特征向量的空间滤波--Griffith 2017

A geocomputation and geovisualization comparison of Moran and Geary eigenvector spatial filtering

DA Griffith, B Li - Geoinformatics, 2017

到目前为止,特征向量空间滤波仅仅是作为Moran系数(MC)一部分的中心空间权矩阵(SWM)。拉普拉斯矩阵提供了SWM的另一种转换,与Geary比率(GR)相关,是另一种流行的空间自相关度量,本文分别比较了MCESF(Moran Coefficient eigenvector spatial filtering)和GRESF(Geary Ratio eigenvector spatial filtering)。发现MC的极端值与第二个和第n个MC-Based SWM的特征向量有关,GR的极限是最大和第二最小的拉普拉斯特征值的函数。这二者都具有正交性以及和为零的优良特性。由于中心的SWM和它的拉普拉斯矩阵对应的分区a给出了不同的SA空间,MCESF捕获的SA比GRESF对应的要多。GRESF也倾向于混淆正负SA。GRESF与行标准化的SWM W关系更密切,而MCESF与二进制SWM c更紧密地联系在一起。得出结论,MCESF提供更多的SA的解析表达式,因此是空间分析的首选技术。

补充一点知识——

【特征向量空间滤波 eigenvector spatial filtering(ESF)】:将空间自相关的变量通过移除空间模式转化为空间无关的变量。使用地理连接矩阵特征向量的线性组合,可以将原变量分为两个合成部分,一个空间相关部分和一个非空间相关部分。这样,这个变量可以独立于观察相邻区域的影响进行研究。此外,地理数据进行线性回归的残差一般都是空间自相关的,然而只要模型的残差在一定程度上是可以预测的(如空间自相关的),就破坏了残差独立的假设,那么模型得到的结果就会有问题。ESF分离了空间相关部分和无关部分,ESF可以校正线性回归模型中的空间错误。

关键应用:任何在包含地理坐标的数据上执行的线性回归模型(如果是非线性会如何?),都应该通过在其残差中寻找空间自相关来测试空间误差。可应用在经济生产率、健康地理学、人口地理学、生态学与环境科学等方面。


对空间相关性的分解


真实值和两种预测方法结果的差异

【Geary's C】Geary的C检验统计空间自相关,利用变量x对数据对的平方差异的平方和作为协变的度量。C在0-1之间,C越小表示正的空间自相关,具有更大的值对应于强的负的空间自相关。Geary的C对局部的变化比对全局变化更敏感

C的计算方法
S²的计算方法

【Moran’s I】计算方法


I的计算方法

参考文献:Encyclopedia of GIS(2008)

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 202,607评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,047评论 2 379
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 149,496评论 0 335
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,405评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,400评论 5 364
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,479评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,883评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,535评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,743评论 1 295
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,544评论 2 319
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,612评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,309评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,881评论 3 306
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,891评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,136评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,783评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,316评论 2 342

推荐阅读更多精彩内容