你在 ArcGIS Pro 里做空间统计时，**"分析模式（Analyzing Patterns）"**往往回答的是"有没有聚集（是/否）"；而 "聚类分布制图（Mapping Clusters）"更进一步：把聚类的位置、范围、类型、显著性 直接画出来------更适合写论文、做汇报、做治理决策。(ArcGIS Pro)
0. 工具集在哪里？
ArcGIS Pro 路径通常是：
Geoprocessing（地理处理）窗格 → 搜索工具名
或按工具箱层级：Spatial Statistics toolbox → Mapping Clusters toolset （空间统计 → 聚类分布制图）。(ArcGIS Pro)
1. 上手前的 3 个"必做准备"（不做很容易跑出一堆"不显著/乱跳"）
- 统一投影坐标系 ：涉及距离阈值的工具（Gi*、DBSCAN 等），尽量用米为单位的投影坐标系。
- 确认对象类型 ：你输入的是 **点（事件/POI）**还是 面（区县/网格/街区）？不同工具最适配的场景不一样。
- 想清楚"你在聚什么"：
- 聚"点是否扎堆" → DBSCAN（基于密度）(ArcGIS Pro)
- 聚"高值/低值是否抱团" → Gi* 热点(ArcGIS Pro)
- 聚"异常值"（周边都低它却高） → Local Moran's I (ArcGIS Pro)
- 按多指标"分类型" → 多元聚类 / 空间约束多元聚类(ArcGIS Pro)
- 把多个指标合成一个"指数" → 复合指数(ArcGIS Pro)
2. 12 个工具逐个讲：每个一个案例 + 操作步骤
下面每个工具都按这个结构写：它解决什么问题 → 一个常见案例 → ArcGIS Pro 怎么点 → 参数怎么选 → 结果怎么看
2.1 构建平衡区域（Build Balanced Zones / Build Balanced Regions）
用来干什么 ：把许多小单元自动合并成若干个空间连续 的"区域/片区"，并让片区在某些指标上尽量均衡 （比如人口、需求量、业务量）。工具内部用"遗传增长算法"做优化。(ArcGIS Pro)
案例 ：把社区（面要素）划分成 10 个消防服务片区，希望每个片区的"历史火警次数总和"尽量接近，且片区要连片，便于配置站点巡逻。
怎么做（操作）
- 打开：Geoprocessing → 搜索 Build Balanced Zones
Input Features：社区/网格面Zone Creation Method：选"固定分成 N 个区域（Target Number of Zones）"或"区域数 + 属性目标"（按你是否要严格控制区域数）Target Number of Zones：例如 10Zone Building Criteria：选择平衡字段（如火警次数、人口、需求量），可设置权重Spatial Constraints：一般保持"Contiguity（连片）"- 运行
结果怎么看
- 输出会带
Zone ID类字段，同一编号就是同一服务片区 - 建议：对每个 Zone 做汇总统计（sum/mean）检查是否"均衡"
实操小技巧：很多业务要把"片区编号"变成真正的片区面，可再配合 **Dissolve（溶解）**按 Zone ID 融合成更干净的片区边界（文首配图里也能看到类似流程界面）。
2.2 计算复合指数（Calculate Composite Index）
用来干什么 ：把多个指标（不同量纲）按流程标准化 → 合成 → 再分类 ，生成一个"综合指数"，并自动给出分布图表辅助解释。(ArcGIS Pro)
案例：做"城市热风险指数"，用：地表温度、绿地率（反向）、不透水面比例、人口密度等合成一个指数。
怎么做（操作）
- 搜索 Calculate Composite Index
Input Table：区县/街道面（带多个字段）Input Variables：勾选参与合成的字段Reverse Direction：对"越大越好"的保护性变量（如绿地率）做反向（确保所有变量方向一致）(ArcGIS Pro)Method to Scale Input Variables：选择 Min-Max 或 Z-scoreMethod to Combine Scaled Variables：等权平均/加权平均（按需求选）- 运行
结果怎么看
- 输出通常是一个组图层：指数图层 + 分类图层 + 一些图表（直方图、箱线图、相关散点矩阵等），便于你解释"指数分布是否偏态、有无离群点、哪些变量贡献更大"。(ArcGIS Pro)
2.3 聚类和异常值分析（Anselin Local Moran's I）
用来干什么 ：识别局部聚类（HH/LL）和空间异常值（HL/LH） 。(ArcGIS Pro)
- HH：高值周边也高（高-高聚类）
- LL：低值周边也低（低-低聚类）
- HL：自己高、周边低（高值"孤岛"）
- LH：自己低、周边高（低值"洼地"）
案例：用街道尺度的"房租均价"找：哪些地方是"高租金抱团"，哪些街道是"高租金孤岛"（可能是核心商圈的小范围尖峰）。
怎么做（操作）
- 搜索 Cluster and Outlier Analysis (Anselin Local Moran's I)
Input Features：街道/网格面Input Field：房租均价Conceptualization of Spatial Relationships：面数据常用 Contiguity（邻接） 或 Fixed Distance（固定距离）- 如用固定距离：设置
Distance Band（别太小，否则邻居不足；别太大，否则局部差异被抹平） - 运行
结果怎么看
- 输出字段里会给出聚类类型与显著性（p 值、z 值等），你直接按类型符号化就能出图。(ArcGIS Pro)
2.4 基于密度的聚类（Density-based Clustering）
用来干什么 ：对点数据 做 DBSCAN/OPTICS 等密度聚类，输出"哪些点属于同一团、哪些是噪点"，并可选叠加时间维度做时空聚类。(ArcGIS Pro)
案例：用"外卖取餐点/订单点"找夜间订单聚集区，识别夜经济活跃带。
怎么做（操作）
- 搜索 Density-based Clustering
Input Point Features：订单点Clustering Method：选择 DBSCAN（常用）或 OPTICS（对不同密度更友好）(ArcGIS Pro)Search Distance：你认定"多近算一团"（如 300m/500m）Minimum Features：你认定"多少点才算聚集"（如 20/50）- （可选）时间字段：设置时间窗口，做空间-时间聚类(Esri)
- 运行
结果怎么看
-
输出会标记 Cluster ID 与 Noise（噪点），你可以：
- 用 Cluster ID 分类型配色出"团块"
- 噪点单独标注，常用于发现"零散需求/异常点"
2.5 热点分析（Getis-Ord Gi*）
用来干什么 ：识别统计显著的热点（高值聚集）与冷点（低值聚集） 。(ArcGIS Pro)
案例：交通事故分析：以网格为单元，字段是"事故次数（或严重度加权）"，找事故热点走廊。
怎么做（操作）
- 搜索 *Hot Spot Analysis (Getis-Ord Gi)**
Input Features：网格面（或路口点）Analysis Field：事故次数/严重度Conceptualization of Spatial Relationships：固定距离 / K近邻 / 邻接（按数据选择）- 若用固定距离：填
Distance Band - 运行
结果怎么看
- 输出会按 90/95/99% 显著性分类热点/冷点（常见是 Gi_Bin 字段），直接符号化即可。(ArcGIS Pro)
2.6 热点分析对比（Hot Spot Analysis Comparison）
用来干什么 ：比较两期（或两套）热点结果，量化它们的相似度（similarity）与关联度（kappa/association） ，并可映射出"哪里差异最大"。(ArcGIS Pro)
案例：对比 2019 vs 2024 的"盗窃案件热点网格"，看热点是否迁移到新城。
怎么做（操作）
前提：你已经分别得到两张热点结果图层（Gi* 或优化热点）。
- 搜索 Hot Spot Analysis Comparison
Input Hot Spot Result Layer 1：2019 结果Input Hot Spot Result Layer 2：2024 结果- 运行
结果怎么看
- 工具会输出全局 similarity / kappa 等指标，并给每个空间单元的局部对比结果，可直接做"热点变化地图"。(ArcGIS Pro)
写作提示：
- 相似高：两期热点空间位置很像
- **关联（kappa）**高：不仅像，而且两期热点变量在统计关系上更"同步"(ArcGIS Pro)
2.7 多元聚类（Multivariate Clustering）
用来干什么 ：只按属性把要素分成若干"自然类型"（不强制空间连片）。ArcGIS Pro 会输出 CLUSTER_ID 等字段并提供解释辅助。(ArcGIS Pro)
案例：把区县按"夜间灯光强度、人口密度、第三产业占比、道路密度"分成 5 类，得到"城市化/功能结构类型"。
怎么做（操作）
- 搜索 Multivariate Clustering
Input Features：区县面（或点/线也可以）(ArcGIS Pro)Analysis Fields：选择多个变量字段Number of Clusters：先试 4--8（常用）- 运行
结果怎么看
-
输出字段
CLUSTER_ID表示类别编号，你需要做的是：- 对每个类别做均值/箱线图
- 给类别起"可解释"的名字（如"高密高灯光---核心城区型"）
2.8 优化的热点分析（Optimized Hot Spot Analysis）
用来干什么 ：你不确定距离阈值/尺度、或者输入是事件点时，用它"一键优化"：自动聚合事件、自动选尺度，并处理多重检验与空间依赖等，让结果更稳。(ArcGIS Pro)
案例：用"火灾出警点"自动识别火灾热点区（不手动纠结距离阈值）。
怎么做（操作）
- 搜索 Optimized Hot Spot Analysis
Input Features：火灾点（或带权重点/面）- （可选）设置
Incident Data/聚合方式、研究区边界（避免把大片空白纳入） - 运行
结果怎么看
- 输出热点/冷点等级；同时会在运行消息里报告它自动选择的关键参数，便于你复现实验或写方法。(ArcGIS Pro)
2.9 优化的异常值分析（Optimized Outlier Analysis）
用来干什么 ：相当于"自动挡"的 Local Moran's I：自动处理聚合、尺度选择等，输出热点/冷点/异常值，减少手动设参导致的不稳定。(ArcGIS Pro)
案例：用城市面数据的 AQI 找"污染异常城市"（周边都好它却很差：LH）。
怎么做（操作）
- 搜索 Optimized Outlier Analysis
Input Features：城市面/点Analysis Field：AQI- 运行
结果怎么看
- 输出 HH/LL/HL/LH + 显著性；并在消息里解释其自动选择的参数。(ArcGIS Pro)
2.10 相似搜索（Similarity Search）
用来干什么 ：给定一个或多个"样板"，在候选要素中找"最相似/最不相似"的对象，常用于找对标地区、找可复制样板。(ArcGIS Pro)
案例：选一个"创新型高新区"作为样板，按"研发强度、企业密度、专利数、人才净流入"找全国最相似的 20 个园区。
怎么做（操作）
- 搜索 Similarity Search
Input Candidate Features：所有园区Input Query Features：样板园区（可多个）Match Fields：选择用于相似度计算的字段- 选择输出"Most Similar / Least Similar"，并设置 Top N
- 运行
结果怎么看
-
输出会带相似度排序字段，你可以：
- Top 20 做地图
- 把"最不相似"作为反例对照
2.11 空间异常值检测（Spatial Outlier Detection）
用来干什么 ：专门识别点数据的全局/局部空间异常值 ，并可用 LOF（Local Outlier Factor）生成栅格表面辅助解释；工具也会帮助优化关键参数选择。(ArcGIS Pro)
案例：检测"共享单车故障报修点"异常：哪些点位报修次数异常高（可能是运维盲区或人为破坏高发点）。
怎么做（操作）
- 搜索 Spatial Outlier Detection
Input Point Features：报修点- 设置邻域/近邻数、异常比例等（工具支持优化建议）(ArcGIS Pro)
- （可选）输出 LOF 栅格表面（更直观展示异常强度连续面）(ArcGIS Pro)
- 运行
结果怎么看
- 输出会把点分为 outlier / inlier，并可用 LOF 强度做等级图，适合做"巡检优先级清单"。
2.12 空间约束多元聚类（Spatially Constrained Multivariate Clustering）
用来干什么 ：按多个指标聚类，但强制聚类结果空间连片 ，常用于分区治理、规划分区。该工具基于 SKATER 算法。(ArcGIS Pro)
案例：城市更新分区：用"建筑年代、道路密度、人口密度、商业活跃度"把街区分为 6 类更新片区，并要求每类连片，便于政策落地。
怎么做（操作）
- 搜索 Spatially Constrained Multivariate Clustering
Input Features：街区/网格面Analysis Fields：选择多个指标字段Number of Clusters：例如 6（也可让工具评估最优数量）(ArcGIS Pro)- 设置空间约束（邻接关系）与可选的最小聚类规模，避免碎斑
- 运行
结果怎么看
- 输出类别编号 + 连片的类型区，并常配套图表（箱线图/特征数等）帮助解释"每一类到底有什么特征"。(ArcGIS Pro)
3. 一句话选工具
- 点堆在哪里 ：基于密度的聚类（DBSCAN/OPTICS）(ArcGIS Pro)
- 高值/低值抱团在哪里 ：热点分析 Gi* (ArcGIS Pro)
- 哪里是"异常值"（反常点） ：Local Moran's I / 优化异常值(ArcGIS Pro)
- 两期热点是否迁移 ：热点分析对比(ArcGIS Pro)
- 按多指标分类型（不要求连片） ：多元聚类(ArcGIS Pro)
- 按多指标分类型（必须连片） ：空间约束多元聚类(ArcGIS Pro)
- 多个指标揉成一个综合指标 ：复合索引(ArcGIS Pro)
- 划服务片区、划均衡管理区 ：构建平衡区域(ArcGIS Pro)
- 找"最像/最不像"的对标对象 ：相似搜索(ArcGIS Pro)
- 专门抓点异常 + LOF 强度面 ：空间异常值检测(ArcGIS Pro)
4. 3 个常见坑
- 尺度敏感 ：距离阈值一改，热点范围就可能变；不确定就优先用"优化热点/优化异常值"先跑出可靠尺度。(ArcGIS Pro)
- 边界效应：研究区边缘邻居少，显著性更难出；可扩大研究范围或在文中解释。
- 聚类 ≠ 因果：热点/异常值只是"空间格局"，原因要结合机制变量、回归/机器学习/案例进一步解释（这句话能帮你避免评论区杠精）。
参考（官方文档，建议你在 CSDN 文末挂上）
- Mapping Clusters 工具集概述(ArcGIS Pro)
- Build Balanced Zones(ArcGIS Pro)
- Calculate Composite Index(ArcGIS Pro)
- Cluster and Outlier Analysis (Anselin Local Moran's I)(ArcGIS Pro)
- Density-based Clustering(ArcGIS Pro)
- Hot Spot Analysis (Getis-Ord Gi*)(ArcGIS Pro)
- Optimized Hot Spot Analysis(ArcGIS Pro)
- Optimized Outlier Analysis(ArcGIS Pro)
- Hot Spot Analysis Comparison(ArcGIS Pro)
- Multivariate Clustering(ArcGIS Pro)
- Spatially Constrained Multivariate Clustering(ArcGIS Pro)
- Spatial Outlier Detection(ArcGIS Pro)