呈现出聚集或离散的趋势以及这种趋势的强度和显著性。

常用指标

• 莫兰指数（Moran’s I）
• 吉里指数（Geary’s C）
• 吉提斯指数（Getis’s G）

其中，莫兰指数是最常用的一种，它可以看作是考虑空间位置关系的协方差与方差之比，即空间自相关系数。莫兰指数的取值范围为[-1,1]，当其取值大于0时，表示空间正相关，即相邻要素之间呈现“高高、低低”的聚集趋势；当其取值小于0时，表示空间负相关，即相邻要素之间呈现“高低、低高”的互相分布趋势；当其取值接近于0时，表示空间随机分布，不呈现相关性。

计算公式（莫兰指数）

$$I=\frac{n{\sum }_{i=1}^n{\sum }_{j=1}^n{w}_{ij}(x_i-\bar{x})(x_j-\bar{x})}{{\sum }_{i=1}^n{\sum }_{j=1}^n{w}_{ij}{\sum }_{i=1}^n{\left(x_i-\bar{x}\right)}^2}$$

其中，n是要素个数，xi和xj是第i和j个要素的属性值，x̄是属性值的平均数，wij是第i和j个要素之间的空间权重。ArcGIS中的***空间自相关（莫兰指数）***工具可以实现这个过程。

例子解释

图中为某地四个时期的地表温度全局空间自相关显著性检验表，4 个时相的 Moran’s I 均大于 0.9， P 均小于 0.001，这个结果表明在这四个时期内，地表温度的全局空间自相关非常显著。这四个时期的地表温度在空间上呈现出了极强的正相关性。

局部空间自相关

概念

局部空间自相关是对研究区域中不同地区或单元的空间数据进行分析的指标，用于反映每个地区或单元与其周围区域之间的空间差异程度和显著性。

常用指标

• 局部莫兰指数（Local Moran’s I）
• 吉提斯-奥德指数（Getis-Ord Gi*）

其中，局部莫兰指数是全局莫兰指数的分解，它可以看作是每个要素与其邻居之间的协方差与方差之比。局部莫兰指数可以用来识别研究区域中存在的高值聚集区、低值聚集区、高低异常值和低高异常值等不同类型的空间集聚或离散现象。

计算公式（局部莫兰指数）：

$$I_i=\frac{(x_i-x){\sum }_{j=1}^n{w}_{ij}(x_j-x)}{{\sum }_{i=1}^n{\left(x_i-x\right)}^2}$$

其中，xi和xj是第i和j个要素的属性值，x̄是属性值的平均数，wij是第i和j个要素之间的空间权重。例如ArcGIS中的聚类和异常值分析工具可以实现这个过程。

例子解释

这张图片是空间自相关分析的一个示例，它展示了中国2018年上半年和下半年的地表温度（LST）的局部空间自相关分布。局部空间自相关分析可以用来识别不同地区的温度与其周围地区的温度之间的相似性或差异性。图片中的颜色代表了不同类型的空间集聚或离散现象，具体如下：

高-高区域：高-高区域表示具有高地表温度的地区周围的邻近地区也具有高地表温度。这表示这些地区是高地表温度的聚集区，即高温区域周围的地区也是高温区域。在这些地区内，高温区域相互吸引或者受到共同的影响。

高-低区域：高-低区域表示具有高地表温度的地区周围的邻近地区具有低地表温度。这表示这些地区是高地表温度与低地表温度的边界区域，即高温区域与低温区域相邻。这可能意味着在这些地区之间存在明显的温度差异或过渡。

低-低区域：低-低区域表示具有低地表温度的地区周围的邻近地区也具有低地表温度。这表示这些地区是低地表温度的聚集区，即低温区域周围的地区也是低温区域。在这些地区内，低温区域相互吸引或者受到共同的影响。

低-高区域：低-高区域表示具有低地表温度的地区周围的邻近地区具有高地表温度。这表示这些地区是低地表温度与高地表温度的边界区域，即低温区域与高温区域相邻。这可能意味着在这些地区之间存在明显的温度梯度或过渡。

度。这表示这些地区是低地表温度与高地表温度的边界区域，即低温区域与高温区域相邻。这可能意味着在这些地区之间存在明显的温度梯度或过渡。

不显著区域：不显著区域表示局部莫兰指数的P值大于设定的显著性水平（通常是0.05或0.01），即没有足够的证据来支持该区域具有空间相关性。这表示在该区域内的地表温度值与周围区域的值之间没有显著的空间关系。

欢迎关注我的私人公众号（同名），会持续分享一些科研经验！！
感谢大家花时间来阅读本文，小编水平有限，有失误之处请大家斧正！