☆☆☆☆☆
简体网页||繁体网页



点击这里下载

类似图书 点击查看全场最低价

---

目录
目录
前言
第1章 空间统计概述 1
本章知识结构导图 1
1.1 空间数据 2
1.2 空间统计 4
1.3 为什么学 7
1.4 怎么学 8
1.5 主要工具 9
第2章 空间数据处理 11
本章知识结构导图 11
2.1 数据预处理 12
2.2 空间数据整理 15
2.3 地图编辑 22
第3章 空间数据可视化 32
本章知识结构导图 32
3.1 专题地图 32
3.2 动态地图 37
第4章 聚集性分析 46
本章知识结构导图 46
4.1 聚类分析 46
4.2 空间自相关分析 53
4.3 时空扫描统计量 67
第5章 邻域分析 79
本章知识结构导图 79
5.1 泰森多边形 80
5.2 缓冲区分析 90
第6章 空间插值分析 102
本章知识结构导图 102
6.1 经典插值方法 102
6.2 克里金插值 107
第7章 空间回归分析 124
本章知识结构导图 124
7.1 经典推断分析 125
7.2 空间回归的全局模型 127
7.3 地理加权回归 144
第8章 高级空间统计模型 150
本章知识结构导图 150
8.1 地理风险探测器 151
8.2 空间面板模型 160
8.3 层次贝叶斯模型 165
在线试读
第1章 空间统计概述
　　图1-1 空间统计概述思维导图
　　1.1 空间数据
　　本节知识结构导图
　　图1-2 空间数据思维导图
　　1.1.1 什么是空间数据
　　有空间坐标或相对位置的数据统称空间数据。如区域各抽样点稻谷中重金属的含量；各地区的疾病发病率；全国各气象台监测点的气温、气压、降雨情况；大气中PM2.5在各监测点的数值；沿海地区贝类产品副溶血性弧菌的检出情况等。空间数据是用来描述来自于现实的目标，将数据统一化，借以表明空间实体的形状大小以及位置和分布特征。
　　空间是指在已知的坐标系里空间目标都具有*一的空间位置；时间是指空间目标是随时间的变化而变化；空间关系通常一般用拓扑关系表示；属性是指有关空间目标的自然属性或社会属性，它伴随着目标的地理位置。空间数据是一种用点、线、面以及实体等基本空间数据结构来表示人们赖以生存的自然世界的数据。空间数据是数字地球的基础信息，数字地球功能的绝大部分将以空间数据为基础。
　　1.1.2 空间数据的三要素
　　如图1-3，空间数据具有三大属性，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：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。
　　图1-3 GIS数据的空间特征、属性特征和时间特征
　　1.1.3 统计学特征
　　空间相关性是指变量通过空间邻近与自己相关。例如一地所发生的事件、行为与现象，会直接或间接影响到另一临近地点发生的事件行为和现象。
　　空间异质性或空间差异性，指地理空间上的区域缺乏均质性。例如在经济领域存在发达地区和落后地区、中心(核心)和外围(边缘)地区等经济地理结构，从而导致经济社会发展和创新行为存在较大的空间上的差异性。
　　一般而言，疾病是在特定地理环境中的发生是其自身的流行病学机制与环境因素相互作用的结果。其相互作用使发生在不同空间位置上的病例与病例间、病例与环境因子间存在着自相关，从而决定了疾病在地理空间上的分布具有相关性和异质性。
1.1 空间统计
　　本节知识结构导图
　　图1-4 空间统计知识结构思维导图
　　1.2.1 小故事大道理
　　*早应用空间统计分析思想可以追溯到160多年前一次重大的公共卫生事件，1854年英国伦敦霍乱大流行。在这次事件中，JohnSnow博士利用基于地图的空间分析原理，将死亡病例标注在伦敦地图上，同时还将水井的信息也标注在地图上，通过相关分析，*后将污染源锁定在城中心的一个水井的抽水机上。在他的建议下市政府将该抽水机停用，此后霍乱大幅度下降，并得到有效的控制。JohnSnow利用空间分析思想控制疫情这件事具有要的里程碑意义，它被看成了空间统计分析和流行病学两个学科的共同起源；但是此后相当长的一段时间内由于缺乏刻画数据的空间相关性和异质性的方法，人们在分析空间属性的数据时，往往把所涉及的数据自身空间效应作为噪声或者误差来处理，这种对空间自相关和异质性缺乏刻画，限制了以地图为基础的空间属性数据在公共卫生领域中应用的深入研究。直到1950年Moran提出空间自相关测度来研究二维或更高维空间随机分布的现象，1951年南非学者Krige提出了空间统计学萌芽思想，后经法国数学家Matheron完善，于1963年和1967年提出了地统计学和克里金技术。1973年，Cliff和Ord发表了空间自相关(spatial autocorrelation)的分析方法，1981年出版了Spatial Process：Model andApplication专著，形成了空间统计理论体系，以及Getis’G和Lisa提出的空间异质性的局部统计使空间统计理论日趋成熟。近年来随着空间分析技术以及空间分析软件(如GIS、GeoDa、SaTScan、WinBUGS等)的迅速发展，与疾病分布有关的空间统计分析也得以较快发展。
　　1.2.2 什么是空间统计
　　空间统计具有明显的多学科交叉特征，其显著特点是思想多源、方法多样、技术复杂，并随着相关学科如计算机软硬件技术的发展而发展。空间统计分析是以地理实体为研究对象，以空间统计模型为工具，以地理实体空间相关性和空间变异性为出发点，来分析地理对象空间格局、空间关系、时空变化规律，进而揭示其成因的一门新科学。经典统计学与空间统计学的区别与联系归纳如表1-1。系归纳如表1-1。
　　表1-1 经典统计学与空间统计学的区别与联系
　　第*，经典统计学研究的是随机变量，该随机变量的取值遵循某种概率分布变化，而空间统计学研究的是区域化变量，该区域化变量根据其在一个区域内的空间位置的不同而取不同的值，即随机变量是与位置有关的随机函数。因此，空间统计学研究的变量具有随机性和结构性特点。
　　第二，在经典统计学中，待分析的变量一般应具有独立性。而空间统计学的区域化变量是在不同空间位置上的抽样，因而邻近的样本之间通常不独立，存在某种程度的空间相关性。
　　第三，研究方向不同，经典统计学以频率分布图为基础，研究样本的各种数字特征(如均值、方差)，并对总体进行推断。而空间统计学主要考虑变量空间分布理论和估算方法。
　　第四，试验次数不同，经典统计学所研究的变量理论上可以无限次重复或进行大量重复观测试验。而空间统计学所研究的区域化变量一旦在某一空间位置上取得样品后，就不可能再在同一位置取得该样品，即区域化变量取值只有一次。
　　当然空间统计并不是抛弃所有的经典统计学理论，而是对这些理论加以完善，以便更适用于空间数据统计分析。
　　1.2.3 核心思想
　　空间统计研究起步于上个世纪70年代，空间统计的核心就是认识与地理位置相关的数据间的空间依赖、空间关联等关系，通过空间位置建立数据间的统计关系。空间统计学依赖于Tablor地理学第*定律，即空间上越临近的事物拥有越强的相似程度和空间异质性，即空间位置差异造成的行为不确定现象。例如要度量犯罪率与教育程度的关系，不同地区(文教区、贫困区)可能不一样。
　　1.2.4 空间统计常用方法
　　图1-5 空间统计常用方法
内容介绍
本书共八章，内容包括空间统计概述、空间数据处理、空间数据可视化、聚集性分析、邻域分析、空间插值分析、空间回归分析、高级空间统计模型。各章紧扣空间统计主题，理论结合实际，启发读者深度思考，并配有丰富的案例分析。为加深读者对每章内容的理解，本书将每章的内容分为理论和案例操作两部分。在理论部分之初，先用思维导图将抽象的原理和过程直观展示，希望达到一目了然、强化记忆、一图胜千言的效果，帮助读者迅速抓住重点，提高学习和记忆效率，促进更深层次理解和应用。在案例操作部分，为贴近业务工作的实际需要，本书采用了与实际业务数据字段类似的食品污染、食源性疾病等经过处理的模拟数据，并使用国际通用的ArcGIS、R软件等进行空间统计分析，便于读者理解和应用。
空间统计实战 电子书 下载 mobi epub pdf txt

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

类似图书 点击查看全场最低价