空间分析-(5-6)：空间点数据分析课件

第五讲空间点数据分析引言点数据概述点数据分析--SpatialPointDataAnalysis--2023/8/11河南大学环境与规划学院

zhaoy@

第五讲空间点数据分析引言--SpatialPoint1.引言2023/8/12河南大学环境与规划学院

zhaoy@

1.引言2023/7/312河南大学环境与规划学院zha点模式分析由植物学家和生态学家在1930s应用。但是，随后许多不同领域也开始应用点模式分析，如考古学、流行病学、天文学和犯罪学。一般来说，点模式分析可以用来描述任何类型的事件数据（incidentdata）。因为每一事件都可以抽象化为空间上的一个位置点。2023/8/13河南大学环境与规划学院

zhaoy@

点模式分析由植物学家和生态学家在1930s应用。但是，随后许抢劫案2023/8/14河南大学环境与规划学院

zhaoy@

抢劫案2023/7/314河南大学环境与规划学院zhaoyData2023/8/15河南大学环境与规划学院

zhaoy@

Data2023/7/315河南大学环境与规划学院zhao城市发展的空间演变模式2023/8/16河南大学环境与规划学院

zhaoy@

城市发展的空间演变模式2023/7/316河南大学环境与规划星罗棋布的村庄http://www.sphere.ad.jp/togen/photo-n.html2023/8/17河南大学环境与规划学院

zhaoy@

星罗棋布的村庄http://www.sphere.ad.jp来源：USGS2023/8/18河南大学环境与规划学院

zhaoy@

来源：USGS2023/7/318河南大学环境与规划学院zArp272是两个螺旋星云——NGC6050和IC1179相撞形成的，这两个星云的螺旋臂相互扭结在一起。它们是武仙座星群的一部分。武仙座星群是已知的宇宙中最大的结构：所谓的长城的一部分。Arp272距离地球大约4.5亿光年。/photo/2008-04/25/content_8047673_4.htm

Arp240是一对大小相似的螺旋星云——NGC5257和NGC5258。这两个星系显然通过一个暗淡的恒星桥相互作用。它们两个的中心都有超大质量黑洞。Arp240位于室女座内，距离地球大约3亿光年。

2023/8/19河南大学环境与规划学院

zhaoy@

Arp272是两个螺旋星云——NGC6050和IC/photo/2008-04/25/content_8047673_6.htm

ESO99-4是一个拥有奇特形状的星系，它可能是一个早期合并过程的残余物，没有成形。ESO99-4位于北三角座内，距离地球大约4亿光年。2023/8/110河南大学环境与规划学院

zhaoy@

/phot轧制钢横截面（100×100

微米）573个碳化物颗粒中心混凝土（10×10×10毫米）（白色为切的刚玉颗粒，黑色为气孔）2023/8/111河南大学环境与规划学院

zhaoy@

轧制钢横截面（100×100微米）573个碳化物颗粒中心混细胞表面的蛋白质位置矩形大小：107×119微米血液样本（红细胞为黑色）矩形大小：225×182微米2023/8/112河南大学环境与规划学院

zhaoy@

细胞表面的蛋白质位置血液样本（红细胞为黑色）2023/7/3“点”模式在自然与社会经济中普遍存在。识别空间点模式(spatialpointpattern)的目的是为了更好地理解空间点过程(spatialpointprogress)，揭示隐藏在空间模式表象之下的空间过程的机理。—空间随机/聚集/均匀—过程建模2023/8/113河南大学环境与规划学院

zhaoy@

“点”模式在自然与社会经济中普遍存在。2023/7/31132.点数据概述2023/8/114河南大学环境与规划学院

zhaoy@

2.点数据概述2023/7/3114河南大学环境与规划学院随机分布：任何一点在任何一个位置发生的概率相同，某点的存在不影响其它点的分布。又称泊松分布(Poissondistribution)。均匀分布：个体间保持一定的距离，每一个点尽量地远离其周围的邻近点。在单位(样方)中个体出现与不出现的概率完全或几乎相等。聚集分布：许多点集中在一个或少数几个区域，大面积的区域没有或仅有少量点。总体中一个或多个点的存在影响其它点在同一取样单位中的出现概率。空间点数据的三种基本分布模式2023/8/115河南大学环境与规划学院

zhaoy@

随机分布：任何一点在任何一个位置发生的概率相同，某点的存在不随机均匀聚集点数据的三种基本空间分布模式2023/8/116河南大学环境与规划学院

zhaoy@

随机均匀聚集点数据的三种基本空间分布模式2023/7/311怎样描述点模式?一阶效应(First-OrderEffects)事件间的绝对位置具有决定作用，单位面积的事件数量在空间上有比较清楚的变化。 如，空间上平均值/密度的变化。二阶效应(Second-OrderEffects)事件间的相对位置和距离具有决定作用。 如，空间相互作用。2023/8/117河南大学环境与规划学院

zhaoy@

怎样描述点模式?一阶效应(First-OrderEffec3.1

基于密度的方法：测度一阶效应3.点数据分析3.2基于距离的方法：测度二阶效应

最近邻距离：G函数、F函数

最近邻距离的统计检验

K

函数(KFunction)

样方分析样方分析的统计检验

核密度估计2023/8/118河南大学环境与规划学院

zhaoy@

3.1基于密度的方法：测度一阶效应3.点数据分析3.2空间点数据分析架构2023/8/119河南大学环境与规划学院

zhaoy@

空间点数据分析架构2023/7/3119河南大学环境与规划学3.点数据分析3.1基于密度的方法

①样方分析(Quadratanalysis) ②样方分析的统计检验

③核密度估计(KernelDensityEstimation)

2023/8/120河南大学环境与规划学院

zhaoy@

3.点数据分析3.1基于密度的方法2023/7/31利用所有点：样方的形状、大小、方向对结果有影响如果样方太大/小，那么……?随机抽样方法：有增加样本量的作用可以描述一个没有完全数据的空间点过程①样方分析-两种方式2023/8/121河南大学环境与规划学院

zhaoy@

利用所有点：随机抽样方法：①样方分析-两种方式2023/7/样方形状http://psychology.exeter.ac.uk/lundy/quadrat.htmTheterm“Quadrat”strictlymeansafoursidedfigure,butinpracticethistermisusedtomeananysamplingunit,whethersquare,rectangular,circular,hexagonalorevenirregularinoutline.2023/8/122河南大学环境与规划学院

zhaoy@

样方形状http://psychology.exeter.a样方分析步骤a).研究区域中打上网格，建议方格大小为：QuadratSize=2A/n

A：研究区域面积，n：点的个数。b).确定每个网格中点的个数。c).计算均值(Mean)、方差(Var)和方差均值比:VMR=Var/Mean

对于均匀分布，方差=0，因此VMR的期望值=0；对于随机分布，方差=均值，因此VMR的期望值=1；对于聚集分布，方差大于均值。因此VMR的期望值>1。

2023/8/123河南大学环境与规划学院

zhaoy@

样方分析步骤a).研究区域中打上网格，建议方格大小为：对注:N=样方数量=10随机均匀聚集随机聚集x均匀xx2023/8/124河南大学环境与规划学院

zhaoy@

注:N=样方数量=10随机均匀聚集随机聚集x均匀样方分析的缺点结果依赖于样方的大小和方向。总的模式是分散的，但局部有聚集现象。样方分析主要依据点密度，

而不是点之间的相互关系，所以不能区别图示的两种情况：样方分析不能探测区域内的变化。密度：密度依赖于研究区域的大小。a：a,4a,16a,64an：2,2,5,10

：2.0,0.5,0.31,0.152023/8/125河南大学环境与规划学院

zhaoy@

样方分析的缺点结果依赖于样方的大小和方向。总的模式是分散的，样方分析：K-S检验D检验2023/8/126河南大学环境与规划学院

zhaoy@

样方分析：K-S检验D检验2023/7/3126河南大学环境如何比较精确地检验零假设？H0：没有空间模式假设在一区域内通过随机放点来模拟零假设，并计算其方差-均值比（VMR）。更进一步地，假如重复模拟1000次，得到模拟结果的直方图，当H0为真时，1000次VMR的均值将接近于1。直方图中VMR的尾部值（VMR的抽样分布），当零假设为真时相对稀少。②样方分析的统计检验-方差均值比的x2检验2023/8/127河南大学环境与规划学院

zhaoy@

如何比较精确地检验零假设？②样方分析的统计检验-方差均值比的如果观测模式的VMR大于VMRH，则拒绝零假设，相对于随机模式而言观测值更趋于均匀分布；如果观测模式的VMR小于VMRL，也拒绝零假设，相对于随机模式而言观测值更趋于聚集分布。2023/8/128河南大学环境与规划学院

zhaoy@

2023/7/3128河南大学环境与规划学院zhaoy@h当H0为真时VMR的抽样分布2023/8/129河南大学环境与规划学院

zhaoy@

当H0为真时VMR的抽样分布2023/7/3129河南大学环如果观测到VMR的极值（大于VMRH或小于VMRL），则拒绝没有空间模式的零假设。在这种情况下，1）零假设实际上是真的，而我们拒绝了它，犯了第I类错误（弃真）；2）零假设不是真的，我们做了一个正确的决定。为了确定临界值点（VMRH、VMRL），首先必须确定所容许犯第I类错误的概率。2023/8/130河南大学环境与规划学院

zhaoy@

如果观测到VMR的极值（大于VMRH或小于VMRL），则拒绝如果α=0.05，那么1000次模拟当中50个较大的值用于获取临界值（50/1000=0.05）。如果把1000次模拟的VMR值从小到大依次排序，第25个值将作为VMRL，当H0为真时1000次中有25次低于VMRL；相似地，第975个值将作为VMRH，当H0为真时1000次中有25次高于VMRH。这样，当采用该临界值时，1000次当中有50次，或5%的几率犯第I类错误。2023/8/131河南大学环境与规划学院

zhaoy@

如果α=0.05，那么1000次模拟当中50个较大的值用于获样方分析：假设检验示例判断下图是否空间随机（共100个点，分布于10×10的样方内）？均值：100/（10×10）=1含3个点的样方：6个含2个点的样方：20个含1个点的样方：42个含0个点的样方：32个方差为：{6(3-1)2+20(2-1)2+42(1-1)2+32(0-1)2}/(100-1)=0.77VMR=0.77/1=0.77<1，趋于均匀分布。如果H0为真，0.77是否小到可以拒绝原假设？2023/8/132河南大学环境与规划学院

zhaoy@

样方分析：假设检验示例判断下图是否空间随机（共100个点，分方法：随机模拟，均值=1重复模拟1000次，建立VMR的抽样分布，得到的结果从小到大排序。第25个最小值VMRL

=0.747，第975个值VMRH

=1.313。由于VMRL

<0.77<VMRH

，接受原假设，即随机情况下VMR=0.77不是特别不正常。上述方法即所谓的蒙特卡罗模拟（MonteCarloSimulation）。

优点：易于理解和实现

缺点：不同的人得到的模拟结果不同，e.g.10个人可能得到10个不同的临界值。2023/8/133河南大学环境与规划学院

zhaoy@

方法：随机模拟，均值=12023/7/3133河南大学环境与蒙特卡罗模拟方法的基本思想圆的外切正方形的边长。2023/8/134河南大学环境与规划学院

zhaoy@

蒙特卡罗模拟方法的基本思想圆的外切正方形的边长。2023/7蒙特卡罗模拟方法的基本思想2023/8/135河南大学环境与规划学院

zhaoy@

蒙特卡罗模拟方法的基本思想2023/7/3135河南大学环境蒙特卡罗模拟方法的基本思想2023/8/136河南大学环境与规划学院

zhaoy@

蒙特卡罗模拟方法的基本思想2023/7/3136河南大学环境当H0为真时，有一个简单的方法可以避免采用前述的模拟方法。临界值可用x2=(m-1)VMR具有m-1个自由度的x2分布表确定。当自由度（df）比较大时，x2=(m-1)VMR趋于正态分布。特别地，当H0为真、df>30的情况下，(m-1)VMR具有均值为m-1、方差为2(m-1）的正态分布。这意味着是均值为0、方差为1的标准正态分布。在α=0.05的情况下，临界值分别为zL=-1.96、zH=+1.96。如果z<zL或z

>zH，则拒绝原假设。上例中：2023/8/137河南大学环境与规划学院

zhaoy@

当H0为真时，有一个简单的方法可以避免采用前述的模拟方法。临自由度小于30的情况100个点，5×5样方：VMR

=0.6875。x2=(25-1)×VMR=16.5由于自由度（df）小于30，需要应用x2分布表。查找df=24、p=0.025和p=0.975，并进行插值，得到上、下临界值40.5、12。因为12<16.5<40.5，所以接受零假设。点模式为空间随机分布。2023/8/138河南大学环境与规划学院

zhaoy@

自由度小于30的情况由于自由度（df）小于30，需要应用x22023/8/139河南大学环境与规划学院

zhaoy@

2023/7/3139河南大学环境与规划学院zhaoy@h基本思想：在研究区域内的任一点都有一个密度，而不仅仅是在事件点上。该密度通过计数一定区域内的事件点数量，或核(Kernel)进行估计。核以估计点为中心，一定距离为半径。其中：C(p,r)

是以待估点p为 圆心、r为半径的圆。带宽：r如果

r太大/小，那么……?r固定？

r变化？③

核密度估计(KernelDensityEstimation,KDE)2023/8/140河南大学环境与规划学院

zhaoy@

基本思想：在研究区域内的任一点都有一个密度，而不仅仅是在事件边界?KernelWindows©PaulBolstad,GISFundamentals2023/8/141河南大学环境与规划学院

zhaoy@

边界?KernelWindows©PaulBolsta带宽选择是核密度估计中一个具有挑战性的问题，可以采用不同的带宽对同一问题进行分析，探测模式的异质性。2023/8/142河南大学环境与规划学院

zhaoy@

带宽选择是核密度估计中一个具有挑战性的问题，可以采用不同的带Analysis2023/8/143河南大学环境与规划学院

zhaoy@

Analysis2023/7/3143河南大学环境与规划学院密度估计(带宽700Km)密度估计(带宽300Km)密度估计(带宽500Km)2023/8/144河南大学环境与规划学院

zhaoy@

密度估计(带宽700Km)密度估计(带宽300Km)密度估计EventssiStudyregionlocationsBandwidthrQuelle:AdaptiertvonGatrelletal.(1996)QuarticKernelFunktion0,00-0,09>0,09-0,26>0,26-0,50>0,50-1,12Kernel-DesityEstimationA0,00-0,05>0,05-0,16>0,16-0,31>0,31-0,62Kernel-DesityEstimationB0,00-0,04>0,04-0,11>0,11-0,22>0,22-0,35Kernel-DesityEstimationCr=500mr=1000mr=3000m2023/8/145河南大学环境与规划学院

zhaoy@

EventssiStudyregionlocatio核密度估计(KDE)用途：可视化点模式进行热点(hotspot)探测；离散连续。如，疾病与污染。SpatialsmoothingClusterdetection2023/8/146河南大学环境与规划学院

zhaoy@

核密度估计(KDE)用途：Spatialsmoothing3.1

基于密度的方法：测度一阶效应3.点数据分析3.2基于距离的方法：测度二阶效应

最近邻距离：G函数、F函数

最近邻距离的统计检验

K

函数样方分析样方分析的统计检验核密度估计2023/8/147河南大学环境与规划学院

zhaoy@

3.1基于密度的方法：测度一阶效应3.点数据分析3.23.2基于距离的方法：测度二阶效应①最近邻距离方法

计算每个点到其最近邻点之间的距离，然后计算所有点最近邻距离的平均值。对每一个点，根据其欧几里德距离最小确定其最近邻点。平均最近邻距离的大小，反映点在空间的分布特征。最近邻距离越小，说明点在空间分布越密集，反之，越离散。2023/8/148河南大学环境与规划学院

zhaoy@

3.2基于距离的方法：测度二阶效应计算每个点到其最近邻点之3.2基于距离的方法①最近邻距离方法：G函数(Event-Event)

欧几里德距离：2023/8/149河南大学环境与规划学院

zhaoy@

3.2基于距离的方法欧几里德距离：2023/7/3149河3.2基于邻距离的方法①最近邻距离方法：G函数(Event-Event)

与最近邻距离只采用平均距离不同，G函数基于最近邻距离的所有频率分布。2023/8/150河南大学环境与规划学院

zhaoy@

3.2基于邻距离的方法与最近邻距离只采用平均距离不同，G函如果是聚集分布，

的值是大是小？2023/8/151河南大学环境与规划学院

zhaoy@

如果是聚集分布，的值是大是小？2023/7/315最近邻距离的最小值是9.00，即点4&8和点8&4之间的距离，有两个，2/12=0.167，所以G(d)在距离等于9时的值为0.167。下一个最近邻距离的最小值是15.64，即点2的最近邻距离，有一个，加上前面的两个最近邻距离(即9)共有3个，3/12=0.25，所以G(d)在距离等于15.64时的值为0.25。依次累积下去，得到G函数。如果点是聚集的，G(d)在短距离内急速上升。如果点趋于均匀分布，G(d)在一定距离内缓慢上升，在该距离内包含大多数点，之后G(d)快速上升。2023/8/152河南大学环境与规划学院

zhaoy@

最近邻距离的最小值是9.00，即点4&8和点8&4之间的距离3.2基于距离的方法：测度二阶效应①最近邻距离方法：F函数(Point-Event)

与G函数仅仅基于事件间最近邻距离的频率分布不同，F函数基于区域内任意位置点与事件间最近邻距离的频率分布。2023/8/153河南大学环境与规划学院

zhaoy@

3.2基于距离的方法：测度二阶效应与G函数仅仅基于事件间最三个步骤：随机选择m个位置{p1,p2,…,pm}；计算dmin(pi,s)：pi到点模式S中的任一事件的最小距离；计算：如果事件是聚集的，F(d)先缓慢上升，而在远距离处急速上升，因为研究区的大部分地方没有事件点。如果点趋于均匀分布，F(d)先快速上升，而在远距离处上升缓慢。2023/8/154河南大学环境与规划学院

zhaoy@

三个步骤：如果事件是聚集的，F(d)先缓慢上升，而在远距离G

函数与F

函数的比较2023/8/155河南大学环境与规划学院

zhaoy@

G函数与F函数的比较2023/7/3155河南大学环境G

函数与F

函数的比较2023/8/156河南大学环境与规划学院

zhaoy@

G函数与F函数的比较2023/7/3156河南大学环境3.2

最近邻距离方法②最近邻距离统计量的统计检验

2023/8/157河南大学环境与规划学院

zhaoy@

3.2最近邻距离方法2023/7/3157河南大学环境Clark&Evans（1954）发展了一个最近邻分析用于分析植物种类的空间分布。采用最近邻距离的平均值与随机模式下的期望值之比构建一个所谓的最近邻统计量：其中，为平均最近邻距离，为单位面积的点数。R的取值从0（所有点聚集到一起）到理论最大值2.14（正六边形完全均匀）。R=1表示随机模式，即观测值与随机分布下的期望值相等。方差：Clark,P.J.,EvansF.C.DistancetoNearestNeighborasaMeasureofSpatialRelationshipsinPopulations.

Ecology,1954,35(4):445-453.2023/8/158河南大学环境与规划学院

zhaoy@

Clark&Evans（1954）发展了一个最近邻分析用最近邻指数(NNI)

：R的取值从0（所有点聚集到一起）到理论最大值2.14（正六边形完全均匀）。如果：R

=0,所有的点集中于同一位置聚集分布。如果：R=1,无分布模式随机分布。即观测值与随机分布下的期望值相等。如果：R>1,每个点趋近于等间距均匀分布。2023/8/159河南大学环境与规划学院

zhaoy@

最近邻指数(NNI)：R的取值从0（所有点聚集到一起）到理6060606061Step1:计算每一个点到其最近邻的距离（通过计算直角三角形的斜边）：

SiteXYNNNNDA1.78.7B2.79B4.37.7C0.98C5.27.3B0.98D6.79.3C2.50E5.06.0C1.32F6.51.7E4.5513.126161Step1:计算每一个点到其最近邻的距离（通过计算直62Step2:计算不同条件下的距离如果模式是随机的，平均距离为?

其中，密度=n/面积=6/88=0.068如果模式完全聚集(所有点在同一个位置),那么：

如果模式完全分散，那么：

(BasedonaPoissondistribution)6262Step2:计算不同条件下的距离(Basedon63Step3:计算标准最近邻指数(NNI)：

=slightlymoredispersed

thanrandom012.14完全聚集（Perfectlyclustered）随机完全分散（Perfectlydispersed）MoredispersedthanrandomMoreclusteredthanrandom6363Step3:计算标准最近邻指数(NNI)：=空间随机分布条件下，给定面积内恰有n个点的概率可以用泊松分布描述：Clark,P.J.,EvansF.C.DistancetoNearestNeighborasaMeasureofSpatialRelationshipsinPopulations[J].Ecology,1954,35(4):445-453.

的推导CSR下平均最近邻距离期望值2023/8/164河南大学环境与规划学院

zhaoy@

空间随机分布条件下，给定面积内恰有n个点的概率可以用泊松分布Clark,P.J.,EvansF.C.DistancetoNearestNeighborasaMeasureofSpatialRelationshipsinPopulations[J].Ecology,1954,35(4):445-453.

假设给定面积是半径为r的圆k等分的一部分，令为分布的平均密度，那么有：表示任意给定面积内，恰有n个点的概率；而表示任意给定面积内不包含任何事件点的概率（n=0）。的推导CSR下平均最近邻距离期望值2023/8/165河南大学环境与规划学院

zhaoy@

Clark,P.J.,EvansF.C.Dis如果圆心任意选取，那么给定面积中距圆心为r的距离内不包含点的概率也为。作为r的一个函数，它是到最近邻的距离≥r的比例。相应地，是到最近邻距离≤r的比例。2023/8/166河南大学环境与规划学院

zhaoy@

如果圆心任意选取，那么给定面积中距圆心为r的距离内不包含点的对关于r微分，得到作为r的概率分布函数。r的期望（均值），即Re，可以通过r乘以其概率分布函数并从0到无穷大积分得到。若取圆为单位圆，即，则：（）（）2023/8/167河南大学环境与规划学院

zhaoy@

对关于r微分，得到r的二阶矩，E(r2)，可以通过r2乘以其概率分布函数，并从0到无穷大进行积分得到。若取圆为单位圆，即，则：（）2023/8/168河南大学环境与规划学院

zhaoy@

r的二阶矩，E(r2)，可以通过r2乘以其概率分布函数，并从r的方差为：若取圆为单位圆，即，则r的标准差为：因此，r的标准差为：（）2023/8/169河南大学环境与规划学院

zhaoy@

r的方差为：若取圆为单位圆，即最近邻距离统计量的构建根据上述均值和标准差，可以构造出一个服从标准正态分布N(0,1)的统计量：当显著性水平为时，Z的置信区间为。如果或，则观测模式和完全空间随机（CSR）之间存在显著的差异。若Z的符号为负，则模式趋向于聚集；若Z的符号为正，则模式趋向于均匀分布。2023/8/170河南大学环境与规划学院

zhaoy@

最近邻距离统计量的构建根据上述均值和标准差，可以构造出一个服判断下图（7×6矩形）的空间分布模式，并进行统计检验。例子：最近邻统计量Rogerson,P.A.StatisticalMethodsforGeography.SagePublicationsLtd,2001.p.163平均最近邻距离：=(1+1+2+3+3+3+3)/6=2.1676个点随机分布在7×6的矩形内的平均最近邻距离的期望值为：2023/8/171河南大学环境与规划学院

zhaoy@

判断下图（7×6矩形）的空间分布模式，并进行统计检验。例子：例子：最近邻统计量近邻距离统计量为R=2.167/1.323=1.638，即观测模式的平均最近邻距离大于完全空间随机（CSR）模式下的值，模式趋于均匀分布。检验统计量：因此，在5%的显著性水平上，拒绝空间随机分布的零假设。2023/8/172河南大学环境与规划学院

zhaoy@

例子：最近邻统计量近邻距离统计量为R=2.167/1.323例子：最近邻统计量但我们忘记了对分析结果具有明显影响的边界效应。可以用MonteCarlo模拟方法，在x轴上(0,7)和y轴上(0,6)区间内随机选取6个点，并计算其最近邻距离。模拟10000次，然后计算其平均最近邻距离，比如为1.62，大于前述的Re=1.323。这主要是因为相对于假想的区域外的点而言，区域内靠近边界上的点与区域内其他点之间的距离较远。2023/8/173河南大学环境与规划学院

zhaoy@

例子：最近邻统计量但我们忘记了对分析结果具有明显影响的边界效例子：最近邻统计量对10000次模拟结果从小到大进行排序，显示第9500个值为2.29。平均最近邻距离仅有5%的机会大于2.29，我们的观测模式的平均最近邻距离为2.167<2.29，因此，在通过MonteCarlo模拟考虑边界效应后，接受空间分布模式为随机的零假设。2023/8/174河南大学环境与规划学院

zhaoy@

例子：最近邻统计量对10000次模拟结果从小到大进行排序，显3.2基于距离的方法

③K函数

Ripley(1976)提出。TheKfunction(variouslycalled''Ripley'sK-function''andthe''reducedsecondmomentfunction'')

Ripley’sKfunctioncanbeusedtosummarizeapointpattern,testhypothesesaboutthepattern,estimateparametersandfitmodels.Ripley,B.D.TheSecond-OrderAnalysisofStationaryPointProcesses.

JournalofAppliedProbability,1976,13(2):255-266.Volume3,pp.1796-1803inEncyclopediaofEnvironmetrics2023/8/175河南大学环境与规划学院

zhaoy@

3.2基于距离的方法Ripley(1976)提出。The与G函数、F函数只使用事件或点的最近邻距离不同，K函数基于事件间的所有距离。因此，K函数不仅能探测空间模式，而且可以给出空间模式和尺度的关系。2023/8/176河南大学环境与规划学院

zhaoy@

与G函数、F函数只使用事件或点的最近邻距离不同，K函数基于事

③K函数

定义：K(d)可以在许多不同的距离尺度上描述点过程的特征。Manyecologicalpointpatternsshowacombinationofeffects,e.g.clusteringatlargescalesandregularityatsmallscales.ThecombinationcanbeseenasacharacteristicpatterninaplotoftheKfunction.Volume3,pp.1796-1803inEncyclopediaofEnvironmetrics2023/8/177河南大学环境与规划学院

zhaoy@

③K函数定义：K(d)可以在许多不同的距离尺度上描述假设:平稳性(Stationary)：统计特征独立于绝对位置。特别地，均值和方差是不依赖于空间位置的常数；协方差仅依赖于两点之间的相对位置、距离和方向，而与空间上的绝对位置无关。各向同性(

Isotropy)：Nodirectionaldetection

Ripley’sK

函数s1s2s3s4s6s5s9s10s7s8平稳各向同性Cov(Y(s1),Y(s2))=Cov(Y(s9),Y(s10))Cov(Y(s1),Y(s2))≠Cov(Y(s3),Y(s4))Cov(Y(s1),Y(s2))=Cov(Y(s3),Y(s4))假设:Ripley’sK函数s1s2s3s4s6s5s9K

函数经验K函数估计的四个步骤：对于每一个事件si，以si为圆心、d为半径画圆C(si,d)计算圆内其他事件点的数量3)计算同一半径下所有事件的均值4)均值除以研究区内事件密度得：2023/8/179河南大学环境与规划学院

zhaoy@

K函数经验K函数估计的四个步骤：3)计算同一半径下所有事聚集?均匀?K

函数2023/8/180河南大学环境与规划学院

zhaoy@

聚集?均匀?K函数2023/7/3180河南大学环境与规划每个圆的面积为，为单位面积的事件平均密度。因此，CSR下K(d)的期望值为：K

函数当平均点数高于CSR下的期望值，在尺度d上聚集。平均点数低于CSR下的期望值，在尺度d上分散。当2023/8/181河南大学环境与规划学院

zhaoy@

每个圆的面积为，为单位面积的事件平均密度。因此K

函数L函数由于K(d)基于平方距离进行计算，对于大的d其结果会变得非常大，为此，可将K(d)的期望值转换为零：当L(d)>0，在尺度d上聚集。当L(d)<0，在尺度d上分散。2023/8/182河南大学环境与规划学院

zhaoy@

K函数L函数由于K(d)基于平方距离进行计算，对于大K函数的检验：MonteCarlo模拟假设在CSR条件下，对n个事件进行m次独立的模拟，计算其经验L函数，并取其上、下界：2023/8/183河南大学环境与规划学院

zhaoy@

K函数的检验：MonteCarlo模拟2023/7/318边界校正：K

函数半径半径2023/8/184河南大学环境与规划学院

zhaoy@

边界校正：K函数半径半径2023/7/3184河南大学环境边界校正：1）Ripley校正(Ripley,1977)K

函数

wi是圆C(si,d)位于研究区域内的比例。2）建立警戒区：位于警戒区内的点在计算K(d)时采用，但不作为点模式的一部分。3）环形边缘校正（Toroidaledgecorrection）：假设研究区的上部和左部分别与下部和右部连接，好像研究区域是一个圆环（torus），仅用于矩形研究区域。2023/8/185河南大学环境与规划学院

zhaoy@

边界校正：K函数wi是圆C(si,d)位于研究Yamada,I.,RogersonP.A.AnEmpiricalComparisonofEdgeEffectCorrectionMethodsAppliedtoK-functionAnalysis[J].GeographicalAnalysis,200