本文只是给你个空间分析的大体概述,如果理解了这个概述,那就做空间分析没有任何问题。无非就是关注5个方面,不论是科研还是工作:
(1)解决的问题,要干啥事情
看案例,别人是这么干类似的事情的,无非就是看别人案例的数据,方法和结果。
类比到自己解决的问题,要啥数据,要啥方法,结果适不适合解决自己的问题。
(2)需要的数据,数据要哪些,多大尺度
(3)分析方法,方法都列出来了,选择看看哪种合适,就看视频看书看案例学着用就行了,一天怎么也学会一种方法了。
(4)结果分析,得到什么结果为什么是这个结果
(5)展示预测,就是做图或提建议
两种思维方式:
(1)就是问题为导向,先得到问题,再找解决方案(方案=数据+方法)
(2)以数据为导向,我有这个数据,可以解决哪些问题。
时空统计
1 时空数据
时间指随着时间的变化关系趋势
空间关系指相互位置关系,通常用拓扑关系表示,这是地理数据与其它数据最大的差别。
从空间角度研究空间数据的特点就是时空数据分析。
1.1 四大特征
(1)空间特征
(2)属性特征
(3)时间特征
(4)尺度特征
1.2 三大特点
(1)空间相关性
(2)空间异质性
(3)可塑面积单元问题
就是在不同尺度和不同划区下研究结果不一样。
1.3 不确定性
(1)指标是否有效合理
(2)表达的合理性
是否适合抽象为点、线、面
(3)数据的准确性
2 统计学基础
统计学包括7部分:
(1)就是用科学方法进行收集
(2)整理
(3)汇总
(4)描述
(5)分析
(6)推断
(7)决策
仅仅描述和分析特定的对象而不下结论或不对较大的群体做出推断,称为描述统计学:
2.1 描述性统计(很简单,苏世亮老师的书30分钟全部搞懂)
(1)
(2)
(3)
(4)
(5)
2.1.1 集中趋势(很简单)
(1)平均值
(2)算术平均值
(3)几何平均
(4)调和平均数
(5)中位数
(6)分位数
(7)众数
2.1.2 离散程度
(1)极差
(2)平均偏差
(3)分位数差
(4)方差
(5)标准差
(6)变异系数(标准差与平均值之比)
2.1.3 其它
(1)矩,就是多维的一个公式
(2)偏度(分布不对称的度量,(均值-众数)/标准差)
(3)峰度(看数据分布的陡峭程度)
3 空间依赖和异质性
3.1 空间依赖的方法
3.2 空间异质性方法
(1)地理加权回归
(2)地理探测器
4 空间可达性分析
侧重于距离
5 空间格局分析
也就是相关性的分析
5.1 点格局
5.2 空间句法
5.3 景观格局
6 空间插值
7 机器学习的所有方法
8 其它方法
(1)元胞机
(2)深度学习
(3)时间序列的所有方法