全国高分辨率土地利用数据服务 土地利用数据服务 土地覆盖数据服务 坡度数据服务 土壤侵蚀数据服务 全国各省市DEM数据服务 耕地资源空间分布数据服务 草地资源空间分布数据服务 林地资源空间分布数据服务 水域资源空间分布数据服务 建设用地空间分布数据服务 地形、地貌、土壤数据服务 分坡度耕地数据服务 全国大宗农作物种植范围空间分布数据服务
多种卫星遥感数据反演植被覆盖度数据服务 地表反照率数据服务 比辐射率数据服务 地表温度数据服务 地表蒸腾与蒸散数据服务 归一化植被指数数据服务 叶面积指数数据服务 净初级生产力数据服务 净生态系统生产力数据服务 生态系统总初级生产力数据服务 生态系统类型分布数据服务 土壤类型质地养分数据服务 生态系统空间分布数据服务 增强型植被指数数据服务
多年平均气温空间分布数据服务 多年平均降水量空间分布数据服务 湿润指数数据服务 大于0℃积温空间分布数据服务 光合有效辐射分量数据服务 显热/潜热信息数据服务 波文比信息数据服务 地表净辐射通量数据服务 光合有效辐射数据服务 温度带分区数据服务 山区小气候因子精细数据服务
全国夜间灯光指数数据服务 全国GDP公里格网数据服务 全国建筑物总面积公里格网数据服务 全国人口密度数据服务 全国县级医院分布数据服务 人口调查空间分布数据服务 收入统计空间分布数据服务 矿山面积统计及分布数据服务 载畜量及空间分布数据服务 农作物种植面积统计数据服务 农田分类面积统计数据服务 农作物长势遥感监测数据服务 医疗资源统计数据服务 教育资源统计数据服务 行政辖区信息数据服务
Landsat 8 高分二号 高分一号 SPOT-6卫星影像 法国Pleiades高分卫星 资源三号卫星 风云3号 中巴资源卫星 NOAA/AVHRR MODIS Landsat TM 环境小卫星 Landsat MSS 天绘一号卫星影像
识别地理模式对于理解地理现象非常重要。
尽管您可以通过对要素制图来了解它们的总体模式及其关联值,但通过计算统计数据能够将模式量化。这样更便于比较不同分布方式或不同时段的模式。通常会先使用“分析模式”工具集中的工具进行初始分析,然后再进行更深入的分析。例如,可以使用增量空间自相关工具来确定在哪个距离处促进空间聚类的过程最明显,这可能有助于您选择一个适当的距离(分析尺度)来深入研究热点(热点分析)。
“分析模式”工具集中的工具都采用推论式统计,它们以零假设为起点,假设要素或与要素相关的值都表现为空间随机模式。然后它们再计算出一个 p 值用来表示零假设的正确概率(观测到的模式只不过是完整空间随机性的许多可能版本之一)。您在制定特定决策时可能需要高置信度的数据,这时,计算概率就可能很重要。例如,如果您的决策涉及公众安全或法律,则可能需要用统计证据来证明您的决策的合理性。
“分析模式”工具可提供对宏观空间模式进行量化的统计数据。这些工具可以解答“数据集中的要素或与数据集中要素关联的值是否发生空间聚类?”和“聚类程度是否会随时间变化?”之类的问题。下表列出了可用的工具,并对每个工具进行了简要描述。
工具 |
描述 |
平均最近邻 |
根据每个要素与其最近邻要素之间的平均距离计算其最近邻指数。 |
高/低聚类 |
使用 Getis-Ord General G 统计可度量高值或低值的聚类程度。 |
增量空间自相关 |
测量一系列距离的空间自相关,并选择性创建这些距离及其相应 z 得分的折线图。z 得分反映空间聚类的程度,具有统计显著性的峰值 z 得分表示促进空间过程聚类最明显的距离。这些峰值距离通常为具有“距离范围”或“距离半径”参数的工具所使用的合适值。 |
空间自相关 |
根据要素位置和属性值使用 Global Moran's I 统计量测量空间自相关性。 |
多距离空间聚类分析(Ripley's K 函数) |
确定要素(或与要素相关联的值)是否显示某一距离范围内统计意义显著的聚类或离散。 |