GIS空间分析 地统计分析2 探索性数据分析

简介: 掌握分析数据分布特征及空间趋势的基本方法

 实验数据:见个人资源《GIS空间分析教学数据》免费下载,仅供学习使用

其他GIS空间分析文章

一、实验名称

       地统计分析之探索性数据分析

二、实验目的

       掌握分析数据分布特征及空间趋势的基本方法

三、实验准备

      1. 数据准备

       Ca_Ozone_pts 臭氧采样点数据(单位:ppm)

       2.软件准备

       ArcGIS10.7

四、实验步骤

       1.本次实验基于实验一,ArcGIS的地统计分析模块提供了许多探索性分析模块,如图,我们上次实验采用的是克里金内插法,因为克里金内插法要求数据符合正态分布,我们可以通过直方图工具来查看数据是否符合正态分布,若不符合,则内插后的结果将不准确,我们也可以通过直方图查看是否有离群值(在直方图的左右两侧出现较高的值);

image.gif编辑

 

image.gif编辑

image.gif编辑

     2.我们接着查看正态QQ图,它与直方图类似,都是为了判断数据是否符合正态分布,如果说这些点都在直线上,则表面符合正态分布,若是离直线比较远,则需要纠正,我们的数据基本合适,无需纠正;

image.gif编辑

       3.趋势分析,它是将我们的数据投影到东西、南北面上,根据投影点拟合出来一条曲线,通过这个图,我们可以看出,在东西向,曲线是个倒U型,说明我们的数据在东西向符合二次分布的趋势,这个参数是后面克里格内插的指导性参数,我们也可以通过旋转坐标系来查看图像;

image.gif编辑

       4.半变异函数,其中的参数步长,步长的大小都会影响到点之间的空间自相关性,步长比较合适的选择是,步长的大小*步长的数目=样区距离最远的采样点的距离的一半,加州距离最远的两个点的距离是120多公里,因此我们这里设置为60000,这样得到的结果,我们也可以查看在不同方向上它的空间自相关特征,即数据分布的各项异性;

image.gif编辑


如果觉得我的博文对您有用的话,三连是对我创作的最大支持!

“本站所有文章均为原创,欢迎转载,请注明文章出处:https://blog.csdn.net/qq_45590504/category_11750215.html百度和各类采集站皆不可信,搜索请谨慎鉴别。技术类文章一般都有时效性,本人习惯不定期对自己的博文进行修正和更新,因此请访问出处以查看本文的最新版本。”

目录
相关文章
|
22天前
|
机器学习/深度学习 并行计算 数据挖掘
R语言是一种强大的统计分析工具,广泛应用于数据分析和机器学习领域
【10月更文挑战第21天】R语言是一种强大的统计分析工具,广泛应用于数据分析和机器学习领域。本文将介绍R语言中的一些高级编程技巧,包括函数式编程、向量化运算、字符串处理、循环和条件语句、异常处理和性能优化等方面,以帮助读者更好地掌握R语言的编程技巧,提高数据分析的效率。
38 2
|
1月前
|
数据挖掘 UED
ChatGPT数据分析——探索性分析
ChatGPT数据分析——探索性分析
|
1月前
|
数据可视化 数据挖掘 数据处理
ChatGPT数据分析应用——热力图分析
ChatGPT数据分析应用——热力图分析
|
1月前
|
数据挖掘
ChatGPT在常用的数据分析方法中的应用(分组分析)
ChatGPT在常用的数据分析方法中的应用(分组分析)
|
1月前
|
机器学习/深度学习 数据采集 数据可视化
如何理解数据分析及数据的预处理,分析建模,可视化
如何理解数据分析及数据的预处理,分析建模,可视化
49 0
|
1月前
|
数据挖掘
ChatGPT在常用的数据分析方法中的应用(对比分析)
ChatGPT在常用的数据分析方法中的应用(对比分析)
|
2月前
|
机器学习/深度学习 人工智能 数据挖掘
数据分析师是在多个行业中专门从事数据搜集、整理和分析的专业人员
数据分析师是在多个行业中专门从事数据搜集、整理和分析的专业人员
38 3
|
3月前
|
数据可视化 数据挖掘 定位技术
基于geopandas的空间数据分析—geoplot篇(上)
基于geopandas的空间数据分析—geoplot篇(上)
|
3月前
|
数据可视化 算法 数据挖掘
基于geopandas的空间数据分析-深入浅出分层设色
基于geopandas的空间数据分析-深入浅出分层设色
|
3月前
|
数据可视化 数据挖掘 Python
"揭秘Visium HD黑科技:空间数据分析大揭秘,可视化与整合的艺术之旅!"
【8月更文挑战第20天】近年来,空间转录组技术,特别是Visium HD技术,因其高分辨率与高通量特性,在单细胞生物学领域受到广泛关注。本文通过Python演示了Visium HD数据的全流程分析:从数据准备(读取表达矩阵和空间坐标)、空间数据分析(计算基因表达统计量)、数据可视化(绘制基因表达热图和空间点分布图),到多样本数据整合,为读者提供了实用的分析指南,助力深入探索空间转录组学的奥秘。
83 4