GIS基本理论之四：空间数据分析基本理论

GIS基本理论系列是在《地理信息系统原理和应用》读书报告基础上完成的，当作自己对GIS理论的一次复习回顾。

1. 空间信息分析的内容包括哪些操作？有哪些功能？

空间信息分析通常是指 GIS 为用户提供的解决问题的方法。

空间信息分析的基本方法包括以下一些内容：

（ 1 ）空间信息量算：质心计算、几何量算、形态量算等

（ 2 ）空间信息分类：主成分分析 (PCA) 、层次分析 (AHP) 、聚类分析、判别分析等

（ 3 ）叠加分析：视觉信息复合；属性层叠合

（ 4 ）网络分析：路径分析、地址匹配、资源分配、空间规划等

（ 5 ）邻域 ( 近 ) 分析：缓冲区、泰森多边形、等值线、扩散等

（ 6 ）空间统计分析：常规统计、空间自相关、回归、趋势分析、专家打分（加权）等

（ 7 ）数据的插值：点的内插

下面分别描述：

空间数据的查询检索是 GIS
最基本的功能。用户可通过它，不仅能提取数据库中的既有信息，还能进一步获取很多派生的空间信息。空间数据查询检索：按一定的要求对 GIS
所描述的空间实体及其空间信息进行访问，检索出满足用户要求的空间实体及其相应的属性，并形成新的数据子集。

空间数据的多元复合、空间属性的多层叠加，是基于同一空间位置、区域，进行属性运算。 GIS
最主要的分析功能。空间数据叠合是以空间层次分析理论为基础，空间信息复合包括视觉信息复合 ( 只是显示，不生成新数据层，较简单 ) 和属性数据层叠合
( 生成新的数据层，复杂 ) 。

空间数据分类和统计分析的目的是简化复杂的事物，突出主要因素。空间数据分类包括单因素分类，即属性变量区间、组合；间接因素；地理区域；多因素分类，即主成分分析；聚类分析。多变量统计分析主要用于数据分类和综合评价。数据分类是
GIS 重要组成部分；综合评价是区划和规划的基础。常用统计分析方法包括：

（ 1
）常规统计分析：主要完成对数据集合的均值、总和、方差、频数、峰度系数等参数的统计分析。如：数学期望值、中数、众数；极差、离差、标准差、变差系数等。

（ 2 ）空间自相关分析：空间自相关分析是认识空间分布特征、选择适宜的空间尺度来完成空间分析的最常用的方法。

（ 3 ）回归分析：用于分析两组或多组变量之间的相关关系。有多种回归拟合，如线性回归、指数回归、对数回归、多元回归等

（ 4 ）趋势分析：通过数学模型模拟地理特征的空间分布与时间过程，把地理要素时空分布的实测数据点之间的不足部分内插或预测出来

（ 5 ）主组（成）分分析：亦称 K-L
变换，用作变量重组和筛选。地理问题往往涉及大量相互关联的自然和社会要素，众多的要素常常给分析带来很大困难，同时也增加了运算的复杂性。主成分分析法通过数理统计分析，将众多要素的信息压缩表达为若干具有代表性的合成变量，这就克服了变量选择时的冗余和相关，然后选