白话空间统计二十四:地理加权回归(七)ArcGIS的GWR工具扩展参数说明

本文主要是介绍白话空间统计二十四:地理加权回归(七)ArcGIS的GWR工具扩展参数说明,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

白话空间统计二十四:地理加权回归(七)ArcGIS的GWR工具扩展参数说明

近期无论是开发者大会,还是个人工作,相当的忙,所以停了一段时间……不过地理加权回归写到第七章,自我感觉也差不多了,无论是基础理论还是来历,包括基础参数的意义,都应该介绍得比较清楚了,当然,后面可能是大家更关心的内容,也就是在ArcGIS(或者其他软件里面),怎么去执行地理加权回归,执行完成之后,生成的结果又如何解读?

下面我们正式进入使用ArcGIS进行地理加权回归分析的步骤。

至于工具的位置和参数说明,请大家看以前的文章:

白话空间统计二十四:地理加权回归(六)ArcGIS的GWR工具参数说明一

当然,前面还缺了一部分,就是GWR的扩展参数部分,作为一只有始有终的虾,准备先把这遗留下来的部分说一说:


从上面的提示上可以看见,整个扩展部分,都是可选,也就是说,有它行,没他也不影响结果。这些参数的作用如下所示:

1、Coefficient raster workspace :系数栅格的工作空间

所谓的工作空间,是ArcGIS工具一个专有术语,在使用过arcpy的同学看来,应该是非常容易理解的的一个概念,设置了工作空间之后,所有的分析结果,默认都会优先写入到这个工作空间里面。

在这里一旦设定了工作空间,那么在回归过程中的截距和各个系数,都会被生成为一个栅格文件,存储在这个工作空间中。

这个栅格有啥用呢?下面可以看看我这里给出来的例子来看看。

数据还是一样,山东省分区县的各类数据:



把五个维度的数据,都做成专题图,进行对比,然后进行GWR,把这五个维度的系数进行栅格化,如下:



从左边矢量的专题图进行对比,其实是很难对数据的差异性进行直观的感受的,但是进行了栅格化之后,这种感受就很直观很明显了。

系数的栅格化,体现出的是该维度数据(各自变量)在不同区域位置对因变量的作用的强弱,很明显的就可以看出在改回归模型中,不同区域的变化强度。

可以通过栅格化,来体现空间的异质性。

第一个财政收入作为因变量,那么没有系数的话,出现的是截距的栅格表面。剩下的自变量,都是各自系数的栅格表面。

根据官方说法,系数栅格化有如下作用:
  • 通过统计学上表示较小局部变化的较大全局变量可确定全局策略。
  • 通过统计学上表示较强局部变化的较大全局变量可确定局部策略。
  • 某些变量可能并不是在全局范围内各区域中均比较显著,因为在某些区域中,它们是正相关的关系,而在其他区域中它们则是负相关的关系。

所谓的局部变化,也就是在某个区域的变化是否剧烈,用地形学的说法,就是等高线(等值线)在一定距离内的线的密度情况,越密,就表示变化越剧烈。所以要找局部变化,最简单的方法就提取等值线,这个不属于我们今天的内容了,有空继续再说。

2、输出单元格大小
这个参数是关于生成栅格的粒度,设置得越小,表示越清晰,平滑,但是所用的计算时间和存储空间越大。

3——5号参数是关于用于填充预测值的。

在空间分析里面,进行未知区域的值预测最常用的方法也就是插值了,但是插值生成栅格之后,再进行指定位置区域的数据提取,中间还有一个过程——而且是插值对面和线要素支持得并不是太好(当然ArcGIS现在已经支持面插值了,但是线还是不行),对多字段数值,支持得也不是太好,特别是多值间有各种关系的,插值都支持不了。这种情况,使用GWR的区域预测就有意义了。

要进行区域预测,首先要准备好一份结构完全一样的数据,从空间参考到需要预测(填充)的字段属性都要一模一样,然后按照前面回归模型的设置,设置好要素类和属性字段,以及输出就可以了。

到此,GWR工具所有的参数设置就讲完了,后面可能还有几个小章节,讲讲结果和应用。

待续未完

这篇关于白话空间统计二十四:地理加权回归(七)ArcGIS的GWR工具扩展参数说明的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/315267

相关文章

Zookeeper安装和配置说明

一、Zookeeper的搭建方式 Zookeeper安装方式有三种,单机模式和集群模式以及伪集群模式。 ■ 单机模式:Zookeeper只运行在一台服务器上,适合测试环境; ■ 伪集群模式:就是在一台物理机上运行多个Zookeeper 实例; ■ 集群模式:Zookeeper运行于一个集群上,适合生产环境,这个计算机集群被称为一个“集合体”(ensemble) Zookeeper通过复制来实现

hdu1496(用hash思想统计数目)

作为一个刚学hash的孩子,感觉这道题目很不错,灵活的运用的数组的下标。 解题步骤:如果用常规方法解,那么时间复杂度为O(n^4),肯定会超时,然后参考了网上的解题方法,将等式分成两个部分,a*x1^2+b*x2^2和c*x3^2+d*x4^2, 各自作为数组的下标,如果两部分相加为0,则满足等式; 代码如下: #include<iostream>#include<algorithm

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

C++11第三弹:lambda表达式 | 新的类功能 | 模板的可变参数

🌈个人主页: 南桥几晴秋 🌈C++专栏: 南桥谈C++ 🌈C语言专栏: C语言学习系列 🌈Linux学习专栏: 南桥谈Linux 🌈数据结构学习专栏: 数据结构杂谈 🌈数据库学习专栏: 南桥谈MySQL 🌈Qt学习专栏: 南桥谈Qt 🌈菜鸡代码练习: 练习随想记录 🌈git学习: 南桥谈Git 🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈�

三国地理揭秘:为何北伐之路如此艰难,为何诸葛亮无法攻克陇右小城?

俗话说:天时不如地利,不是随便说说,诸葛亮六出祁山,连关中陇右的几座小城都攻不下来,行军山高路险,无法携带和建造攻城器械,是最难的,所以在汉中,无论从哪一方进攻,防守方都是一夫当关,万夫莫开;再加上千里运粮,根本不需要打,司马懿只需要坚守城池拼消耗就能不战而屈人之兵。 另一边,洛阳的虎牢关,一旦突破,洛阳就无险可守,这样的进军路线,才是顺势而为的用兵之道。 读历史的时候我们常常看到某一方势

如何在页面调用utility bar并传递参数至lwc组件

1.在app的utility item中添加lwc组件: 2.调用utility bar api的方式有两种: 方法一,通过lwc调用: import {LightningElement,api ,wire } from 'lwc';import { publish, MessageContext } from 'lightning/messageService';import Ca

高效录音转文字:2024年四大工具精选!

在快节奏的工作生活中,能够快速将录音转换成文字是一项非常实用的能力。特别是在需要记录会议纪要、讲座内容或者是采访素材的时候,一款优秀的在线录音转文字工具能派上大用场。以下推荐几个好用的录音转文字工具! 365在线转文字 直达链接:https://www.pdf365.cn/ 365在线转文字是一款提供在线录音转文字服务的工具,它以其高效、便捷的特点受到用户的青睐。用户无需下载安装任何软件,只

科研绘图系列:R语言扩展物种堆积图(Extended Stacked Barplot)

介绍 R语言的扩展物种堆积图是一种数据可视化工具,它不仅展示了物种的堆积结果,还整合了不同样本分组之间的差异性分析结果。这种图形表示方法能够直观地比较不同物种在各个分组中的显著性差异,为研究者提供了一种有效的数据解读方式。 加载R包 knitr::opts_chunk$set(warning = F, message = F)library(tidyverse)library(phyl

4B参数秒杀GPT-3.5:MiniCPM 3.0惊艳登场!

​ 面壁智能 在 AI 的世界里,总有那么几个时刻让人惊叹不已。面壁智能推出的 MiniCPM 3.0,这个仅有4B参数的"小钢炮",正在以惊人的实力挑战着 GPT-3.5 这个曾经的AI巨人。 MiniCPM 3.0 MiniCPM 3.0 MiniCPM 3.0 目前的主要功能有: 长上下文功能:原生支持 32k 上下文长度,性能完美。我们引入了