空间统计工具箱中的许多工具都以空间权重矩阵为基础------我们简称它们为SWM。它们被广泛应用于热点分析、聚类和异常值分析、构建平衡区域、空间自回归等诸多领域。
SWM 是我们量化托布勒第一地理定律的方法，该定律指出：
"万物皆有联系，但近的事物与远的事物联系更紧密。"
SWM 确定哪些要素被视为邻居，以及它们彼此之间究竟有多大的"影响"。
ArcGIS Pro 3.6 带来了经过全面改进的"生成空间权重矩阵" 工具。虽然您可能从未直接使用过该工具，但此次版本更新中的一些变化将影响到空间统计工具箱的各个方面。
1.功能增强概览
-
邻接算法比 ArcGIS Pro 3.5 及更早版本快 200 倍以上。
-
可定制的空间权重矩阵
-
引入了高阶邻接邻域类型。
-
根据共享边界长度对邻居进行加权
-
基于核权重的距离衰减模型
2.邻近性速度大大提升
Esri研发团队从头开始重建了邻接算法。他们与核心地理处理团队合作，发布了一个名为"成对多边形邻域"的新工具，该工具现在为我们的邻接算法提供支持。
性能提升非常显著。以前对美国各县进行详细数据集的邻接分析大约需要 4 分钟，现在只需大约10 秒即可完成！速度提升了 240 倍。实际效果会因数据而异，但无论何时在热点分析、聚类分析、异常值分析或其他任何空间统计工具中使用邻接分析，都能明显感受到性能提升。对于顶点众多的复杂多边形，速度提升尤为显著。
3.可定制的空间权重矩阵
空间权重矩阵的构建是通过做出两个决定来实现的，这两个决定可以用以下问题来概括：
-
我们如何找到物理空间中的邻居？
-
它们之间相互影响有多大？
在 ArcGIS Pro 3.4 中，我们推出了"邻域浏览器"功能，使用户能够通过分别指定邻域类型和权重方案来创建新的空间权重矩阵 (SWM)。在本版本的"生成空间权重矩阵"中，我们充分利用了此功能带来的自定义性。
4.高阶邻近性
使用多边形数据时，识别相邻多边形最直观的方法是识别相邻的多边形。彼此接触的多边形被认为是连续的。
一阶邻接性
然而，通常情况下，直接邻域并不能完全反映空间关系。在某些应用场景中，例如流行病学，邻域应该包含要素的直接邻域的邻域。这就是高阶邻接关系的作用所在。
二阶邻接性
该顺序表示邻居的层级。第一层级是直接邻居。第二层级包括这些直接邻居的邻居，依此类推。
5.核权重
新增了用于计算权重的核函数：高斯核、Epanechnikov核、四次核和三角核。每种核函数都会产生不同的距离衰减关系。高斯核函数的权重沿钟形曲线平滑衰减。三角核函数的权重衰减迅速且恒定。Epanechnikov核函数的权重衰减速度较慢，但随后急剧下降。您选择的核函数会影响远邻特征对目标特征的影响程度，从而改变您的计算结果。
Pro较新的工具，例如双变量空间关联分析，允许您选择核权重。但是，借助这项新增强功能，您可以创建空间权重模型 (SWM) 并将其提供给任何可能不具备核权重选项的工具。
6.总结
"生成空间权重矩阵"功能的增强让您可以完全掌控分析中空间关系的定义方式。您可以构建自定义的空间权重矩阵 (SWM)，其中包含其他工具中没有的邻域类型和权重方案，然后在整个空间统计工具箱中重复使用同一个 SWM。无论您运行的是热点分析、聚类和异常值分析，还是任何其他空间统计工具，现在都可以确保它们都使用分析所需的精确空间关系结构。
转载请注明出处：ArcGIS Pro 3.6新增【空间权重矩阵SWM】工具更新：高阶邻接邻域、共享边界长度对邻居加权、距离衰减模型
作者：ArcGIS中国培训中心 www.higisedu.cn