Answers:
边干边学是我的首选方式。在空间统计方面,R正成为功能强大的工具。因此,如果这是一种选择,请浏览一些课程资料,下载数据并自己尝试。
很少有涉及空间自相关(SA)(通常说来处理R中的空间内容)的起点:
一旦您对R有了一定的了解,就可以使用PostgreSQL的PL / R-R过程语言将其与PostgreSQL结合使用 ,但是由于对此我不了解,因此我无法对其进行评论。
Python可能是另一种选择。PySAL是一个积极开发并有充分文献记录的库,您可以使用它来实现GeoSA的所有功能,包括SA(以及可能的更多功能)。Python和Postgres通常是好朋友,因此花一些时间,您很可能也将这两个结婚。
我不知道如何执行QGIS / PostgreSQL想法,但是以下软件可以计算自相关度量
GeoDa只能处理矢量,Passage2和SAGA只能处理栅格,PAST只能处理XYZ.txt和SAM(我认为)。
Art Lembo有一个简单的伪Moran I for PostGIS示例:
SELECT corr(a.pctwhite, b.pctwhite)
FROM cleveland AS a, cleveland AS b
WHERE st_touches(a.geometry, b.geometry)
AND a."OID" <> b."OID"
这就是他所说的关键。。。
[Moran's I]实际上只不过是将Pearsons相关系数引入了空间环境
。。。意味着基本的连续性测试可以产生可靠的矩阵和评估。我已经对自己的数据进行了测试,发现它产生的效果与其他Moran的I实现非常相似。
道歉在这里是双重答案,但是自从我发表第一个建议以来,我遇到了一个更全面的工具包,用于进行各种此类分析(包括全球和本地的Moran's I):
Crankshaft,Carto的Python / PostGIS模块。
几个月来,我一直在使用它进行类似于您的用例的生产分析,并且它可以完美地工作。看起来像是CDB_AreasOfInterestGlobal()
您要使用的功能。