ArcGIS逻辑回归入门实战：从数据准备到模型部署全流程解析

1次阅读

没有评论

共计 2289 个字符，预计需要花费 6 分钟才能阅读完成。

逻辑回归在 GIS 领域常用于二分类问题，比如预测土地用途变化概率、疾病传播风险区域等。与传统逻辑回归不同，空间逻辑回归考虑了地理要素的空间依赖性——相邻区域的特征往往相互影响。例如：

某地块是否可能被开发（1/0）与其周边地块的现有用途密切相关
疫情爆发点的分布通常呈现空间聚集性

使用 ArcGIS Pro 时需要准备：

至少一个.shp 文件作为分析单元
每个要素需包含：
1 个二值因变量（0/1）
多个自变量（建议先做标准化处理）

通过字段计算器快速处理：

# 用中位数填充缺失值示例
arcpy.management.CalculateField(
    in_table=input_shp,
    field="income",
    expression="median(!income!) if !income! else 12000",
    expression_type="PYTHON3"
)

运行 Moran’s I 检验（工具箱路径：Spatial Statistics Tools > Analyzing Patterns > Spatial Autocorrelation）：

输入要素类选择待检验字段
空间关系选择 INVERSE_DISTANCE
查看输出报告中的 p 值（<0.05 说明存在空间自相关）

Geoprocessing > Spatial Statistics Tools > Modeling Spatial Relationships > Logistic Regression

输入要素：准备好的.shp 文件
唯一 ID 字段：建议使用 FID 或自行创建的唯一标识
输出要素：建议命名为 LR_Result.shp
解释变量：选择数值型字段，分类变量需先哑变量化
因变量：二分类字段（0/1）

空间权重矩阵：选择 CONTIGUITY_EDGES_CORNERS（适用于面数据）
正则化方法：L2 正则化可防止过拟合
系数表输出：勾选后生成回归系数 CSV

import arcpy
from arcpy.stats import *

# 环境设置
arcpy.env.workspace = r"C:\Projects\LandUse"
arcpy.env.overwriteOutput = True

# 执行逻辑回归
logistic_regression(
    in_features="parcels.shp",
    unique_id_field="PID",
    output_features="LR_Result.shp",
    dependent_variable="is_developed",  # 1= 已开发, 0= 未开发
    explanatory_variables=["dist_road", "slope", "pop_density"],
    coefficient_output="reg_coefficients.csv",
    weight_matrix="CONTIGUITY_EDGES_CORNERS"
)

# 结果可视化
arcpy.management.MakeFeatureLayer("LR_Result.shp", "Results_Layer")
arcpy.management.ApplySymbologyFromLayer("Results_Layer", "LR_Template.lyrx")

打开输出要素属性表，查看 PREDICT_PROB 字段
使用工具箱中的 ROC 工具生成曲线图
AUC 值 >0.7 说明模型有效

检查 CSV 文件中的：

Coef 列：正系数表示正相关
P>|z| 列：<0.05 的变量具有统计显著性
VIF 列：>10 说明存在多重共线性

当 0 / 1 比例悬殊时：

使用工具箱中的 Create Random Points 生成补充样本
在工具参数中设置 class_weight=”balanced”

处理方法：

计算变量间的 Pearson 相关系数（工具箱路径：Spatial Statistics Tools > Modeling Spatial Relationships > Collinearity）
删除相关系数 >0.7 的变量中 P 值较大的那个

空间模型常见问题：

添加边界缓冲区字段
使用 EBK 回归（Empirical Bayesian Kriging）进行校正

将模型保存为.pyt 工具箱
在 Portal 中注册为地理处理服务
设置执行模式为异步

结合 ArcGIS API for JavaScript 实现网页端预测：

// 调用示例
gpService.execute({
  inputFeatures: userDrawnPolygon,
  params: {"slope": document.getElementById("slopeInput").value 
  }
}).then(showResults);

特性	传统逻辑回归	空间逻辑回归
空间依赖性	忽略	通过权重矩阵纳入
适用场景	独立观测点	具有空间关联的区域
计算复杂度	低	较高
结果解释	全局系数	局部可能存在变异