|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/arcgis-pro-ile-mekansal-istatistik-uygulamalar/
课程评论：没有评论
**Coursera 课程总结：ArcGIS Pro 中的空间统计学应用** 本课程旨在通过理论讲解和 ArcGIS Pro 实践操作，深入浅出地介绍空间统计学的核心概念。学生将学习如何利用 ArcGIS Pro 中“空间统计”工具箱的强大功能，来分析和理解地理空间数据中的模式、聚集、分布和关系。 **课程内容概述：** 课程的“空间统计”工具箱包含五个主要部分： * **模式分析 (Analyzing Patterns):** 探讨地理现象的空间分布规律。 * **聚类映射 (Mapping Clusters):** 识别和可视化地理空间中的热点和冷点区域。 * **地理分布测量 (Measuring Geographic Distributions):** 量化和描述地理现象的空间分布特征。 * **空间关系建模 (Modeling Spatial Relationships):** 探索和建立地理要素之间的空间联系。 * **实用工具 (Utilities):** 提供一系列辅助性的空间分析工具。 课程精选了以下 12 个最常用且实用的空间统计工具进行讲解： 1. **平均最近邻 (Average Nearest Neighbor):** 评估点要素的聚集程度。 2. **高/低聚类 (High / Low Clustering Getis - Ord Gi General G):** 识别空间上相似或不同值的聚集。 3. **全局莫兰指数 (Global Moran's I):** 衡量整个数据集的空间自相关性。 4. **热点分析 (Hot Spot Analysis Getis - Ord Gi\*):** 识别空间上显著的热点和冷点区域。 5. **聚类和异常值分析 (Cluster and Outlier Analysis):** 识别局部空间聚集和异常值。 6. **中心要素 (Central Feature):** 查找最能代表要素集中心位置的要素。 7. **均值中心 (Mean Center):** 计算要素集的中心位置。 8. **标准距离 (Standard Distance):** 测量要素集分布的离散程度。 9. **普通最小二乘法 (Ordinary Least Squares):** 建立地理现象之间的线性关系模型。 10. **地理加权回归 (Geographically Weighted Regression):** 建立考虑空间异质性的回归模型。 11. **收集事件 (Collect Events):** 将点要素汇总到区域要素中。 12. **属性信息 ASCII 导出 (Export Feature Attribute to ASCII):** 将属性数据导出为 ASCII 格式。 **学习成果：** 通过本课程，学生不仅能理解各种空间统计工具背后的工作原理和计算公式，更能通过实际项目案例，掌握如何在日常生活中应用空间统计学解决实际问题，从而更高效、更便捷地学习空间统计学。
Bu kursun amacı mekânsal istatistiğin mantığını hem slaytlar üzerinden teorik olarak hem de ArcGIS Pro içerisinde bulunan ilgili araçlar ile örnek uygulamalar yaparak anlatmaktır. Bunun için ArcGIS Pro içerisinde Mekânsal İstatistik araç kutusundaki araçlardan faydalanılmıştır. Bu araç kutusu 5 bölümden oluşmaktadır;- Analyzing Patterns (Desenlerin Analizi)- Mapping Clusters (Kümelenmelerin Haritalanması)- Measuring Geographic Distributions (Coğrafi Dağılımların Ölçümü)- Modeling Spatial Relationships (Mekânsal İlişkilerin Modellenmesi)- Utilities Her bir bölüm içerisinde farklı araçlar bulunmaktadır. Ancak bu araçlar içerisinden en yaygın olarak kullanılan ve çalışmalarınızda en faydalı olacağını düşündüğüm 12 aracı anlattım;- Average Nearest Neighbor (Ortalama En Yakın Komşu)- High / Low Clustering Getis - Ord Gi General G (Yüksek / Düşük Kümeleme)- Global Moran's I (Mekânsal Otokorelasyon) - Hot Spot Analysis Getis - Ord Gi* (Sıcak Nokta Analizi)- Cluster and Outlier Analysis (Küme ve Aykırı Değer Analizi)- Central Feature (Merkez Nokta)- Mean Center (Ortalama Merkez)- Standard Distance (Standart Mesafe)- Ordinary Least Squares (En Küçük Kareler Yöntemi)- Geographically Weighted Regression (Coğrafi Ağırlıklandırılmış Regresyon)- Collect Events (Olayların Toplanması)- Export Feature Attribute to ASCII (Öznitelik Bilgisini ASCII Formatında Dışa Aktar)Pek çok bölümde araçların çalışma mantığını ve arka planda çalışan formülleri anlattığım bu kurs ile mekânsal istatistiği çok daha kolay ve hızlı şekilde öğrenebileceksiniz. Ayrıca örnek projeler ile mekânsal istatistiğin günlük hayatta nerelerde kullanılabileceğine dair fikir sahibi olacaksınız.
