对LISA进行空间分析的重建和规范化
1Department of Geography, College of Urban and Environmental Sciences, Peking University, Beijing, China.
PloS one
|May 22, 2024
概括
这项研究纠正了空间关联局部指标 (LISA) 的数学错误,特别是当地的莫兰和吉里指标. 新的公式确保这些空间自相对应措施与全球指标准确相关,改进了地理空间分析.
科学领域:
- 地理空间分析的研究.
- 空间统计的空间统计.
- 区域科学 地区科学
背景情况:
- 空间关联局部指标 (LISA) 对于空间自相对应分析至关重要.
- 现有的LISA计算,包括本地Moran和Geary指标,包含数学错误.
- 这些缺陷使LISA无法满足要求,即本地指标的总和与全球指标成正比.
研究的目的:
- 重建了当地莫兰指数和吉里系数的计算公式.
- 为了解决导出LISA的数学不准确性.
- 确保LISA测量正确与空间自相对应分析中的全球指标相关.
主要方法:
- 数学导数被用来重建LISA公式.
- 分析了两组LISA:非规范化权重/非中心化变量 (MI1,GC1) 和行规范化权重/标准化变量 (MI2,GC2).
- 建议使用北京-天津-河北地区的观测数据进行第三组正规LISA (MI3,GC3) 的建议和验证.
主要成果:
- 第一个LISA组 (MI1,GC1) 满足了比例性要求.
- 第二组LISA (MI2,GC2) 不符合要求.
- 拟议的正规LISAs (MI3,GC3) 满足了这一要求,并为空间自相关分析提供了更正的公式.
结论:
- 这项研究澄清了关于LISA计算的数学误解.
- 提供了更正的LISA公式 (MI1,GC1和MI3,GC3),增强了空间自相对应分析.
- 通过解决LISA计算中的基本问题,这些发现有助于更准确的地理空间分析.
更多相关视频
12:49A Method for 3D Reconstruction and Virtual Reality Analysis of Glial and Neuronal Cells
Published on: September 28, 2019
12.8K
12:27Large-scale Reconstructions and Independent, Unbiased Clustering Based on Morphological Metrics to Classify Neurons in Selective Populations
Published on: February 15, 2017
7.0K
