基于Python程序设计的ArcGIS点数据统计分析工具开发.docx

基于Python程序设计的ArcGIS点数据统计分析工具开发

王文倩

(河南大学环境与规划学院河南开封475004)

摘要：空间点模式的分析方法主要包括样方分析、核密度估计和最近邻距离分析。本文主要介绍了基于Python脚本语言的ArcGIS点模式分析工具箱的具体实现过程。

关键词：空间点模式;Python;ArcGIS

1引言

任何的事件对象都可以抽象为空间中的一个位置点，而针对点状事件的空间点模式分析应用广泛。地理实体的空间点模式分布包括随机分布、均匀分布和聚集分布。在探究空间点事件的分布模式时，我们可以基于样方计数法、核密度估计法进行一阶效应分析，同时可以基于最近邻距离进行二阶效应分析。

Python语言是ArcGIS进行地理处理的脚本语言。具有简单易学、功能强大、处理速度快等优点。同时作为ArcGIS的脚本语言，以Python编写的脚本可以调用ArcGIS中的地理处理工具，可以访问其他程序员开发的Python模块。Python脚本还可添加到工具箱中，实现高效率地处理数据。

本文主要介绍了样方分析、核密度估计和最近邻距离分析的原理，基于Python语言开发相应工具的算法流程，并给出了相应的主要代码，最后介绍了脚本工具界面中相应参数的设置。

2点模式分析

空间数据分析与常规的统计数据分析不同，在经典统计学中，研究样本是相互独立的，而空间对象在空间位置上都具有一定的相关性，他们在空间上的变化不是随机的，且空间数据的研究结果可能会因研究尺度和研究单元的组合方式而发生改变。探索性数据分析与常规的数据分析模式也有所不同，它避免了传统数据分析对数据模式、趋势和关系的假设。探索性数据分析在没有先验假设的前提下，通过对数据的深入分析，最大限度的洞察数据，揭示潜在结构，提取重要变量，探测奇异值，从而构成有检验价值的假设。从20世纪90年代开始，广大地学研究者逐步把探索性数据分析方法应用到地理数据的分析中，来完善和发展空间分析技术的理论和方法，从而形成了探索性数据分析（ExploratoryDataAnalysis）这一领域[1]。探索性空间统计分析可以用来概括空间数据的性质，探索空间数据的模式，产生和地理数据相关的假设，并在地图上识别异常数据的分布位置，已发现是否存在热点区域等。

空间点模式分析是研究点状的地理实体或者事件的方法。点模式分析是探索性空间分析的重要内容，因为任何的事件对象都可以抽象为空间中的一个位置点。对于空间点模式的一阶效应分析和二阶效应分析，分别主要基于点密度和点距离的方法。当空间上过程的强度变化时，一阶效应显著，事件间的绝对位置有决定作用，单位面积的事件数量在空间上有比较清楚的变化，强调用观测事件的空间密度估计，主要的分析方法有样方分析和核密度估计。当二阶效应强烈时，位置之间存在相互作用，事件间的相对位置和距离具有决定作用，这时增加和减少相邻事件之间距离的效果明显，强调用事件之间的距离估计，主要的分析方法有K函数和基于最近邻距离的G函数和F函数[2]。

3python简介

Python语言是一门简单而且强大的编程语言，又被称为脚本语言，可以作为ArcGIS的脚本语言。ArcGIS9开始使用脚本处理技术，支持包括Python、VBScript、JavaScript、Jscritp和Perl在内的脚本语言。与系统语言C++和.NET等相比，脚本语言更加简洁。VBA曾是ArcGIS应用最普遍的编程工具，但ArcGIS10后，VBA不再作为ArcGIS的默认安装程序，Python作为VBA的替代品被广泛使用。

Python作为ArcGIS的脚本语言，具有以下优点：与C++、VisualBasic等高度结构化的语言相比，语法简单，容易掌握；Python是一款开源软件；Python是一种解释性语言，不需要编译可以直接运行，这使Python具有较强的可移植性；可伸缩性强，大型项目或小型的一次性程序都可使用[3]。

ArcGIS9.x版本已经引入Python工具箱，可实现自定义工具箱的功能，又便于创建新的脚本工具。在ArcCatalog中添加一个新的工具箱（NewToolbox），在Toolbox中添加脚本工具（AddScript）；将实现相应功能Python文件与该脚本工具进行关联，通过ScriptFile选取相应py文件；分析工具与Python文件关联后，设置相应参数，包括参数的数据格式、输入输出类型等。工具界面设置完成后，就可在ArcToolbox中添加工具箱（AddToolbox），在文件夹中选取相应的工具箱文件即可[4]。

4点模式分析工具箱开发

4.1样方分析工具

4.1.1样方分析原理

样方分析方法是在一组固定大小的单元或样方内，记录各研究单元内的事件数量。样方分析有两种计数