Geoda-双变量空间自相关

Geoda-双变量空间自相关https://mp.weixin.qq.com/s/cOkgBCf5ljlVJkWoIwkzxw

之前空间自相关—莫兰指数中简单写了一下如何在ArcGIS中计算莫兰指数，本次简要演示在Geoda中计算双变量空间自相关的步骤。案例数据是武汉市资源环境承载力指数（RECC）为变量1，归一化NDVI为变量2，分析二者之间是否存在空间自相关性（这数据不咋样，我在一本教程书上找到的，所以对结果的真实意义不必认真，看着不太合理..）

首先加载数据，Geoda无法识别shpfile里的中文字段，所以字段名称需要都改为英文，确保格式都正确后打开数据，下图是160个街道的矢量。

然后构建空间权重矩阵。打开空间权重管理，邻接选择ID变量为编号连续值的字段，默认的objectid或者fid字段都可以，选择Queen邻接，点击创建并保存空间权重文件，邻接型生成的是gal文件，距离型生成的是gwt文件。这里有1个街道是没有邻居的，后面会直接删掉，有疑问的可以看一下虾神这篇文章。（之前CSDN的这篇文章较为详细的说了一下空间权重矩阵创建，后续可以单独再写）

打开空间分析工具，选择双变量Moran's I，第一变量为RECC，第二变量为NDVI，点击确定。

得到散点图，结果显示Moran's I为-0.083，Moran's I大于0时，表示数据呈现空间正相关，值越大空间相关性越明显；Moran's I小于0时，表示数据呈现空间负相关，值越小空间差异越大。

为验证计算结果的信效度，还需看一下P值和Z得分，在Moran's I结果图上右键选择随机化-999次置换。p值为0.016，z得分为-2.2492，P值＜0.05，且Z得分<-1.96 ，说明两变量间存在较为显著的空间负相关。也就是一般资源承载指数高的地方，植被覆盖度指数就低，反之，植被覆盖度高的地方，资源承载指数就低。

双变量LISA图显示RECC和NDVI在研究区域的主要空间聚类模式为低-低型(低RECC和低NDVI)和低-高型(低RECC和高NDVI)，其次是高-低型(高RECC和低NDVI)，高-高型(高RECC和高NDVI)相对较少。