华北地区居民点分布模式探析VIP免费

第1页共9页编号：时间：2021年x月x日书山有路勤为径，学海无涯苦作舟页码：第1页共9页华北地区居民点分布模式分析（减灾与应急管理研究院200921190065李志锋）一、研究区域华北地区（北京、天津、河北、山西、内蒙古）二、数据来源国家基础地理信息中心中提供的1：400万县级居民地点分布（shpfile）。三、研究方法1、最近邻距离分析法第2页共9页第1页共9页编号：时间：2021年x月x日书山有路勤为径，学海无涯苦作舟页码：第2页共9页（1）基本原理：第3页共9页第2页共9页编号：时间：2021年x月x日书山有路勤为径，学海无涯苦作舟页码：第3页共9页（2）计算结果：第4页共9页第3页共9页编号：时间：2021年x月x日书山有路勤为径，学海无涯苦作舟页码：第4页共9页通过ArcGIS运算的结果为：平均距离为0.3815，期望的平均距离为0.4592，最近邻比例为0.83<1,ZScore为-0.85，点分布模式为聚集。因此，华北地区的居民点分布呈现出聚集的模式，尤其是在河北北部和京津地区较为明显。2、RipleysK函数法（1）计算原理：WhentheobservedKvalueislargerthantheexpectedKvalueforaparticulardistance,thedistributionismoreclusteredthanarandomdistributionatthatdistance(scaleofanalysis).WhentheobservedKvalueissmallerthantheexpectedK,the第5页共9页第4页共9页编号：时间：2021年x月x日书山有路勤为径，学海无涯苦作舟页码：第5页共9页distributionismoredispersedthanarandomdistributionatthatdistance.WhentheobservedKvalueislargerthantheHiConfEnvvalue,spatialclusteringforthatdistanceisstatisticallysignificant.WhentheobservedKvalueissmallerthantheLwConfEnvvalue,spatialdispersionforthatdistanceisstatisticallysignificant.（2）计算结果期望值和观测的K函数值：第6页共9页第5页共9页编号：时间：2021年x月x日书山有路勤为径，学海无涯苦作舟页码：第6页共9页ExpectedKObservedKDiffKLwConfEnvHiConfEnv0.58571.62001.03430.70250.84681.17152.78881.61741.29841.45011.75723.88582.12871.90102.05932.34294.86062.51772.49932.66852.92865.75942.83083.09123.29103.51446.59053.07613.68313.91314.10017.36353.26344.27054.53754.68588.01163.32584.85065.14025.27158.53413.26265.42385.74985.85738.97323.11596.00526.3674通过ArcGIS运算的结果中可以看出观测的K函数曲线远超出随机分布的K函数曲线，这说明该点分布模式为聚集。第7页共9页第6页共9页编号：时间：2021年x月x日书山有路勤为径，学海无涯苦作舟页码：第7页共9页3、样方分析（1）原理将研究区域划分为若干样方，计算每个样方内的点数，根据以下公式得到变率和平均比值，与1进行比较。（2）处理过程第一步，建立华北研究区域的样方10*10。第二步，利用样方网格和华北地区居民点进行叠加分析，统计每个网格内的居民点数。第8页共9页第7页共9页编号：时间：2021年x月x日书山有路勤为径，学海无涯苦作舟页码：第8页共9页第三步，根据统计的数据表格，利用公式计算指标，去除没有点分布的样方数，实际样方数N=37。=143.66=16.3>>1因此，该点模式的分布呈现聚集性。四、结论通过以上三种方法的分析，我们可以得出华北地区的居民点分布呈现出聚集性分布，尤其是在河北北部和京津地区较为明显。参考资料：ArcGISDesktopHelp。第9页共9页第8页共9页编号：时间：2021年x月x日书山有路勤为径，学海无涯苦作舟页码：第9页共9页