空间扫描统计学：一种用于分类光栅地图空间聚合的新方法
摘要：空间聚类是多尺度和广域评估中常用的方法，它需要对原始数据进行重新缩放以进行一致的粒度大小的分析。在大面积生态评估中，通过空间聚合对分类栅格数据进行重新缩放是常见的。然而，聚合会导致信息的失真和丢失。通常使用多数规则会使主导类别更加明显，罕见类别则变得不明显。使用最近邻技术通常可以保持原始地图中每个类别的全局比例，但可能会导致解聚。在本文中，我们实施了空间扫描统计量来进行分类栅格地图的空间聚合，并描述了该技术在局部层面（聚合单元）和全局层面（地图）上的行为。我们还将空间扫描统计量技术与多数规则和最近邻方法进行了对比。一般而言，空间扫描统计量技术的行为与多数规则方法相反，罕见类别而不是丰富类别得到保留。我们建议在保留异质性和罕见类别信息是研究或评估的重要目标时，使用空间扫描统计量技术进行分类地图的空间聚合。
作者：J.W. Coulston, N. Zaccarelli, K.H. Riitters, F.H. Koch and G. Zurlini
论文ID：1408.0164
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2014-08-04