年际变化分析的好帮手-标准差椭圆

第一眼看到椭圆，你会想到什么？

（侵删）

其实我啥也想不到，直到。。。

我才意识到，椭圆其实很有趣，它的长短半轴可以表示异质性的方向，中心点又可以表示空间的平均中心。多个图层的叠加就能解决好多年趋势的图示。这个方法的实现其实很简单，在ArcGIS中的方向分布（标准差椭圆）即可实现。需要注意的是，在ArcGIS中需要按照矢量方式实现。如果你的数据是栅格，可以先转为矢量在ArcGIS中实现，也可以使用Python直接使用栅格实现，具体可以搜索（Skewed gaussian distribution within an ellipse with python）

好了，讲讲ArcGIS的方向分布的功能吧：官方中文的解释，标准差椭圆是概括地理要素的空间特征：中心趋势、离散和方向趋势。

（插图也是良心啊~）

至于实现的途径，1可以直接用ArcGIS实现，2可以用IDLE（python2）实现，其中python的官方示例.

import arcpy
arcpy.env.workspace = r"C:data"
arcpy.DirectionalDistribution_stats("AutoTheft.shp", "auto_theft_SE.shp", "1_STANDARD_DEVIATION", "#", "#")

# Measure the geographic distribution of auto thefts
 
# Import system modules
import arcpy
 
# Local variables...
workspace = "C:/data"
locations = "AutoTheft.shp"
links = "AutoTheft_links.shp"
standardDistance = "auto_theft_SD.shp"
stardardEllipse = "auto_theft_SE.shp"
linearDirectMean = "auto_theft_LDM.shp"
 
try:
    # Set the workspace (to avoid having to type in the full path to the data every time)
    arcpy.env.workspace = workspace
 
    # Process: Standard Distance of auto theft locations...
    arcpy.StandardDistance_stats(locations, standardDistance, "1_STANDARD_DEVIATION", "#", "#")
 
    # Process: Directional Distribution (Standard Deviational Ellipse) of auto theft locations...
    arcpy.DirectionalDistribution_stats(locations, standardEllipse, "1_STANDARD_DEVIATION", "#", "#")
 
    # Process: Linear Directional Mean of auto thefts...
    arcpy.DirectionalMean_stats(links, linearDirectMean, "DIRECTION", "#")
 
except:
    # If an error occurred while running a tool, print the messages 
    print arcpy.GetMessages()

结果有1个关键的参数，旋转，表示数据的方向角度，其实就是与数据分布相关。

感兴趣的等我的实战示例吧（大概率没有）

微信号：一个有趣的灵魂W

关注我们，了解更多