ArcGIS空间分析实战：聚类与异常值检测入门指南

1次阅读

没有评论

共计 1528 个字符，预计需要花费 4 分钟才能阅读完成。

空间聚类分析在城市规划、公共卫生等领域有着广泛的应用价值。比如，城市规划师需要识别高密度开发区域，公共卫生部门需要检测疾病爆发的热点区域。然而，新手在进行这类分析时常常会遇到以下难点：

数据标准化问题 ：不同尺度的数据如何比较？
统计显著性理解 ：p 值到底代表什么意义？
方法选择困惑 ：哪种算法适合我的数据？

在空间统计分析中，常用的方法有 Getis-Ord Gi* 和 Local Moran’s I：

Getis-Ord Gi*：擅长检测热点和冷点区域，但对异常值不敏感
Local Moran’s I：能同时识别聚类和异常值，提供更全面的空间自相关分析

选择 Local Moran’s I 作为示例，是因为它能：

区分高 - 高、低 - 低聚类
检测高 - 低、低 - 高异常值
提供统计显著性检验

以下是使用 ArcPy 进行聚类和异常值分析的完整脚本：

import arcpy

# 设置工作空间
with arcpy.env.workspace = "C:/data/input.gdb" as workspace:
    # 输入要素
    input_features = "census_tracts"
    # 输出要素
    output_features = "cluster_output"
    # 分析字段
    analysis_field = "income"

    # 执行聚类和异常值分析
    arcpy.ClusterAndOutlierAnalysis_stats(
        input_features,
        output_features,
        analysis_field,
        "INVERSE_DISTANCE",  # 空间权重类型
        "EUCLIDEAN_DISTANCE",  # 距离计算方法
        "ROW_STANDARDIZATION",  # 标准化方法
        1,  # 邻域数
        None  # 不应用距离阈值
    )

    # 添加结果字段注释
    arcpy.AddField_management(output_features, "COType", "TEXT")
    arcpy.CalculateField_management(output_features, "COType", 
                                   "'HH' if !COType! == 1 else 'LL' if !COType! == 2 else 'HL' if !COType! == 3 else 'LH' if !COType! == 4 else 'NS'", 
                                   "PYTHON3")

关键参数说明：