空间自相关：地理模式

发布日期：2026年6月20日|最后更新日期：2026年6月23日

“所有伟大的真理都始于亵渎。”——萧伯纳

I = (N / W) * (Σi Σj wij (xi - x̄)(xj - x̄)) / (Σi (xi - x̄)²) 其中： N = 空间单元数 W = 所有空间权重之和 wij = i 和 j 之间的空间权重 xi, xj = i 和 j 的属性值 x̄ = 属性的平均值
    

几个例子以及关键概念[再次]

空间自相关是地理分析中的一个关键概念，它衡量一组空间特征及其相关数据值在空间中聚集在一起（正空间自相关）或分散（负空间自相关）的程度。

关键概念：

• 正空间自相关： 相似的值在空间中聚集在一起
• 负空间自相关： 不同的值彼此靠近出现
• 无空间自相关： 值是随机分布的

空间自相关的测量：

• 莫兰的 I
• Geary 的 C
• 盖蒂斯-奥德 G

已发布示例：

1. 地磁场空间范围的长期变化

来源： Kloss, C., Finlay, CC. 低纬度地核流动和地磁场加速脉冲随时间变化。Sci Rep 8, 17137 (2018)。

本研究考察了地磁场空间范围随时间的变化。图表显示：

• 1900 年至 2000 年间空间范围呈下降趋势（R² = 0.656，p 值 < 0.001）
• 2000 年至 2050 年呈增长趋势（R² = 0.716，p 值 = 0.034）

此例说明了空间自相关如何随时间而变化，从而表明底层地球物理过程的变化。

2. 北美冬季近地表温度趋势

来源： Dai, A., Luo, D. & Song, M. 北极冬季变暖热点正在从北美转移到欧亚大陆。Nat Commun 15, 4256 (2024)。

本研究分析了1980年至2022年北美冬季近地表温度趋势。图显示：

• 平均温度、第 2 百分位数温度和第 98 百分位数温度趋势的空间模式
• ERA5 再分析数据（上行）与多模型平均值（下行）的比较
• 温度趋势具有明显的空间自相关性，不同地区呈现出不同的模式
• 北部地区变暖趋势加剧，尤其是第二百分位（最冷温度）
• 百分位数和平均趋势之间的差异，突出了温度分布的不均匀变化

此示例说明了气候数据中的复杂空间模式，展示了空间自相关性如何跨不同的统计测量值和地理区域而变化。

3. 城市热岛

城市地区的气温通常比周边农村地区高，这种现象被称为城市热岛效应。这是温度数据中正空间自相关的典型例子。

资料来源： Villalobos-Soublett, E.；埃尔南德斯-莫雷诺，A.；莫利纳-马丁内斯，JM；鲁伊斯-卡纳莱斯，A.； Escarabajal-Henarejos，D. 智利特木科市地表温度的空间分布。工程师。过程。 2023 年、39 年、80 年。

这张图片展示了智利特木科的城市热岛效应：

• 从市中心（较热）到郊区（较冷）有明显的温度梯度
• 最高温（高达 31°C）出现在人口密集区域（Z1、Z2、Z3、Z4）
• 塞罗涅耶洛尔 (Cerro Ñielol) 和考廷河 (Cautín river) 等自然景观附近的气温较低
• 位于主城区以外的 Maquehue 机场气温较低（24°C）
• 温度范围从 20°C（蓝色）到 32°C（红色），显示出明显的空间变化

此示例清楚地显示了城市温度的​​正空间自相关性，热点聚集在市中心，较冷的区域聚集在外围和靠近自然特征的地方。

补充研究： Rizwan, AM, Dennis, LYC & Liu, C. 城市热岛的产生、确定和缓解综述。J Environ Sci 20, 120–128 (2008)。

4. 疾病聚类

流行病学家利用空间自相关来识别疾病集群，这有​​助于了解传播模式并实施有针对性的干预措施。

来源：郭宇、程超、曾宇等。中国大陆早期COVID-19时空演变特征及聚集趋势分析。科学报告12，4507（2022）。

下图展示了中国大陆早期 COVID-19 病例的时空演变：

• 两张地图显示了 19 年 23 月 11 日和 2020 月 XNUMX 日累计确诊的 COVID-XNUMX 病例
• 病例空间聚集性明显，尤其是在中国中部和东部地区
• 19 天内病例数量和空间分布迅速增加
• 病例最集中地区（红色区域）从一个地区扩展到多个地区
• 中国西部地区整个时期的病例数较低

此示例表明疾病传播具有强烈的正空间自相关性，热点明显，且随时间呈现地理扩散模式。它强调了空间分析在理解和应对疾病爆发方面的重要性。

补充研究： Lai, PC, So, FM & Chan, KW，《疾病绘图和分析中的空间流行病学方法》。CRC出版社（2008）。

5. 财产价值

房地产价格通常表现出正的空间自相关性，相似的房产价值聚集在邻近地区。

研究示例： Basu, S. & Thibodeau, TG，《房价空间自相关性分析》，《房地产金融与经济学杂志》17，61-85（1998）。

5. 财产价值

房地产价格通常表现出正的空间自相关性，相似的房产价值聚集在邻近地区。

图 2. Moran's I 的本地和全球统计数据。来源：基于 GUS 数据的自行研究。

来源：IJGI 09 00380 g002

下图说明了波兰不同地区的房产价值的空间自相关性：

• 地图显示了各种社会经济指标（Y1、Y2、X1-X10）及其空间模式
• 每张地图都附有全局 Moran 的 I 统计量 (Ig) 及其 p 值
• 大多数指标表现出统计学上显著的正空间自相关性（Ig > 0，p < 0.001）
• 图例表示不同类型的空间聚类：
  • 高-高：高值区域被高值包围
  • 低-低：低值区域被低值包围
  • 低-高：低值区域被高值包围
  • 高-低：高值区域被低值包围
• 值得注意的模式包括：
  • Y1 和 Y2 显示出明显的区域聚集，特别是在南部和西部
  • X2 表现出最强的正空间自相关性（Ig = 0.524）
  • X8 是唯一没有显著空间自相关的指标（Ig = 0.021，p = 0.207）

此示例展示了房产价值和相关社会经济因素如何表现出强烈的空间依赖性。特定区域的高值和低值聚集表明位置在确定房产价值和相关经济指标方面起着至关重要的作用。

补充研究： Basu, S. & Thibodeau, TG，《房价空间自相关性分析》，《房地产金融与经济学杂志》17，61-85（1998）。

本文将全面介绍空间自相关的各个方面。我们将探讨它在地理信息系统(GIS) 中的重要作用、其统计学意义以及它在城市模式识别中的作用。通过深入了解这些主题，您将获得有助于资源规划和管理的重要信息。

为了帮助您了解更多信息，您可以查看佛罗里达州立大学地理系等机构的研究生项目。这些项目通过课程和研究机会，让您在这些关键领域进行深入学习。点击此链接¹了解更多项目信息。

关键精华

• 空间自相关 是理解地理关系的关键。
• 它提升 城市规划 和 环境建模.
• 地理信息系统 对于分析空间数据至关重要。
• 统计方法可以很好地测量空间连接。
• 城市增长模式可以通过以下方式发现 空间聚类 分析。
• 未来进展 空间分析 将塑造各个领域。

空间自相关简介

空间自相关分析着眼于变量在空间上的相互关系。它对空间分析至关重要，因为它揭示了地理数据之间的关联。通过发现这些关联，专家可以找到常规分析方法无法发现的模式。

在老道明大学，地理学专业在2024-2025学年开设了 56 门课程，每门课程 3 个学分^2。学生们学习“灾害：自然灾害和技术灾害”以及世界各地不同地区的地理知识^2。如此广泛的课程有助于学生在研究中运用空间自相关性。

诸如 GEOG 335地理信息系统I 和 GEOG 336 地理空间实地方法等课程教授如何在现实生活中应用空间分析^³。这些课程展现了理解空间联系的重要性，并有助于在各个领域利用数据指导做出更明智的决策。

《空间自相关导论》一书开启了了解空间关系如何影响地理研究的大门。随着您对空间分析的深入了解，您将更熟练地运用地理数据。这将改变您看待和使用地理信息的方式。

地理信息系统 (GIS) 的作用

地理信息系统 (GIS) 是当今空间分析的关键工具。它们可以帮助您更好地查看和理解地理数据。借助 GIS，您可以了解各个地方是如何连接的，这对于研究区域如何连接至关重要。

通过先进的视觉效果，GIS 使复杂的数据变得易于掌握。它显示了人和地方如何随时间而变化。这对于理解人口变化和环境变化等问题非常有用。

像GGIS 371 – 空间分析和 GGIS 380 – 地理信息系统 II这样的课程会教你空间分析的基础知识。它们涵盖了地理学的自然和人文两方面。你将学习 GIS 如何以不同的形式解决问题⁴。

这些课程还将理论与现实生活中的例子相结合。你将学习企业如何选择地点以及城市如何更具可持续性。这种理论与实践的结合非常有帮助。

随着地理空间数据科学领域就业机会的增多，掌握GIS知识比以往任何时候都更加重要。毕业生可以胜任遥感与GIS软件分析师或GIS技术项目经理等职位^⁵。该课程包含1,300小时的学习，涵盖必修课和选修课，能够让你为地理空间分析做好充分准备。

通过学习这些课程，您将了解重要的空间模式。这些知识可以帮助您为社区和环境做出更好的决策。GIS 是解决城市发展和社会及环境问题等重大挑战的关键。

了解地理空间分析

地理空间分析是研究地理格局以及数据点之间关系的关键。它运用统计学方法来分析空间关系和地理事件。例如，我开设的GISC 20061古代景观课程就教授景观研究的理论和方法。这些课程使用地理信息系统（GIS）来分析考古数据和环境数据等数据^类型。

要深入理解地理空间分析，一些核心课程至关重要。例如，GISC 20500 空间数据科学导论涵盖了空间自相关和聚类检测等重要主题^⁶。课程 6328 则更进一步，侧重于空间分析和建模，并强调推断统计和空间精度检验的重要性^⁷。

处理可修改面积单位问题等问题在地理空间分析中至关重要。要正确理解空间数据，您需要使用各种方法。这些方法包括探索性数据分析、单变量描述统计和空间回归模型。这显示了地理空间分析如何使用不同的方法来发现趋势和关系。

学习这些基础知识不仅仅是理论知识。空间回归分析等实用技能至关重要，它运用统计方法处理空间依赖性问题。R 和 Python 等工具使这些方法的应用更加便捷^。这些知识有助于你理解空间关系的重要性。

空间统计及其重要性

空间统计学是深入挖掘和理解空间数据的关键。它能帮助你发现乍看之下可能并不明显的模式和联系。熟练掌握这些方法对于理解空间分析在城市规划和环境研究等领域的重要性至关重要。

点模式和空间离散度等工具可以帮助你深入研究数据点在区域内的分布情况。例如，2024-2025 学年的学术目录列出了具体要求，例如完成通识教育课程并获得教师的认可，这有助于提升你在该领域的知识^²。

• 点模式分析有助于确定事件是成群发生、分散发生还是随机发生的。
• 相关系数显示两个变量之间的关联紧密程度。
• 了解空间自相关有助于发现数据中的局部变化。

定量方法课程结合实践练习，可以加深你的实践技能和对空间统计学的理解^8。例如，高级空间分析课程要求你修读过某些课程并取得良好的成绩²。

通过结构化课程学习这些统计工具是做出明智选择的关键，尤其是在公共卫生等领域。空间分析可以决定资源的使用方式。通过有针对性的学习，您可以更好地处理复杂数据，帮助解决重大环境问题。

空间聚类的概念

空间聚类是地理空间分析的关键。它将距离比预期更近的数据点归为一组。诸如K均值聚类和层次聚类等聚类技术有助于发现这些聚类。这些方法帮助研究人员发现数据中的模式，从而深入了解地理现象。

它对于研究城市和环境至关重要。例如，它展示了影响我们利用资源、规划城市和保护环境的方式。这些见解有助于为社区发展和保护自然做出更好的决策。

^{某些课程会教授这些重要概念。例如，GEOG 3125 天气与气候和 GIS 120 网络地理信息系统就是很好的例子。}它们为学生提供了空间聚类所需的理论和技能。GEOG 3255 遥感概论和 GIS 226 地理信息系统空间分析也教授如何将这些技术应用于复杂数据。

下表列出了有助于理解空间聚类及其技术​​的课程：

Moran's I：测量空间自相关

莫兰指数 I是发现地理数据模式的关键工具。它显示了彼此相邻的值之间的关联性，这有助于我们更好地理解地理模式。

该方法着眼于数据的平均值以及每个点与平均值的差异。它清晰地展现了数据在不同区域的变化情况。

理解莫兰指数 I很简单。接近于零的数值表示没有规律可循。正值表示相似的值聚集在一起。负值表示不同的值聚集在一起。

这种方法运用不同的技术来展示区域之间的联系。例如，地理加权回归（GWR）有助于分析局部变化。这使你的分析更有力，并有助于做出更好的决策^¹¹。

总而言之，莫兰指数 (Moran's I)帮助我们深入了解地理数据之间的关联。随着数据变得越来越复杂，像莫兰指数这样的工具对于分析许多领域的模式和趋势至关重要。

城市环境中的热点分析

热点分析是发现城市中高犯罪率或高健康问题区域的关键。它利用各种工具和方法来识别难以察觉的模式。这有助于我们了解问题集中发生的位置，这对做出明智的决策至关重要。

城市规划人员利用它来查找犯罪热点，以便更好地采取行动和利用资源。对于健康问题，它可以显示问题最严重的地方，帮助当局改善这些地区的健康状况。研究表明，这种方法如何帮助城市有效应对其独特的挑战。

下表总结了涉及热点分析和城市环境相关主题的课程的关键方面：

这些课程和实习机会让学生获得处理真实城市问题的实践经验，并通过教授必要的技能，帮助学生做好热点分析的准备。

深入研究环境与城市研究将加深你对城市复杂性的理解。新的CEGU项目展示了我们如何需要结合不同领域来应对城市挑战。

“热点分析是城市规划者的重要工具，可以对面临各种挑战的社区进行有针对性的干预。”

通过运用技术和研究，热点分析可以大大改善城市规划和安全¹²。

@ ¹³ @ ¹⁴

环境建模中的应用

环境建模利用空间自相关性来解决许多环境问题。它可以预测自然资源、生物多样性和气候变化影响的模式，从而为我们深入了解生态系统的运作方式提供关键信息。

GEOG 3120 环境/GIS 建模课程教授使用 GIS 技术进行环境建模的重要概念和技能。它涵盖三个主要领域：空间建模、属性建模和组合建模。这些方法帮助学生解决诸如犯罪模式和物种栖息地等问题，从而有助于保护工作^¹⁵。

环境建模还利用高级统计方法分析空间数据。诸如多元相关和回归分析等方法可以揭示环境因素之间的相互联系^¹⁶。这有助于我们更好地理解复杂的生态关系，也有助于我们做出明智的资源管理决策。

GEOG 3190 等课程中的真实项目展示了该领域在实践中的应用。学生使用激光雷达技术开展有助于管理自然资源的项目。该技术可测量海拔和三维结构，有助于土地利用和环境规划。

环境建模中的这些高级用途表明了空间自相关性的重要性。它有助于预测和管理环境因素之间的复杂相互作用。

空间自相关：分析 2024-2025 年的地理模式

未来几年，研究地理模式对于理解不同领域的诸多问题至关重要。像 GEOG 3023 这样的课程教授学生统计和地理数据。它们涵盖了分析地点和通过实验解决实际问题的重要工具^¹⁷ 。

GEOG 3023 还展示了如何处理数据以及如何使用高级软件来解决地球和社会科学问题。其他课程，如 GEOG 3113 和 GEOG 3153，则侧重于水资源管理和成为环境的良好守护者¹⁸。

展望未来，我们将看到机器学习在预测和可视化数据方面的巨大变化。这将影响城市规划和环境管理等领域。这些领域的人们需要快速学习这些新工具。

研究地理格局也有助于我们应对气候变化。课程将涵盖地球大气层的长期变化以及天气如何影响经济。这些知识将帮助专家更好地应对重大的全球挑战^¹⁸。

对城市规划的启示

理解空间自相关性的意义是良好城市规划的关键。它有助于在建筑、分区和资源利用方面做出明智的决策。例如，规划者利用空间分析来选择新建建筑的最佳地点。这样，他们就能确保该地区的居民生活和经济发展都得到改善。课程“行善致富”展示了如何通过明智的房地产选择来改进波士顿的城市规划^¹⁹。

房地产开发工作室展示了不同领域如何协同合作，共同改善环境。团队致力于从多方面提升价值，并为特定地块制定专业规划^²⁰。在中国，建筑师和城市设计师携手合作开展项目，凸显了针对不同地块制定定制化方案的重要性^²⁰。

数字城市设计工作坊将城市设计与科技相结合，旨在打造更美好的城市。这种方法能够创造对居民和经济都有益的城市。数据科学和房地产等课程让学生了解数据科学在规划中的作用，从而为他们迎接不断变化的城市规划领域^做好准备。

空间分析和自相关的未来趋势

空间分析和自相关领域的未来发展趋势令人振奋。遥感等新型工具正使数据采集更加精准。了解这些工具如何改变地理研究至关重要。

人工智能正在改变我们使用空间数据的方式。人工智能帮助我们发现模式并预测结果，使空间自相关性更容易理解。这有助于我们在城市规划和环境保护等领域做出更好的决策。

公民科学对空间分析产生了巨大影响。通过使用社区数据，研究人员可以使他们的研究结果更有说服力。这种团队合作将本地知识与学术研究结合在一起。

这些新工具正在改变我们研究地理的方式。我们正朝着更好、更开放的方式来理解我们周围的世界。随着我们对这些变化的探索，它们对空间分析和自相关的影响是巨大的。新的方法和社区的参与正在引发关于地理问题的重要讨论。

简而言之，空间分析和自相关领域的未来趋势看起来前景光明。随着新技术的出现以及对各方意见的重视，我们越来越能理解空间模式。这一进展为研究和实际应用开辟了新的领域，使地理分析继续成为明智决策的关键因素^{^{18 21}} 。

结语

理解空间自相关性是分析当今及未来地理格局的关键。这份空间自相关性概述展示了使用地理信息系统 (GIS) 等工具的重要性。这些工具能够帮助我们更好地查看和理解数据。

本文中的各种示例展示了空间分析如何帮助做出明智的决策。这对于城市规划和环境管理等领域都是如此。

在思考这些想法时，请记住，使用空间分析可以极大地改善我们对不断变化的地理模式的理解。新的工具和方法不断涌现，使规划和管理更加高效。主动应对空间自相关对于应对未来挑战至关重要。

如需了解更多信息，请查看面向未来领导者的课程，例如环境管理领域的课程。例如“环境管理者的生态基础”和“自然科学研究：从构思到提案”等课程可供选择。这些课程将帮助您在空间规划方面做出更好的决策^{^{22 23}} 。

源链接

1. https://catalog.ncsu.edu/graduate/natural-resources/geospatial-analytics/
2. https://catalog.odu.edu/courses/geog/
3. https://catalog.uwec.edu/courses/geog/
4. http://catalog.illinois.edu/courses-of-instruction/ggis/
5. https://anyflip.com/pzwx/dwuu/basic
6. http://collegecatalog.uchicago.edu/thecollege/geographicalstudies/
7. https://uca.edu/gbulletin/courses/geography-and-gis/
8. https://efteruddannelse.kurser.ku.dk/course/2024-2025/NIGK17011U
9. https://www.bemidjistate.edu/academics/catalog/20253/courses/geog
10. https://catalog.cwi.edu/course-descriptions/gis/gis.pdf
11. http://esc.vscc.ac.ru/article/29595/full?_lang=en
12. https://catalog.depaul.edu/course-descriptions/geo/
13. https://www.gisci.org/Portals/0/PDF’s/GISP_Study_Guide_V1.1.pdf
14. https://www.mdpi.com/2220-9964/13/1
15. http://bulletin.du.edu/graduate/coursedescriptions/geog/
16. https://catalog.colostate.edu/general-catalog/courses-az/stat/
17. https://catalog.colorado.edu/courses-a-z/geog/
18. http://catalog.okstate.edu/courses/geog/
19. https://www.mcgill.ca/study/2024-2025/faculties/arts/undergraduate/programs/bachelor-arts-ba-honours-urban-studies
20. https://student.mit.edu/catalog/m11c.html
21. https://ecoforecast.org/workshops/statistical-methods-seminar-series/
22. http://collegecatalog.uchicago.edu/thecollege/computationalsocialscience/
23. https://environment.yale.edu/courses/