arcgis多因子加权叠加分析_arcgis栅格数据矢量化

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：

arcgis多因子加权叠加分析_arcgis栅格数据矢量化

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：

arcgis多因子加权叠加分析_arcgis栅格数据矢量化

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：

arcgis多因子加权叠加分析_arcgis栅格数据矢量化

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

版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。

发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/185235.html原文链接：https://javaforall.cn