点事件位置的空间聚集——基于分布密度的量测

问题：

给定100个点事件，请在ArcMap中生成呈现随机分布、聚集分布和分散分布这3类空间分布的空间数据
sample_rdmsample_clustersample_disps

• 利用标准插椭圆分别描述其分布形态;
• 利用期望频数法量化其分布类型;
• 利用方差均值比法量化其分布类型;
• 取上述samplecluster数据，图示比较分析移动窗口分析方法(pointdensity)与核密度函数分析方(kerneldensity结果的异同 【注意 output cellsizesearch radius(neighborhoodradius以及unit选择一致)】
  注：通过fishnet生成包含10个样方的规则网格 polygon数据,即样方;基于sample_rdmsample_clustersample_disps等点图层,右键，基于空间位置的join,进行fishnet每个格网中的点数据的sum统计，这样就可以得到每个样方中的频数。

解答：

1.关于生成随机分布的点数据：

我运用了create random points工具进行生成了100个随机点

生成过程中需要设置投影坐标系。

2.关于生成聚集点数据

我结合甘肃省行政区域图，新建了点文件，并且创做了100个点数据，使数据可以按照自己的想法进行聚集分布

3.对于生成均匀分布的点，我只想到了运用工具create fishnet，在生成格网的同时生成了点数据

最终算是生成了100个均匀分布的点数据

4.利用标准插椭圆分别描述其分布形态

它可以识别一组数据的方向以及分布的趋势，并且了解到这份数据是否具有一些特性。
结果解读如下：

1、椭圆的长半轴表示的是数据分布的方向，短半轴表示的是数据分布的范围，长短半轴的值差距越大（扁率越大），表示数据的方向性越明显。反之，如果长短半轴越接近，表示方向性越不明显。如果长短半轴完全相等，就等于是一个圆了，圆的话就表示没有任何的方向特征。

2、短半轴表示数据分布的范围，短半轴越短，表示数据呈现的向心力越明显；反之，短半轴越长，表示数据的离散程度越大。同样，如果短半轴与长半轴完全相等了，就表示数据没有任何的分布特征。

3、中心点表示了整个数据的中心位置，一般来说，只要数据的变异程度不是很大的话，这个中心点的位置大约与算数平均数的位置基本上是一致的，至于数据变异是什么情况，请看下面第4点。

4、有的同学会很疑惑，为什么你画的这个椭圆，还有很多的点都在外面，没有把所有的点都包含进去？那么就是就是“标准差椭圆”这个名词里面的“标准差”的含义所在了。

在ArcGIS工具里面（其他的工具也都差不多），提供了“椭圆大小”（Ellipse_Size）这个参数，这个参数表示你生成的椭圆的级别，一共有三个，如下表：

三个级别的椭圆，分别表示了你生成的椭圆，能够包含68%，95%和99%三个级别的数据，我们通过可以指定要表示的标准差数（1、2 或 3）来决定你生成的椭圆包含的数据比例。

当要素具有空间正态分布时（即这些要素在中心处最为密集，而在接近外围时会逐渐变得稀疏），第一级标准差（默认值）范围可将约占总数 68%的输入要素的质心包含在内。第二级标准差范围会将约占总数 95%的要素包含在内，而第三级标准差范围则会覆盖约占总数 99%的要素的质心。

所以，当你选择不同标准差等级的时候，你发现你的中心点的位置也可能不同。

当然，作为空间分析工具，方向分布一样可以进行加权计算，这个计算主要还是与中心点的位置确定以及椭圆标准差等级生成的椭圆大小有关系。

5.利用期望频数法、方差均值比法量化其分布类型

通过fishnet生成包含10个样方的规则网格 polygon数据,即样方

以均匀分布为例：
每个表格对应点数如下

10	6	8	5	0
0	0	1	61	9

根据公式

算出结果为302.8 结果很大，不可能为随机分布。

方差为3028/9
均值为10
所以结果为33.6>1 是均匀分布。

基于点图层,右键，基于空间位置的join,进行fishnet每个格网中的点数据的sum统计，这样就可以得到每个样方中的频数。
需要运用Spatial Join工具，具体学习请参照链接：
Spatial Join学习
Spatial Join的理解
之后算出每种类型每个样方内的点数，进行分析：

6.取上述sample cluster数据，图示比较分析移动窗口分析方法(pointdensity)与核密度函数分析方法(kerneldensity)结果的异同

kernel density分析结果如图

point density分析结果如图

点密度分析与核密度分析之间的区别：
点密度分析工具用于计算每个输出栅格像元周围的点要素的密度。从概念上讲，每个栅格像元中心的周围都定义了一个邻域，将邻域内点的数量相加，然后除以邻域面积，即得到点要素的密度。
核密度分析用于计算每个输出栅格像元周围的点要素的密度。概念上，每个点上方均覆盖着一个平滑曲面。在点所在位置处表面值最高，随着与点的距离的增大表面值逐渐减小，在与点的距离等于搜索半径的位置处表面值为零。仅允许使用圆形邻域。
因此整体上核密度分析的结果看着更加光滑有梯度感。
具体分析原理可参照：
ArcGIS实验教程——实验四十二：ArcGIS密度分析（核密度、点密度、线密度）