مفهوم سازی روابط فضایی High/Low Clustering در ArcGIS
در تحلیل آماره فضایی و بخش تحلیل الگوها، ابزار High/low Clustering برای اندازه گیری شدت میزان خوشه بندی مقادیر کم و زیاد یک متغیر عددی بکار می رود. در این روش برای تعیین همسایگان و نوع روابط همسایگی می توان از مفهوم سازی روابط فضایی High/Low Clustering در ArcGIS استفاده کرد.
۷ روش کلی برای تعیین نوع رابطه فضایی بین عوارض وجود دارد که در این بخش به معرفی ویژگی های آنها می پردازیم
معرفی ۷ روش مفهوم سازی روابط فضایی High/Low Clustering در ArcGIS
روش Inverse Distance
در این روش عوارض نزدیکتر، تاثیر بیشتری برای تعیین همسایگی دارند، هر چه عوارض دورتر باشند تاثیر کمتری خواهند داشت.
روش Inverse Distance Squared
این روش همانند روش قبلی عمل می کند، با این تفاوت که تاثیرات توان خواهد داشت، یعنی شیب تغییرات شدیدتر خواهد بود، در واقع تاثیر شدیدتر نشان داده می شود.
نکته: تنها نزدیک ترین عوارض تاثیر قابل توجهی در این تحلیل خواهند گرفت. عوارضی که در مجاورت یکدیگر هستند، بیشترین تاثیر را خواهند گرفت و عوارضی که در فاصله دورتر قرار دارند تاثیر کمتری می گیرند.
روش Fixed Distance Band
در این روش می توان مشخص کرد که عوارض تا چه فاصله ای بر یکدیگر تاثیر گذار باشند. عوارضی که در خارج از این فاصله باشند، تاثیری نخواهند داشت.
عوارضی که در داخل محدوده باشند، وزن یک خواهند گرفت و اعمال نفوذ بر روی آنها اجرا می شود. اما عوارض خارج از محدوده وزن صفر می گیرند.
روش Zone of Indifference
در این روش عوارضی که در داخل محدوده تعیین شده قرار می گیرند، وزن یک دریافت می کنند و با فاصله گرفتن از این محدوده، وزنشان از بین می رود.
روش Contiguity edge only
فقط عوارضی به عنوان تحلیل همسایگی معرفی می شوند که دارای یک مرز مشترک یا یک بخش همپوشان باشند. فقط عوارض از نوع پلیگون
روش Contiguity edge Corners
فقط عوارضی به عنوان تحلیل همسایگی معرفی می شوند که دارای یک مرز مشترک یا گره مشترک یا بخش همپوشان داشته باشند. فقط عوارض پلیگونی
روش Get spatial weights from file
در این روش روابط فضایی بر اساس یک فایل تعیین می شود.
برای مشاهده دیگر جلسات آموزشی این دوره رایگان کلیک کنید.
برای تسلط بسیار کامل و جامع حتماً در دوره آموزشی صفر تا صد ArcGIS که در زیر معرفی شده شرکت کنید.
