浅析空间自相关的内容及意义.

《浅析空间自相关的内容及意义.》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、浅析空间自相关的内容及意义摘要：本文主要介绍了空间自相关的含义、测度指标及研究空间自相关的意义。首先，明确空间自相关是检验某一要素的属性值是否显著地与其相邻空间点上的属性值相关联的重要指标，揭示空间参考单元与其邻近的空间单元属性特征值之间的相似性或相关性。其次，介绍用来测度空间自相关性的指标，可以分为全局指标和局部指标，常用的指标有：Moran’sI、Geary’sC和Getis-OrdG。最后，进一步阐述了空间自相关的研究意义。关键字：空间自相关；全局指标；局部指标Thecontentandresearchsignificanceofspatialautocorrelationanalysi

2、sAbstract:Inthispaper,thecontent,theindexandtheresearchsignificanceofspatialautocorrelationwereanalyzed.Firstly,thecontentofspatialautocorrelationisdiscussed.Spatialautocorrelationisrelatedtothecorrelationofthesamevariables,andalsocanbeusedtomeasurethedegreeofconcentrationoftheattributevalue,inorder

3、torevealthecorrelationbetweenthespacereferenceunitanditsnearunit,includingglobalspatialautocorrelationandlocalspatialautocorrelation.Secondly,itanalyzestheindexofspatialautocorrelation,themainindexincludedMoran’sI,Geary’sCandGetis-OrdG.Thirdly,thispaperdiscussedtheresearchsignificationofspatialautoc

4、orrelationanalysis.Keywords:spatialautocorrelation;globalindex;localindex引言空间自相关是研究空间中某位置的观察值与其相邻位置的观察值是否相关以及相关程度的一种空间数据分析方法[1]。即空间自相关是检验某一要素的属性值是否显著地与其相邻空间点上的属性值相关联的重要指标，可以分为正相关和负相关，正相关表明某单元的属性值变化与其邻近空间单元具有相同变化趋势，负相关则相反[2]。在地学邻域，地统计学数据主要来源于研究对象在空间区域上的抽样，进而分析各种自然现象的空间变异规律和空间格局，并且已被证明是研究空间分异和空间格局的有效方

5、法。在国外，20世纪60年代就有学者开始运用空间自相关方法研究生态学、遗传学等问题,目前已应用于数字图像处理、流行病学、生物学、区域经济与社会研究、犯罪学，等方面的研究。国内空间自相关的相关研究始于20世纪90年代,主要集中在生态学、生物学、土壤学、流行病学等领域。也有部分学者采用空间自相关方法对城镇群空间结构[3]、区域经济格局[4，5]等进行了较为深入的研究。近几年来，国内关于空间自相关的研究众多，内容涉及到理论、方法和技术，更多的是实践和应用。其检验手段也在不断发展和完善。然而，众多的研究并不表明空间自相关分析臻于成熟。事实上,还有大量的基本问题没有得到有效解决。基于时间滞后的空间自相关

6、分析方法至今没有发展起来。此外,空间权重矩阵如何选择和准确赋值、空间自相关的统计参量如何选择和解释、空间相互作用的局域性和长程作用如何协调等，也是待解决的难题。本文从空间自相关的含义、测度指标及主要应用及其研究意义进行论述。空间自相关的含义空间自相关是指一些变量在同一个分布区内的观测数据之间潜在的相互依赖性。Tobler地理学第一定律指出：任何事物与别的事物之间都是相关的，但近处的事物比远处的事物的相关性更强。空间数据具有三大属性[6]，即空间、时间和专题属性，后两者常常被视为非空间属性。空间属性是指空间对象几何特征，以及与相邻物体的拓扑关系；时间属性是指空间数据总是在某一时刻或者时间段内取得

7、的或者产生的；专题属性是指以上两种属性以外的空间现象的其他特征。即空间数据提供两类信息[7]：一是定位数据和拓扑数据；二是描述研究对象的非空间属性。空间自相关就是对定位数据和拓扑数据的一种描述。空间自相关的测度指标全局空间自相关全局空间自相关是对属性值在整个区域的空间特征的描述[8]。表示全局空间自相关的指标和方法很多，主要有全局Moran’sI、全局Geary’sC和全局Getis-OrdG[3