空间自相关分析工具 用户说明书

版本: v1.0.0作者: @3S&ML

目录

1. 1. 软件概述
2. 2. 理论基础
3. 3. 基本原理
4. 4. 安装与配置
5. 5. 界面介绍
6. 6. 使用说明
7. 7. 数据格式支持
8. 8. 导出功能
9. 9. 常见问题
10. 10. 参考文献
12. 空间自相关分析神器

13. 已关注

    关注

    重播 分享 赞

    视频详情

1. 软件概述

1.1 简介

空间自相关分析工具是一款专业的地理空间数据分析软件，用于检测和量化空间数据中的空间自相关模式。该工具基于Python开发，采用现代化的图形用户界面（ttkbootstrap），支持矢量数据和栅格数据的分析。

1.2 主要功能

• • 多种数据格式支持：支持Shapefile、GeoJSON、GPKG等矢量格式，以及GeoTIFF栅格格式
• • 四种分析方法：
• • Global Moran’s I（全局莫兰指数）
• • Local Moran’s I（LISA，局部空间关联指标）
• • Geary’s C（盖里指数）
• • Getis-Ord G*（热点分析）
• • 灵活的空间权重矩阵：支持Queen邻接、Rook邻接、K近邻、距离阈值及自定义权重文件
• • 可视化展示：自动生成数据地图、Moran散点图、LISA聚类图、热点分析图
• • 结果导出：支持报告、数据、图表的多种格式导出

1.3 适用领域

• • 流行病学：疾病空间聚集性分析
• • 经济地理：区域经济发展差异分析
• • 生态学：物种分布空间格局研究
• • 城市规划：城市设施空间配置分析
• • 环境科学：污染物空间分布特征研究

2. 理论基础

2.1 空间自相关概念

空间自相关（Spatial Autocorrelation） 是指空间中相邻或邻近位置的属性值之间存在相关性的现象。它是地理学第一定律（Tobler’s First Law of Geography）的核心体现：

“Everything is related to everything else, but near things are more related than distant things.”—— Waldo R. Tobler, 1970

2.1.1 空间自相关的类型

2.1.2 空间自相关的度量维度

• • 全局空间自相关：衡量整个研究区域内空间自相关的总体强度
• • 局部空间自相关：识别局部区域的空间聚集模式和异常值

2.2 空间权重矩阵

空间权重矩阵（Spatial Weight Matrix, W）是空间自相关分析的基础，用于定义空间单元之间的邻接关系。

2.2.1 权重矩阵的构建方式

2.2.2 权重矩阵的标准化

权重矩阵通常需要进行行标准化（Row Standardization），即将每行的权重值除以该行权重之和：

行标准化的优点：

• • 消除区域面积差异的影响
• • 使权重值具有可比性
• • 便于解释分析结果

2.3 统计显著性检验

空间自相关分析通常采用置换检验（Permutation Test） 来评估统计显著性：

1. 1. 保持空间权重矩阵不变
2. 2. 随机打乱属性值的空间位置
3. 3. 计算随机分布下的统计量
4. 4. 重复多次（如999次），构建参考分布
5. 5. 比较实际统计量与参考分布，计算p值

3. 基本原理

3.1 Global Moran’s I（全局莫兰指数）

3.1.1 计算公式

其中：

• • ：空间单元数量
• • ：空间权重矩阵元素
• • ：第i、j个单元的属性值
• • ：属性值的均值

3.1.2 结果解释

期望值：

3.1.3 显著性检验

采用Z检验：

当 |Z| > 1.96 时，在 α=0.05 水平上显著。

3.2 Local Moran’s I（LISA）

3.2.1 计算公式

其中  为方差。

3.2.2 聚类类型识别

LISA分析将空间单元划分为四种类型：

3.2.3 Moran散点图

Moran散点图将空间单元划分为四个象限：

• • 第一象限（HH）：高值区域，周围也是高值
• • 第二象限（LH）：低值区域，周围是高值
• • 第三象限（LL）：低值区域，周围也是低值
• • 第四象限（HL）：高值区域，周围是低值

3.3 Geary’s C（盖里指数）

3.3.1 计算公式

3.3.2 结果解释

3.3.3 与Moran’s I的比较

3.4 Getis-Ord G*（热点分析）

3.4.1 计算公式

其中：

• • ：均值
• • ：标准差
• • ：空间权重（包含自身，）

3.4.2 结果解释

3.4.3 热点分析的优势

• • 直接识别高值聚集（热点）和低值聚集（冷点）
• • 结果直观，易于解释
• • 适用于识别具有统计显著性的空间聚类

4. 安装与配置

4.1 系统要求

• • 操作系统：Windows 10/11、macOS 10.14+、Linux
• • Python版本：Python 3.8+
• • 内存：建议8GB以上
• • 硬盘：至少500MB可用空间

4.2 依赖库安装

pip install ttkbootstrap geopandas libpysal esda rasterio matplotlib numpy pandas

可选依赖（用于在线底图）：

pip install contextily

4.3 启动程序

python main.py

或直接运行打包后的可执行文件。

4.4 配置文件

配置文件位于用户目录下：~/.spatial_autocorrelation/config.json

可配置项包括：

• • 界面主题
• • 默认分析参数
• • 最近文件列表

5. 界面介绍

5.1 主界面布局

5.2 控制面板详解

5.2.1 数据加载区

5.2.2 变量选择区

• • 分析变量：从数据中选择要进行空间自相关分析的数值字段

5.2.3 地图显示区（矢量）

• • 显示在线底图：勾选后在矢量地图上叠加在线瓦片底图
• • 底图源：选择底图提供者（如CartoDB Positron、OpenStreetMap等）

5.2.4 空间权重矩阵区

5.2.5 分析方法区

5.2.6 操作按钮

5.3 结果面板详解

结果面板采用多标签页布局：

6. 使用说明

6.1 基本操作流程

加载数据 → 选择变量 → 设置权重 → 选择方法 → 运行分析 → 查看结果 → 导出

6.2 矢量数据分析步骤

步骤1：加载数据

1. 1. 点击”浏览…”按钮，选择矢量文件（.shp/.geojson/.gpkg）
2. 2. 点击”加载数据”按钮
3. 3. 查看数据信息确认加载成功

步骤2：选择分析变量

1. 1. 在”变量选择”区域下拉框中选择要分析的数值字段
2. 2. 确保选择的字段包含有效的数值数据

步骤3：设置空间权重

1. 1. 选择权重类型：
• • 面状数据：推荐使用Queen或Rook邻接
• • 点状数据：推荐使用KNN或距离阈值
• • 自定义权重：选择权重文件（.gal/.gwt/.swm）
2. 2. 设置相关参数：
• • KNN：设置近邻数（默认5）
• • 距离阈值：设置距离值（注意单位需与坐标系一致）

步骤4：选择分析方法

1. 1. 选择”全部分析”或单一分析方法
2. 2. 设置置换次数（默认999次）
3. 3. 设置显著性水平（默认0.05）

步骤5：运行分析

1. 1. 点击”运行分析”按钮
2. 2. 等待分析完成（状态栏显示进度）
3. 3. 查看结果面板中的各项图表和报告

6.3 栅格数据分析步骤

步骤1：加载数据

1. 1. 点击”浏览…”按钮，选择栅格文件（.tif/.tiff）
2. 2. 设置栅格选项：
• • 波段：选择要分析的波段（默认1）
• • 采样模式：
• • 随机像元采样：随机选取指定数量的像元
• • 网格重采样(N×M)：按网格划分后取中心点
• • 面聚合采样(N×M)：按网格划分后聚合统计
• • 采样数：随机采样模式下的采样点数
• • N×M：网格模式的行列数
• • 聚合统计：均值/中值/最小值/最大值/标准差/众数
3. 3. 点击”加载数据”

步骤2-5

与矢量数据分析相同。

6.4 注意事项

6.4.1 坐标系要求

• • 距离阈值权重：必须使用投影坐标系（单位为米/公里等）
• • 地理坐标系（经纬度）下，距离阈值的单位为度，可能导致结果失真
• • 建议先将数据投影到合适的投影坐标系

6.4.2 数据量限制

• • 栅格数据自动采样上限为20,000个点
• • 大数据量分析可能需要较长计算时间
• • 可通过调整采样参数控制分析精度

6.4.3 权重矩阵选择建议

7. 数据格式支持

7.1 矢量数据格式

7.2 栅格数据格式

7.3 权重文件格式

8. 导出功能

8.1 报告导出

8.2 数据导出

8.3 图表导出

8.4 导出操作

1. 1. 导出结果：菜单栏 → 文件 → 导出结果…
2. 2. 导出权重矩阵：菜单栏 → 文件 → 导出权重矩阵…
3. 3. 导出图表：菜单栏 → 文件 → 导出图表 → 导出当前图表/导出全部图表
4. 4. 导出LISA空间数据：LISA聚类图标签页 → 导出空间数据
5. 5. 导出热点空间数据：热点分析图标签页 → 导出空间数据

9. 常见问题

9.1 数据加载问题

Q: 加载数据时提示”文件不存在”

A: 检查文件路径是否正确，确保文件未被其他程序占用。

Q: 栅格数据加载后采样点数与预期不符

A: 当选择”全部像元”时，系统会自动限制最大采样点数为20,000，以避免内存溢出。可手动设置更大的采样数。

Q: 提示”坐标系为经纬度，无法使用距离阈值权重”

A: 距离阈值权重需要投影坐标系。请先将数据投影到合适的投影坐标系（如UTM）后再进行分析。

9.2 分析问题

Q: 分析结果不显著怎么办？

A: 可能的原因：

• • 数据本身不存在空间自相关
• • 空间权重矩阵定义不合适
• • 样本量过小
• • 建议尝试不同的权重类型或增加置换次数

Q: LISA分析结果中”不显著”比例很高

A: 这是正常现象，表示大部分区域的空间关联不显著。可尝试：

• • 调整显著性水平（如从0.05改为0.1）
• • 检查变量是否适合做局部空间分析

Q: 分析过程中程序无响应

A: 大数据量分析可能需要较长时间。请耐心等待，或：

• • 减少采样点数
• • 减少置换次数
• • 点击”取消”按钮终止分析

9.3 导出问题

Q: 导出Shapefile时中文乱码

A: 程序默认使用UTF-8编码，如遇乱码请检查目标软件的编码设置。

Q: 导出的图表分辨率不够

A: 默认导出DPI为300，可在导出时选择PDF或SVG格式获得矢量图。

9.4 界面问题

Q: 在线底图无法显示

A: 请检查：

• • 是否安装了contextily库
• • 网络连接是否正常
• • 尝试更换底图源

Q: 界面显示异常

A: 尝试在”设置”菜单中更换界面主题。

10. 参考文献

1. 1. Anselin, L. (1995). Local Indicators of Spatial Association—LISA. Geographical Analysis, 27(2), 93-115.
2. 2. Anselin, L. (1988). Spatial Econometrics: Methods and Models. Kluwer Academic Publishers.
3. 3. Getis, A., & Ord, J. K. (1992). The Analysis of Spatial Association by Use of Distance Statistics. Geographical Analysis, 24(3), 189-206.
4. 4. Moran, P. A. P. (1950). Notes on Continuous Stochastic Phenomena. Biometrika, 37(1/2), 17-23.
5. 5. Geary, R. C. (1954). The Contiguity Ratio and Statistical Mapping. The Incorporated Statistician, 5(3), 115-146.
6. 6. Tobler, W. R. (1970). A Computer Movie Simulating Urban Growth in the Detroit Region. Economic Geography, 46(sup1), 234-240.
7. 7. Ord, J. K., & Getis, A. (1995). Local Spatial Autocorrelation Statistics: Distributional Issues and an Application. Geographical Analysis, 27(4), 286-306.

附录A：快捷键

附录B：术语表

文档版本: 1.0.0最后更新: 2026年

如有问题或建议，请联系@3S&ML。