空间统计实战 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

肖革新 编

图书标签:

• 空间统计
• 地理统计
• 空间数据分析
• GIS
• R语言
• 统计建模
• 数据科学
• 空间建模
• 实战
• 案例分析

店铺： 金卫文化图书专营店

出版社： 科学出版社

ISBN：9787030552976

商品编码：29914903104

丛书名： 空间统计实战

开本：16开

出版时间：2018-01-01

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。

探秘无垠：地球深层结构的秘密与未来勘探技术 图书简介 本书是一部深入探讨地球深部结构、地质过程以及前沿地球物理勘探技术的专业著作。它旨在为地质学、地球物理学、资源勘探、环境科学以及相关工程领域的专业人士、研究人员和高年级学生提供一个全面而深入的参考框架。我们聚焦于地球内部的物理属性、物质组成、动态演化及其与地表现象的复杂关联，并详细阐述了现代地球物理方法如何揭示这些深藏的秘密。 第一部分：地球的深层结构与地球物理场 本部分从宏观到微观，构建了对地球内部结构的认知基础。我们首先回顾了地球的整体分层模型——地壳、地幔和地核，并详细分析了这些圈层之间的界面及其物理学意义，例如莫霍面和古登堡面。 1.1 接收函数与深部界面探测： 重点介绍了一种革命性的方法——接收函数技术。它利用地震波在地下界面产生的转换波和反射波，高精度地反演地壳厚度、地下高速体和低速带的分布。书中详细解析了接收函数理论基础，包括P波到S波的转换机制，以及如何利用多通道数据进行噪声压制和信号增强，从而在复杂地质背景下准确识别岩石圈-软流圈圈的精细结构。 1.2 重力场与大地水准面的解析： 深入探讨了重力场在揭示地下密度异常中的核心作用。我们不仅讲解了经典的重力测量方法（地面、空中和海洋重力测量），更侧重于高精度重力场模型（如EGM系列）的构建原理和数据处理流程。重点分析了如何通过重力梯度张量测量（Tensor Gravity）来提高对浅层和中深层构造的分辨率，以及如何利用傅里叶变换和反演技术，将重力异常图转化为地下密度结构的三维图像。 1.3 磁场异常与岩石剩磁记录： 阐述了地磁场作为地球的“活化石”如何记录地质历史。书中详细区分了地核发电机产生的场（主磁场）和地壳岩石中的磁场（剩余磁场）。我们探讨了磁法勘探中对磁性矿体、火成岩侵入体和地壳深部变性带的识别技术。特别之处在于，我们引入了磁性岩石的居里温度面研究，通过分析磁性信号的衰减特征，反推岩石圈底部的热状态和剥蚀深度。 1.4 地球电磁场探测： 本章系统梳理了大地电磁法（MT/TEM）在深部结构研究中的不可替代性。内容涵盖了从频率域到时间域的转换，以及各向异性电阻率模型的建立。我们着重分析了如何利用宽频带MT数据识别深部流体（如岩浆房或热液系统）的低阻异常，并结合区域地壳电导率模型，讨论了板块汇聚边界和裂谷带深部导电层的形成机制。 第二部分：地震波成像与地球内部动力学 地震学是理解地球内部速度结构与动力学过程的基石。本部分聚焦于利用天然和人工地震数据对地球进行“透视”。 2.1 全波形反演（FWI）的最新进展： 详细介绍了全波形反演技术，这是一种利用完整地震记录来精确估计地下速度模型的迭代方法。书中不仅阐述了FWI的数学基础（伴随状态法和伴随波方程），更深入讨论了在处理非线性问题、选择合适的核函数（如L2范数、Hellinger-Jaccard距离）以及应对多解性（Cycle Skipping）问题的策略。内容涵盖了从浅层油气勘探到深部地幔层析成像的实际应用案例。 2.2 大地构造背景下的地震层析成像： 重点分析了如何利用全球或区域性地震台网记录的P波和S波到时残差，构建地幔和地核的温度、化学成分三维速度场。书中详细对比了快波速异常与俯冲板片、地幔柱之间的耦合关系，并讨论了如何利用S波分裂（S-wave splitting）来揭示深部地幔的流变学各向异性，从而推断岩石的应力状态和塑性流动方向。 2.3 结构地震学与被动源地震仪的应用： 介绍了利用微震活动、海洋噪声或环境噪声（如海浪、风）作为震源，通过互相关函数反演介质的背景噪声场。此技术极大地拓宽了地震勘探的适用范围，尤其适用于对人工震源敏感度低的区域，如热液活动区或永久冻土带。 第三部分：深部地球物理勘探的交叉技术与应用 本部分关注于多地球物理场数据的联合解释，以及勘探技术在资源、灾害与环境领域的具体应用。 3.1 多源数据融合与贝叶斯框架解释： 强调了单一地球物理方法固有的局限性。我们详细介绍了如何构建多参数联合约束模型，例如将电阻率模型、密度模型和速度模型通过地质统计学或贝叶斯反演框架进行融合。这种方法显著提高了对地下异常体物性边界的确定能力，尤其是在识别复杂矿化带或断层破碎带时。 3.2 地热资源勘探中的地球物理响应： 探讨了地球物理方法在评估地热系统潜力中的作用。书中具体分析了高温岩体（热源）对电阻率、速度和磁性的影响特征，并结合浅层热流测量数据，构建了潜在热储层（如裂隙性或孔隙性储层）的地球物理预测模型。 3.3 深入了解火山与岩浆系统： 利用地球物理方法追踪地下岩浆房的迁移和聚集。重点分析了高精度MT数据和短周期地震数据对岩浆房顶部和底部的定位能力，以及磁法数据在评估岩浆房冷却程度和磁性矿物含量方面的应用。 3.4 矿产资源勘探的深度聚焦： 本章聚焦于超大型矿床（如斑岩铜矿、VMS型硫化物矿床）的深部地球物理特征。书中通过剖析典型矿床的密度、磁性、导电性和速度异常模式，演示了如何通过多层解释技术，将深部地球物理异常与已知的矿化模型进行对应，指导深钻部署。 结语：未来地球观测的挑战与机遇 本书最后展望了地球物理学未来的发展方向，包括分布式光纤传感（DAS/DOS）在监测深部微小形变中的应用、人工智能在地球物理数据处理和反演中的潜力，以及建立更高分辨率、更高精度的全球地壳-地幔模型所面临的工程与理论挑战。 核心特点： 本书强调理论的严谨性与应用的实践性相结合，提供了大量前沿的数学工具和实际案例分析，确保读者能够掌握从数据采集、预处理到复杂反演成像的全过程，为解决当前地球科学和资源勘探中的重大难题提供坚实的地球物理学支撑。书中内容聚焦于地球物理场理论、地震波传播、岩石物理性质及其在地壳和地幔尺度的成像技术。

评分☆☆☆☆☆

这本《空间统计实战》真是太让我惊喜了！我是一名地理信息系统的初学者，之前一直觉得空间统计的概念既抽象又难以捉摸，尤其是那些复杂的公式和模型，总是让我望而却步。阅读这本书之前，我尝试过阅读一些理论性很强的教材，但往往是看了开头就看不下去了，感觉离实际应用太遥远。直到我偶然间发现了这本《空间统计实战》，一切都改变了。书中的内容不是干巴巴的理论堆砌，而是紧密围绕着实际应用展开。作者用非常生动易懂的语言，结合大量的案例，将抽象的空间统计概念具象化。从基础的空间自相关到高级的空间回归模型，每一步都讲解得非常细致，而且提供了清晰的操作步骤。我印象最深刻的是关于Kriging插值的那一部分，之前我一直对这个方法感到很困惑，但书里通过一个实际的土壤污染物浓度预测案例，一步一步地演示了如何进行数据准备、模型选择、参数估计以及结果的解读，让我豁然开朗。书中还穿插了很多关于GIS软件（比如ArcGIS）操作的技巧，这对于我们这些实操派来说简直是福音，可以直接跟着书里的步骤在软件上进行练习，学到的知识立刻就能转化为技能，非常有成就感。这本书真的让我对空间统计产生了浓厚的兴趣，也让我看到了它在环境保护、城市规划、资源管理等领域巨大的应用潜力。

评分☆☆☆☆☆

对于一个资深的遥感工程师来说，我一直关注着空间统计方法在遥感影像分析中的应用。《空间统计实战》这本书虽然我并非从零开始学习，但它所提供的视角和案例仍然给我带来了深刻的启发。书中对于如何处理遥感数据中的空间异质性和空间相关性，有着非常独到的见解。我特别欣赏作者在处理大规模遥感数据集时的思路，他不仅仅是罗列了各种统计模型，而是深入探讨了在实际应用中，如何根据数据特性和研究目标来选择最优的模型，以及如何进行模型的有效性和可靠性评估。书中关于空间计量经济学模型在土地利用变化分析中的应用案例，给了我很多关于如何结合遥感数据和经济社会数据进行综合分析的思路。我过去在做一些区域经济发展差异分析时，往往难以很好地解释空间效应，而这本书中的一些模型和方法，比如空间滞后模型和空间误差模型，为我打开了新的思路，可以更科学地量化空间溢出效应。另外，书中关于模型解释性和可视化呈现的强调，对于如何将复杂的统计结果清晰地传达给非专业人士也非常有价值。我曾经参加过一些关于空间统计的培训，但很多都是侧重理论，实操性不强。《空间统计实战》在这方面做得非常出色，它让理论和实践完美结合，对于想要深入理解和应用空间统计技术的专业人士来说，这本书绝对是一本值得反复研读的宝藏。

评分☆☆☆☆☆

我是一名正在攻读地理学博士的学生，研究方向涉及城市空间结构演变。在撰写学位论文的过程中，我遇到了很多关于如何量化和分析城市空间特征的难题。《空间统计实战》这本书，就像是为我量身定做的。在文献调研阶段，我阅读了大量的相关论文，但很多都只是简单提及使用了某种空间统计方法，并没有详细说明具体的操作过程和方法论选择的依据。这本书则截然不同，它以一种非常系统和全面的方式，讲解了从数据预处理到模型构建、结果分析的全过程。我尤其被书中关于空间自相关性分析的部分所吸引，它详细解释了 Moran's I 和 Geary's C 指数的计算原理、适用场景以及如何解读其结果，这对于我分析城市人口密度、经济活力等指标的空间集聚或扩散特征至关重要。此外，书中关于空间回归模型（OLS, GWR, SAR, SEM等）的深入讲解，并配以实际案例，让我能够更清晰地理解不同模型在解释空间现象时的优势和局限性。我尝试着将书中的方法应用到我的研究数据上，比如利用GWR模型来分析影响城市房价的空间异质性因素，结果的准确性和解释力都远超我之前的尝试。这本书不仅提供了理论指导，更重要的是提供了实操的“钥匙”，让我能够更有效地解决研究中的实际问题，大大提升了我的研究效率和论文质量。

评分☆☆☆☆☆

我是一名对环境科学充满好奇心的普通读者，平时喜欢阅读一些关于地理和环境的书籍。《空间统计实战》这本书，虽然书名听起来有点专业，但我发现它其实非常接地气，一点也不枯燥。我之前对“空间统计”这个词感到很陌生，觉得可能离我的生活很遥远，但这本书让我大开眼界。它通过很多贴近我们生活实际的例子，比如空气污染的扩散、城市热岛效应的分布、疾病的传播等等，来讲解空间统计的概念。我印象最深刻的是书中关于“空间异质性”的讲解，作者用一张地图展示了不同区域的房价差异，然后解释了为什么会存在这种差异，并且是如何通过空间统计的方法来量化的。这让我明白了，原来我们生活中很多看似随机的现象，其实都蕴含着复杂的空间规律。书中的图表也非常清晰直观，很多统计结果都被可视化地呈现出来，让我这个非专业人士也能轻松理解。虽然书中也涉及一些数学公式，但作者总是会用很通俗的语言去解释它们背后的含义，并强调这些公式在实际问题中的应用价值，而不是单纯地为了数学而数学。这本书让我觉得，空间统计不仅仅是学术研究的工具，它更是理解我们所处世界的有力武器，能够帮助我们更深入地认识环境问题，并找到更有效的解决方案。

评分☆☆☆☆☆

作为一个长期从事城市规划工作的专业人士，我一直在寻求能够更精确地分析城市发展规律和预测未来趋势的工具和方法。《空间统计实战》这本书，对于我来说，是一次非常宝贵的学习经历。在日常工作中，我们常常需要处理大量的城市空间数据，比如人口分布、交通流量、土地利用类型、基础设施布局等等。如何从这些海量数据中提炼出有价值的空间信息，并将其转化为科学的规划决策，一直是我们面临的挑战。这本书系统地介绍了各种空间统计分析方法，从最基础的空间数据的组织和可视化，到复杂的空间回归和预测模型，都进行了详细的阐述。我尤其对书中关于空间点模式分析的部分印象深刻，它教会我如何分析城市设施的分布规律，比如学校、医院、公园等，以及如何评估其服务覆盖的公平性。此外，书中关于空间插值和空间预测的部分，对于我进行城市发展趋势的预测和规划方案的评估，提供了非常有用的理论基础和技术支持。这本书的价值在于，它不仅仅停留在理论层面，而是提供了丰富的实操指南，让我能够将学到的知识直接应用到实际的城市规划项目中，从而提高规划的科学性和前瞻性。这本书让我更加深刻地认识到，空间统计方法在现代城市规划中的重要作用，并且为我未来的工作提供了新的思路和方法。