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
可通过检查不同的采样位置对来探索数据的空间自相关。通过测量两个位置间的距离并绘制这些位置上的值之间的差值平方,可创建半变异函数云。x 轴表示各位置间的距离,y 轴表示这些位置上的值的差值平方。半变异函数中的每个点都表示一个位置对,而不是地图上的单个位置。
如果存在空间相关性,则距离较近的点对(在 x 轴的最左侧)应具有较小的差值(在 y 轴上的值较小)。随着各个点之间的距离越来越大(点在 x 轴上向右移动),通常,差值的平方也应随之增大(在 y 轴上向上移动)。通常,平方差超过某个距离后就会保持不变。超过这个距离的位置对被视为不相关。
地统计方法的基本假设是,对于任意两个彼此间的距离和方向都相近的位置,其差值的平方也应相近。这种关系称为平稳性。
空间自相关可能仅依赖于两个位置之间的距离,这被称为各向同性。不过,考虑不同的方向时,对于不同的距离,可能出现相同的自相关值。其另一种理解是,对于较长的距离,事物在某些方向上比在其他方向上更相似。半变异函数和协方差中都存在这种方向性影响,它被称为各向异性。
查找各向异性很重要,这是因为如果在自相关中检测到方向上的差异,就可以在半变异函数或协方差模型中考虑这些差异。这反过来又会对地统计预测产生影响。
半变异函数/协方差云工具可用于研究数据集的自相关。接下来,让我们考虑一下臭氧数据集。注意:在下图中,您可以选择相隔一定距离的所有位置对,方法是在半变异函数云中擦除在那个距离上的所有点。
在前面的示例中,使用了“半变异函数/协方差云”工具来查看数据的全局自相关。不过,查看半变异函数表面时,半变异函数的值中可能存在方向差异。单击显示搜索方向并设置角度和带宽时(如下图所示),将会看到连在一起的位置具有非常类似的值,这是因为半变异函数的值相对较小。
如果更改链接的方向(如下图所示),将会看到一些连在一起的位置具有非常不同的值,这会使得半变异函数的值很大。这表明通常情况下,东北方向上相距 125000 米的位置比西北方向上的位置的差异更大。回想一下,当一个方向上的变化改变得比另一个方向上的快时,这种现象称为各向异性。利用 Geostatistical Analyst 向导对表面进行插值时,可使用考虑到各向异性的半变异函数模型。