共计 1757 个字符，预计需要花费 5 分钟才能阅读完成。
背景介绍：为什么需要 LISA 分析
LISA（Local Indicators of Spatial Association）是空间统计中常用的局部自相关分析方法，它能够帮我们识别地理数据中的热点区域（高 - 高聚类）、冷点区域（低 - 低聚类）以及空间异常值（高 - 低或低 - 高）。与全局 Moran’s I 指数不同，LISA 可以揭示局部空间关联模式，在公共卫生、犯罪分析、区域经济等领域有广泛应用。
数据准备：确保分析基础可靠
- 数据格式要求
- 必须使用.shp 格式的矢量数据（点、线或面）
- 至少包含一个数值型属性字段（如人口密度、GDP 等）
-
建议数据量≥30 个要素（样本量不足会导致结果不可靠）
-
预处理关键步骤
- 检查投影坐标系是否一致（右键图层→属性→源选项卡）
- 处理缺失值（字段计算器将 NULL 转为 0 或均值）
- 删除重复几何（Geoprocessing→Data Management Tools→Features→Delete Identical）
操作指南：Step by Step 生成 LISA 图
- 打开 ArcMap，加载预处理后的.shp 文件
- 打开工具箱（ArcToolbox→Spatial Statistics Tools→Mapping Clusters）
- 双击 Cluster and Outlier Analysis (Anselin Local Moran’s I) 工具
参数设置详解 ：
- Input Feature Class：选择待分析图层
- Input Field：选择数值型分析字段
- Output Feature Class：设置结果保存路径
- Conceptualization of Spatial Relationships：
- 相邻关系：CONTIGUITY_EDGES_CORNERS（面数据常用）
- 距离阈值：DISTANCE_BAND（需指定阈值距离）
- Standardization：ROW（推荐行标准化）
Python 自动化实现
对于批量分析，可以使用以下 ArcPy 脚本（需在 ArcMap Python 窗口运行）：
import arcpy
from arcpy import stats
# 设置工作空间
arcpy.env.workspace = "C:/YourWorkspace"
# 执行 LISA 分析
stats.ClusterAndOutlierAnalysis(
"input.shp", # 输入要素
"GDP", # 分析字段
"output.shp", # 输出路径
"DISTANCE_BAND", # 空间关系
"EUCLIDEAN_DISTANCE",# 距离方法
"ROW", # 标准化方式
"#", # 距离阈值（自动计算）"#" # 权重文件（可选）)
# 添加结果说明字段
arcpy.AddMessage("LISA 分析已完成，请查看 output.shp 中的 COType 字段")结果解读：看懂颜色和符号
打开结果图层的属性表，关键字段说明：
- COType：聚类类型标识
- HH：高值被高值包围（热点区）
- LL：低值被低值包围（冷点区）
- HL：高值被低值包围（异常值）
- LH：低值被高值包围（异常值）
- PValue：显著性水平（<0.05 表示显著）
可视化技巧 ：
- 右键结果图层→属性→符号系统
- 选择【类别】→【唯一值】，字段选 COType
- 为 HH（红）、LL（蓝）、HL/LH（黄）设置醒目颜色
新手避坑指南
- 投影问题 ：未使用投影坐标系会导致距离计算错误 → 使用 Project 工具转换坐标
- 样本量不足 ：结果不稳定 → 确保 n≥30 或使用 Bootstrapping 方法
- 权重矩阵选择错误 ：面数据用距离阈值会失真 → 面数据优先选择邻接关系
- 忽略显著性检验 ：只关注 COType 不看 PValue → 筛选 P <0.05 的显著结果
- 多重比较问题 ：多次测试增加假阳性 → 使用 Bonferroni 校正
进阶学习建议
- 验证方法 ：
- 蒙特卡洛模拟（999 次迭代）
-
比较不同权重矩阵的结果稳健性
-
推荐资源 ：
- ESRI 官方文档《Spatial Statistics Tools》
- 《Geospatial Analysis》第 6 章（免费电子书）
- QGIS 的 LISA 插件对比学习
思考题
如何判断 LISA 分析结果的空间依赖性是否显著？关键要看两个指标：
1. 每个要素的 PValue 是否小于显著性水平（通常 0.05）
2. 全局 Moran’s I 的 z -score 绝对值是否大于 1.96（95% 置信度）
实际分析中，建议先做全局检验，再通过 LISA 定位具体聚类区域。
正文完
