ArcGIS地統計分析實習指練習2：數據檢查練習4：模型比較練習6：生成最終成果圖或者污染值濃度等。當與ArcMap一起使用時，地統計分析模塊提供了一整套創建表面的工 Ca_outli Ca_citi Ca_hil 臭氧數據集（_zne_pts）1996pm（或地圖你可以較多的考慮采樣點之間存在的空間關系，這時，你將要用到ESDA（空間數據探索分析）建出更加的表面對于本次練習，臨界值規定如下：如果最大值超過012ppm，那么這個地方就應該被嚴密練習2教你創建表面之前如何對數據進行檢據檢查的目的是為了找出數據中練習 指導你創建臭氧濃度超出臨界值的概率圖，從而生成第三個表面6告訴你怎樣利用ArcMap的功能將你在練習3和練習5中創建的表面放在一起做完成一個練習，在每次完成一個練習之后，的練習數據保存起來。練習1在開始練習之前，首先啟動ArcMap并激活地統計分析模塊ArcMap并激活地統計分析模單擊窗口任務欄的Start按扭Programs，再指向ArcGIS，然后單擊ArcMap。在ArcMap中，單擊Tools，在單擊Extensions，選GeostatisticalAnalyst復選框，單擊Close按扭。添加Geostatistica Analyst工具條到ArcMap中View菜單，光標指向Toolbars，然后單擊GeostatisticalAnalyst在ArcMap中添加數據一旦數據加入后，你就能利用ArcMap來顯示數據，而且如果需要，你還可以改變沒一Standard工具條上AddData按扭．找到你安裝練習數據的文件夾（缺省安裝路徑是C:\ArcGIS\ArcTutor\Geostatistics）,按住Ctrl鍵，然后點擊并顯示Ca_ozone_pts和ca_outline數據集。Add單 表中的ca_outline圖層的圖例，打開SymbolSelector框FillColor下拉箭頭，然后單擊NoColor在SymbolSelector框中單擊OK按鈕ca_outline圖層酒杯透明現實，只有輪廓可見，以便讓你看見在在后面所要創建7．點擊Standard工具條上的Save按扭。新建一個本地工作（C:\geostatistical）定位到本地工作。因為這是你第一次保存地圖，所以你需要為它取個名（建議你將地圖命名為OzonePredictionMapmxd）。將來再點保存時，只需要點擊Save按扭即可。集（ca_ozone_pts）作為輸入數據集，利用普通格方法，通過插值即可得到那些未知點GeostatisticalAnalyst，然后GeostatisticalWizardInputData下拉箭頭，單擊并ca_ozone_ptsAttribute下拉框箭頭，單擊并選中屬性OZONE在Methord框中單擊KrigiNext按扭缺省情況下，在GeostatisticalMethodSelection框中，OrdinaryKrigingPredictionMap注意，在選定了臭氧濃度表面圖的生成方法之后，你可以單擊Finish按扭利用缺省參在GeostatisticalMethodSelection框中單擊next按扭Semivariogram/covariancemodeling框可以讓你分析已測數據點之間空間關系，值的影響勢必要比綠色點大。根據周圍的點，利用SemivariogramModeling況中擬合Next按扭CrossValidation框可以讓你知道利用模型預測未知點的值的效果如何。在練習Finish按扭OutputLayerinformation（輸出圖層信息框總結了用于創建輸出表面的方（及點擊OK按扭。預測得到的臭氧圖 表的頂層顯示 表中單擊該圖層以顯示，然后再單擊一次，將圖層名改為Default。這種改動可以讓你區別于練習4中創建的圖層。6中你會學會如何將預測表面限制2 如果你在完成練習1后關ArcMap，請單擊File菜單，再點擊Open。在彈出的框中點擊Lookin下拉箭頭，找到你保存的地圖文件（OzonePredictionMapmxd）數據分布非常重要。Histogram工具描繪了數據屬性的頻率直方圖，使你能夠針對數據集的每一種屬性檢測其單變量分布。接下來，你就是要檢查圖層ca_ozone_pts的臭氧分布情況。1．單擊ca_ozone_pts，并將它移 表的頂層，然后將ca_outline置ca_ozone_pts圖層的下面GeostatisticalAnalyst工具條，指ExploreData，然后單擊Histogram你也可以改變Histogram框的大小以便能夠看見地圖，正如下圖所示單擊Layer下拉箭頭，點擊并選擇ca_ozone_ptsAttribute下拉箭頭，點擊并選擇OZONE單擊直方圖臭氧值在01620175ppm之間的直方條。此范圍內的采樣點在地圖中被顯示。正態QQQQ圖提供了另外一種度量數據正臺分布的方法，利用QQ圖你可以將現有數據的分布與GeostatisticalAnalyst工具條，指ExploreData，然后點擊NomalQQplot單擊Layer下拉箭頭，點擊并選中ca_ozoneAttribute下拉箭頭，點擊并選中OZONE在一個普通的QQ圖上，兩種分布的對應點一一對應。對于兩種相同類型的分布，QQ圖檢查臭氧數據的正態分布情況。從上述正態QQ圖可以看出，該圖形非常接近于一條直線。而偏離直線的情況主要發生在臭氧濃度值較高時（因為這些偏離值在直方圖中是顯示的，所以在這里它們也是被顯示的。如果在直方圖中或在正QQ圖中，數據都沒有顯示出正臺分布，那么就有必要在應用某種格插值之前對數據進行轉換，使之服從正態分布。只有在你的數據中存在某種趨勢時，你才可能利用某些數學對表面的非隨機(確性的成分進行表達。例如，—個緩傾斜的山坡可以用一個平面來表達，而山谷則可以利用一個能夠生成“u”字形的更加復雜的(一個二次多項式)來表示。數學有時或許能TrendAnalysis(趨勢分析)工具使你能夠找出在輸入數據集中是否存在趨單擊GeostatisticalAnalys工具條，鼠標指ExploreData，點擊TrendAnalysi單擊layer下拉箭頭，點擊選中ca_ozone_ptsAttribute下拉箭頭，選中趨勢分析圖中的每一根豎棒代表了一個數據點的值高度)和位置。這些點被投影到一個東西向的和一個南北向的正交平面上。通過投影點可以作出一條最佳擬合線一個多項式)，RotateProiection滾動條并向左拖動，使旋轉角為30所以實際的趨勢是北東南西向。造成該趨勢的一個可能的事實是，在沿海地區污染較輕，習4中，這些趨勢將要被剔除。GeostatisticalAnalyst工具條，指ExploreData，點擊Semivariogram／CovarianceCloud。單擊Layer框下拉箭頭，點擊選中ca_ozone_ptsAttribute框下拉箭頭，單擊選中OZONE檢測。為此，可以用Y軸表示半變異函數值，即每一樣點對間測量值之差的平方，而相應地用x軸表示每對樣點之間的距離。那么在半變異函數云圖中鄰近的點(x軸的左邊應該有較小的半變異函數值Y軸的下部)。隨著樣點對間距離的增加在x軸上向右移動)，中變異函數值也要相應增加在Y軸上向上移動)。然而，當到達一定的距離后，云圖變平，這表明超出這個距離時，樣點對之間據確。在這些點上單擊并拖動Selector(選擇)光標使之顯示。(可以使用下圖作為指導，是否嚴格選擇圖中所示的那些點以顯示并不重要。)在半變異函數圖中選中的采樣點將顯示在地圖中，樣點間通過直線相連，用以表示一種可能是洛杉磯地區的汽車比其他地區要多，這些汽車無疑將會造成的污染，從而在ShowSearchDirection復選框西方向，那么只有那些處于彼此方向的點對才會在半變異函數圖中顯示，這就使你能夠去除你不感的那些點對從而來檢查你數據中的方向效應及地圖中顯示。(可以使用廠圖作為指導，是否嚴格選擇圖中所示的那些點以及是否使但擊Selection菜單，然后點擊ClearSelectedFeatures以釋放地圖中顯示正態QQ圖再次證實了數據是服從正態分布的，因為QQ圖中的點構成了一條非常近TrendAnalysis工具可以看出數據顯示出某種趨勢，該趨勢經過提取后，可以用一個南東-北西方向的二階多項式對其進行最佳擬合。練習3在練習 學些基本的地統計思想。單市GeostatisticalAnalyst—工具條，然斤單GeostatisticalWizard單擊InputData框箭頭，點擊選中caozonepts單擊AttributeF拉框箭頭，點擊屬性OZONE在MethodsKrigingNext按鈕。OrdinaryKrigingPrediction被缺省選中2TrendAnalysis工具進行修正后，可知該趨勢是南東-北西方向，并且可以用—個二階多項式進行在GeostatisticalMethodSelection框中，單擊OrderofTrendRemoval下拉箭頭，選擇Second。閃為在練習2的TrendAnalysis框中已經檢測到一條南西-北東在GeostatisticalMethodSelection框中點擊Next按鈕缺省情況下，地統計分析模塊將繪制數據集中的全局趨勢。從下圖可以看出，南西北東向的變化最快，而北西南東向的變化則較平緩從而形成橢圓形)。趨勢剔除必須合情合理。空氣質量中的這種南兩北東向趨勢可以歸因于山區與沿海間度值相對較低。人口密度過人導致在山區和沿海地區之間的污染程度較重。而北西南東向卻降低。岡此這些趨勢剔除是合理的。在練習2Semivariogram／CovsnanceCloud中，你已經檢測了已測點的所有的空間自異函數圖中的那些點如圖中黃線所示)。散點圖的形式來顯示半變異函數值與距離間的關系。然后擬合一個球面半變異函數模則在闡值及偏基臺值(結構方差)。(輸入—個新步K12000單擊輸入框，設定步長組的數目為10綠色代表的值較低，而橙色和紅色代表的值較高。可以用半變異函數散點圖來表示半變異x中心的距離，半變異函數值代表了變異性大小。在我們的例子中，當距離很小時，半變異函數值也很低(即越靠近的事物相似性越大)：隨著距離的增加，其值也增大(即越遠離的事物變異性越強)。從半變異函數表面圖可以看山，在南西-北東向的變異性要比南東-北西方上的白相關的方向性成分，因此在下一步對其進行模擬。你可以用SearchDirection工具來分析某一方向上數據點的變異性，利用該工具你可選中ShowSearchDirection復選框。注意個變異函數值數目的減少，因為只有在SearchDirection的中心線上點擊并按住鼠標，移動搜索的方向。當你選中Anisotropy復選框種情況下，橢圓主軸大致位于北北西南南東方向。角度方向：236角度容限值：45.帶寬步長)：3位，所以此方向的白相關閾值人致為74公里。帶寬步長)：3．0半變異函數模型增長較緩，然后變平，該方向的白相關閾值約為114公里(定義一個圓(或者橢圓)，然后利用其內的點來預測那些未知點的值是一件簡單的操作。此外為避免某一特定方向上的偏差，可以把這個圓(者橢圓分為若干個小扇形，在各扇形內選取相同數目的點。利用SearchingNeighborhood框，你可以指定點的數日(最大為200)、半徑或者長／短軸以及用來預測的圓或者橢圓中的扇形個數。點紅色的權重大于10％。某點的權重越大，其對未知值的預測影響也越大。(點的過程中發生的變化(以及它們的權重變化)為了教學目的，請在TestLocation輸入框中鍵入如F坐標為了說明方向效應，請把角度值改回3381。取消Shape復選框，地統計分析模塊將使用缺省值(面Semivariogram／Covariance框中曾經計算過)。在SearchingNeighborhood框中單擊Next按鈕在實際創建表面之前，你將在下一步中使用Cross-validation框對參數進行診斷(這在比較模型時很有用)，并且其均標準誤差應該接近于1。術語“predictionerror(預測誤差)”足用來表示預測值與實際測量值之間的差異。對CrossValidation框還可以以散點圖的形式為每個數據點顯示其誤差、標準差及QQ圖中以綠色顯示。24，作為可選項，你可以單擊SaveCrossValidation按鈕來保存該表以便對結果做進一單擊Finish按扭 layerinformation框顯示了用于創建表面的模型的信 點擊OK按扭。預測得到的臭氧圖就會在ArcMap中作為頂層顯示出來圖層的默認名稱是你用來創建表面所使用的格方法的名字（例如，OridinaryKriging。單擊圖層名以顯示圖層，再次單擊，將圖層名稱改為 removed在你創建的圖層“Trendremoved”上右擊鼠標，點擊CreatePredictionStandardErrorMap菜單項。在Standard工具條上點擊Save表面考慮了數據的全局趨勢，井對半變異函數中的步長大小及局部方向效應(各向異性)進在練習4中，通過對兩種模型的比較，你可以看出哪種模型對未知值的預測注意：你會再次看到插值表面一直延伸到海洋中。在練習6你將學習如何將預測表面限制4在“TrendremovedCompare?．”，你就能夠將“Trendremoved”層與你在練習2中創建的"Default”層進行比較。因為“Trendremoved”層的均預測誤差較小，其均標準預測誤差接近于1，而平均預測誤差則接近于0，所以你有理由相信“Trendremoved”模犁更優更有效。所以你現在不再需要“default”層了，可以把它移去。在CrossValidat parison(交叉驗證框)中點擊Close按鈕在“Default”層上右擊，在快捷菜單中選擇Remove移去)點擊“Trndremvd”層，把它移到內容列表的底部，這樣你就能夠看見采樣點及加州輪廓線。在Standard工具條上單擊Save練習5對于一個8小時的時段，假設臭氧的臨界值是0．12ppm，你可能想判斷山那些超出該臨界值個臨界值來將數據值轉換為一系列的0和l。如果利用012ppm作為臨界值的話，任何低于它的數據值都將被賦予0，而高于它的值則被賦予1。然后指示格法使用一個根據轉換后的0—1數據集計算得到的半變異函數模犁進行計算。點擊GeostatisticalAnalyst工具條，然后單擊GeostatisticalWizard單擊LayerF拉箭頭，選擇ca_ozone_ptsAttribute下拉箭頭，選擇屬性OZONEMethod框中點擊Kriging在ChooselnputDataandMethod框中點擊Next按鈕IndicatorKriging，注意在其下一級菜單中，概率圖被選沒置PrimaryThresholdValue主臨界值)為0．12ppm點擊選中Exceedradial單選按鈕在GeostatisticalMethodSelection話框中Next在AdditionalCmoffsSelection框中單擊Next按點擊Anisotropy，說明數據的方向性設定步長大小為25000，步長數日為10在Semivariogram／CovarianceModeling框中點擊Next按鈕SearchNeighborhood話框Next按鈕藍線代表臨界值0．12ppm)0，而其右邊的點的指1。單擊并向右滾動窗口，顯示MeasuredIndicator及IndicatorPrediction(01)為o1736示測值85％。在CrossValidation框中點擊Finish按鈕在OutputLayerlnformation框中點擊OK按鈕所得的概率圖將顯示ArcMap數據視圖窗口的頂層。該圖顯示的指示預測值是指超出臨012ppm的概率，時間是1996年的某一天或某幾天。從圖中可以消楚看出，在洛杉磯附近，臭氧濃度很有可能超出安全值一般說來，一年中的任意一個8小時時段的濃度值小于O12ppm為安全值)。點擊并按住IndicatorKriging層，將其拖到ca_outlinetrendremoved練習6教你如何在ArcMap中，利用你在練習3創建的預測表面及在本練習中創建練習6現在你可以生成一幅顯示用的最終成果圖。你要用ArcMap來生成一幅包含預測表面及在IndicatorKriging層上右擊鼠標PropertiesFilledContours復選框，然后Contours復選框點擊ColorRamp下拉箭頭，選擇一種別的顏色梯點擊OK按鈕現在你可以同時看見概率圖等高線量的值進行內插。但是，預測得到的臭氧圖并不能覆蓋加州全部地理范圍圖層ca_outline)。要解決這個問題，你必須對兩個表面進行外推求值(即預測缺省邊界之外的點的值)。 表中右擊IndicatorKriging層，再單擊Properties。在Properties中點擊Extent。在SettheextenttO框中選擇acustomextententeredbelow，在VisibleExtent區域中輸入下面的值，然后點擊OK按鈕。左 右 上： 下 -對圖層Trendremoved重復上述步因為你只想制作加州范圍內的臭氧濃度圖，所以你可以以圖層ca_outline為標準對圖 中右擊Layer,然后單擊Properties在Properties框中單擊DataFrameEnableCliptoShape復選框SpecifyShape在彈出的框中單擊OutlineofFeatures按扭Layer下拉框中單擊ca_outlineOK單擊OK按扭以關閉DataFrameProperties框Standard工具條上單AddData按鈕找到你安裝快速練習數據的文件夾(缺省安裝路徑是C：＼ArcGIS\ArcTutor\Geostatistics)然后選中ca_cities。點