Level 15 Level 17
Level 16

向量資料分析


22 words 0 ignored

Ready to learn       Ready to review

Ignore words

Check the boxes below to ignore/unignore words, then click save at the bottom. Ignored words will never appear in any learning session.

All None

Ignore?
聯集(union)保留所有圖層的圖徵
請解釋union
交集(intersect)僅保留圖層間重疊區的圖徵
請解釋intersect
對稱差(symmetrical difference)僅保留圖層間不重疊區的圖徵
請解釋symmetrical difference
標識(identity)僅保留輸入圖層範圍內的圖徵,另一個圖層被作為標識圖層
請解釋Identity
增加群聚容許值
如何減少狹縫(slivers)?
誤差傳播模型(error propagation model)旨在計算輸入圖層在套疊輸出圖層上為正確的機率,輸出圖層的最高精度等於精度最低的輸入圖層的精度
請解釋error propagation model
輸入圖層的數量、輸入圖層i為不正確的機率
以下為最低精度公式,n=?、Pr(E’i)=?
誤差傳播模型(error propagation model)基於正方形圖徵,不符合實際套疊情況,除此之外,該模型假設輸入圖層越多精度越低的假設不一定是正確的
error propagation model的問題有哪些?
型態分析(pattern analysis)是對二維空間中點或面空間分布的研究,其使用距離量測作為輸入資料,並且使用空間統計量來描述分布模式,接果將揭示分布模式是隨機、離散、還是群聚的
請解釋pattern analysis
高值群聚(hot spot)和低值群聚(cold spot)
在局部級別中,群聚可以分為哪兩種類型?
最近鄰分析(Nearest neighbor analysis)使用圖層中各點與其最鄰近點的距離來判斷點型態的分布是隨機、離散、還是群聚的
請解釋nearest neighbor analysis
觀測點與最近點的平均距離、隨機分布時所期望的平均距離、點型態比隨機分布模式更群聚、點型態比隨機分布模式更離散
以下為最近鄰分析公式,dobs=?dexp=? R<1=? R>1=?
Riply’s K-function能夠辨識出一定距離範圍內的群聚或離散效果,為了簡化判讀,通常使用其標準化版本(L函數)
請解釋Riply’s K-function
距離、研究區大小、點的數量、圓周率、分布型態比隨機模式群聚、分布型態比隨機模式離散
以下為L函數,d=?A=?N=?𝝿=?,隨機模式的期望值L(d)即是d,當L(d)>期望值,則?,當L(d)<期望值,則?
simulated outer boundary values、reduced analysis area、Ripley’s edge correction formula
哪三種演算法可以進行L函數的邊緣校正?
空間自相關(spatial autocorrelation)使用點的位置及其屬性變化來分析相關性的空間分布,如果相似的值在空間上彼此接近,則可以描述為高度相關
請解釋spatial autocorrelation
Spatial association、spatial dependence
spatial autocorrelation也稱為?
點i處的值、點i處鄰近點j的值、點的平均值、點的數量、x值與其平均值的變異數、點i與點j的距離
Moran’s I是一種流行的空間自相關量測方法,可以透過以下公式計算,其中xi=?xj=?x̄=?n,m=?s2=?wij=?
E(I)=-1/n-1
Moran’s I的期望為?
Moran’s I大於E(I),空間相關、Moran’s I小於E(I),空間不相關
若相鄰點趨於具有相近的值,則?,若相鄰點趨於不等的值,則?
LISA是Moran’s I的局部版本,其為每個圖徵計算一個索引值和一個Z score
請解釋Local Indicators of Spatial Association(LISA)
正的Z score代表與相似值的圖徵相鄰,負的Z score代表與相異值的圖徵相鄰
正、負LISA Z score分別代表的空間特性?