地理統計分析
由圖8水溫2月高，故為北半球；b點根據經度位置屬於亞洲東部，其水溫比東西兩側高，說明有暖流經過，據洋流分布規律，故緯度應為30°N；水溫的季節變化主要是太陽輻射的季節變化造成的，a海域受寒流的影響。
2. 地理400字調查分析報告
水資源： 近年來，河南省認真落實由傳統水利向現代水利、可持續發展水利轉變的新的治水
思路，各級水行政主管部門進一步樹立「強化政府職能，加強水資源的統一管理和保
護，實現水資源的合理配置，促進經濟社會的可持續發展」的指導思想，以編制全省水
資源保護規劃、河道排污的監測監督管理和淮河及沙潁河水污染聯防等工作為重點，全
面加強水資源保護，取得了顯著成效。
河南省地處南北氣候和山區向平原的過渡帶，境內有江、淮、黃、海四大水系，氣
候和地理位置特殊，是全國嚴重缺水省份之一，同時，河南省又是一個水污染嚴重的省
份。省水環境監測中心在全省四大流域5094公里河段上進行監測，佔全省河長25453公
里的20％。2000年監測結果表明：全年期水質符合和優於三類標準的河流長度僅有1401
公里，佔27．5％，也就是說，全省有70％以上的河段遭受不同程度的污染，其中更有
54．3％的河段水質劣於五類，喪失了使用功能。因此，全省針對乾旱缺水和水污染嚴重
的問題，採取了得力措施，加強水資源保護。
編制全省水資源保護規劃。科學合理地編制水資源保護規劃，是實現水資源永續利
用，保證社會、經濟可持續發展的重要條件。去年，河南已全面完成了全省及省轄黃
河、淮河、長江、海河4個流域水功能區劃報告的編寫工作，全省的水資源保護規劃報告
也已完成初稿。規劃的編制為全省水資源開發利用和保護提供了明確和科學的依據，為
水資源的監督管理和實施水權管理創造了條件。
河道排污的監測監督管理。入河排污口的監督管理是水資源保護工作的一項重要內
容，是監督控制向水體排污的重要手段。為了及時掌握省轄淮河流域入河排污量，檢驗
《淮河流域水污染防治規劃及「九·五」計劃》2000年排污總量控制目標的完成情況和
重點控制斷面的水質狀況，為淮河流域水資源保護和水污染防治提供依據，河南省於
2000年底和2001年底組織對省轄淮河流域68個縣市的144個入河排污口及9個重點控制斷
面進行了普查監測。監測結果表明，全流域污水量和化學需氧量、生化需氧量、氨氮和
揮發酚的年排放量較1997年年底均明顯減少，減少幅度分別為26．8％、525．5％、
51．7％、64．8％和75．1％。
加強淮河流域水污染聯防。淮河及沙潁河水污染聯防工作連續進行了11個年度。河
南省認真貫徹《淮河流域水污染防治暫行條例》精神，以防汛抗旱為前提，兼顧水量水
質和上下游、左右岸利益，科學調度，有效利用水閘對河道徑流的調節功能，最大限度
地發揮現有水利工程在防污調度中的作用。防污與防汛相結合，嚴防污水集中下泄，做
好節假日調度，全面掌握水情、污情、工情。自1997年至今，槐店閘汛期啟閉300餘次，
非汛期啟閉160多次；周口閘汛期啟閉150次，非汛期啟閉83次。去年6月中旬第一次洪
峰來臨之際，針對潁河黃橋閘上尚余部分污水的實際情況，周口水利局經認真測算，科
學調度，以沙河周口閘蓄水稀釋黃橋閘上污水，稀釋後的污水由彭新莊閘經調水渠進入
賈魯河再匯入沙河，既做到洪峰到來前騰空了河槽，又使沙河周口閘前水質不受污染，
城市居民飲用水不受影響，更避免了污水集中下泄，保障了沿岸人民用水安全。
積極參與水污染防治的監督管理，關閉、取締一批污染大戶。
目前河南省水質狀況仍不容樂觀，形勢仍很嚴峻，今後將以實施水資源保護規劃，
依據河流水環境容量對水域實施納污總量控制為重點，推動全省的水資源保護工作，改
善全省水環境質量，緩解因「水臟」而引發的水資源危機。 土地資源： 省國土資源廳有關負責人介紹，河南省人均耕地只有1.23畝，低於全國平均水平。而在全省，「空心村」、磚瓦窯、工礦廢棄地造成的土地資源浪費驚人。全省從「空心村」、磚瓦窯場和工礦廢棄地整治中可挖掘出土地223.4萬畝，可復墾耕地183.3萬畝。 從2004年起，河南省開展了以整治「空心村」、磚瓦窯場和工礦廢棄地為內容的「三項整治」工作，計劃用5年時間整治出土地150萬畝，用於縣域經濟發展用地或重新恢復為耕地。截至目前，全省共實施整治項目8985個，整治出土地46萬畝，凈增耕地總量26萬畝。 今年上半年，河南省已盤活存量土地1000餘公頃，占供地總量的四分之一，有效緩解了城市建設用地供應緊張的局面。 據不完全統計，僅2005年上半年，全省核減項目用地面積就達3400多畝。全省已連續6年實現耕地佔補平衡。
3. 地理學中的經典統計分析方法有哪些
大數據處理的信息很大，往往一個分析所需的數據分別存儲在數百個伺服器中，因此大數據分析就需要協調所需伺服器，讓他們按照我們分析的需要進行配合運作，這是他和傳統統計分析的主要不同，在具體方法上，大數據還可能用到數據挖掘的方法，傳統分析法往往事先有個分析目標然後用統計的方法驗證，數據挖掘是通過演算法，用計算機分析數據，讓計算機發現數據之間的聯系。
4. 在GIS中，空間統計分析模型有哪幾種啊
不同的地理現象是不同的地理過程相互作用和相互影響的結果。這些現象的不同特徵，可以通過調查和試驗數據展示出來。每次調查和試驗，可以認為是地理現象的一次隨機抽樣。通過對調查和試驗結果的統計分析可以獲得對地理現象總體的認識。
統計方法:
統計學方法廣泛使用於地理學的研究中，並取得了多方面的成果。
1.數據的獲取與處理、記錄、整理和比較數據，並將結果用圖表進行顯示。
2.抽樣，為問題分析提供統計根據。
3.數據分析，探索數據中存在的趨勢、點群以及簡單的或多重的相關性。
4.假設檢驗，驗證可說明具體現象的原因和起源的概念或模型。
5.定量預測，對具體問題提供解答。
模型分類：
根據統計相關模型的應用目的，將模型分為三類：1）相關分析；2）回歸分析；3）因子分析。模型的數據分布假設是多元正態分布。
5. 地理空間數據處理與分析的基本方法有哪些
一、GIS空間分析的功能 前面已經介紹過，大家已經知道空間分析就是對分析空間數據有關技術的統稱。所以我們根據作用的數據性質不同，可以經空間分析分為：
1、空間圖形數據的拓撲運算； 2、非空間屬性數據運算；
3、空間和非空間數據的聯合運算。
空間分析賴以進行的基礎是仰仗於地理空間資料庫，其運用的手段包括各種幾何的邏輯運算、數理統計分析，代數運算等數學手段，最終的目的是解決人們所涉及到地理空間的實際問題，提取和傳輸地理空間信息，特別是隱含信息，以輔助決策。
GIS中可以實現空間分析的基本功能，包括空間查詢與量算，疊加分析、緩沖區分析、網路分析等，並描述了相關的演算法，以及其中的計算公式。
1、疊加分析
疊加分析至少要使用到同一區域，具有相同坐標系統的兩個圖層。所謂疊加分析，就是將包含感興趣的空間要素對象的多個數據層進行疊加，產生一個新要素圖層。該圖層綜合了原來多層實體要素所具有的屬性特徵。疊加分析的目標是分析在空間位置上有一定關聯的空間對象的空間特徵和專題屬性之間的相互關系。多層數據的疊加分析，不僅僅產生了新的空間對象的空間特徵和專題屬性之間的相互關系，能夠發現多層數據間的相互差異、聯系和變換等特徵。
6. 怎麼看地理三角形統計圖
輔助箭頭法是地理三角形統計圖判斷的最佳方法。判讀步驟如下：
1.沿著三個坐標內軸數值增容大的方向畫出三個箭頭，如圖中的箭頭①、②、③。
2.過圖中標出的點（在圖1中為「﹡」），分別畫出與上述三個箭頭平行且延伸方向一致的三條斜線。注意：在圖1中平行斜線應取a，而不是取b；因為斜線b的延伸方向與箭頭②不一致。
3.讀出上述斜線與三個坐標軸的交點坐標，這就是待求點在三個坐標軸上的坐標。在圖中待求點「﹡」的三個坐標是0～14歲為23﹪，15～46歲為73﹪；65歲以上為4﹪。
地理統計圖在高考試題特別是人文地理試題的考查中運用較多，主要用來考查三個方面的能力：一是認識數據與圖形之間的關系的能力；二是根據圖表和數據解釋說明有關概念的能力；三是根據有關數據信息解決相關問題的能力。
7. 基礎地理數據分析是什麼意思
宏圖遠見基礎地理數據主要分為 城市地圖、遙感影像數據和地形數據 三種類型。
1.城市地圖
覆蓋全國范圍，包含種類豐富的興趣點、詳細級別的道路、縣 級以及以上行政區劃、植被、河流等全要素基礎地理數據。綜 合使用這些種類豐富的海量數據，可幫助用戶進行選址分析、 網點規劃、路徑優化等業務分析和決策。其中：
(1)興趣點包含16個大類 、88個中類、500多個詳細分類及 一千多萬個點位的海量數據;
(2)詳盡的道路網路，分為8個速度級別，並包含豐富的導航 屬性;
(3)縣級及以上行政區劃可對應匹配人口經濟統計數據，從 而反映各類人口數量與分布情況、各區域經濟發展狀況等方面;
2.遙感影像
我們代理多種遙感影像產品，包括ZY-3、QuickBird、Wor- ldView、Ikonos、Geoeye、Spot5等多種解析度遙感影像 遙感影像可以提供了解區域地貌類型、資源狀況、城市分布 以及指導規劃等，可廣泛應用於：土地利用與國土規劃, 自然資源勘探 , 環境保護與災害監測 農業、林業 ,城市規劃。
MarketVision還開發了高速生成柵 格瓦片，同時能為指定商業智能應用程序生成特定影像。
3.地形數據
覆蓋全國范圍，提供30米的地形高程信息數據，可廣泛用於：
高質量的影像正射校正;
三維可視化;
水體識別;
洪水建模;
地質地形分析
8. 基於地理統計學的重金屬元素污染解析
3.5.5.1 土壤重金屬元素統計特徵
對研究區15個采樣點按采樣時間分別對7種重金屬元素進行統計性描述，統計特徵見表3.15，其中2010年12月樣品鉻、鉛、鎳、錳平均值分別為42.30mg/kg、18.90mg/kg、28.74mg/kg、477.42mg/kg，均小於寧夏表層土壤重金屬元素背景值，表明這幾種重金屬元素在該區沒有發生明顯的富集或累積作用；砷、銅平均值為 15.71mg/kg、28.56mg/kg，高於自然背景值，表現出一定的富集作用；鎘平均值為0.67mg/kg，遠高於自然背景值0.112mg/kg，超過土壤二級標准0.6mg/kg，表現出強烈的富集作用。鉻元素標准差相對較大，離子含量變化范圍較廣，其他元素含量分布較均一，全區變化不大。對比兩期樣品重金屬元素含量，春季樣品重金屬元素含量低於冬季樣品。首期樣品重金屬元素含量變化范圍大，極差較大，對應的標准差相對也較大，樣品分布分散；二期樣品測得重金屬元素含量變化較小，全區呈現出一定的均一性；表層土壤重金屬元素隨著季節的變換，含量發生變化，冬季由於風沙較大，重金屬元素分布較分散，離散程度相對較高，春季由於引水灌溉，各重金屬含量變化相對平緩。
表3.15 土壤重金屬元素統計特徵值表
註：∗全國土壤背景值中寧夏表層土壤重金屬平均值，∗∗《土壤環境質量標准》（GB 15618—1995）中pH＞7.5情況下的二級標准。
對7種重金屬元素的原始數據、對數變換數據和box-cox正態轉換後數據進行偏度、峰度、Shapiro-Wilk正態檢驗，檢驗結果顯示砷、銅、鉛、鎳、錳原始數據均通過0.01顯著性水平上的正態檢驗，經過box-cox轉換後鉻符合正態分布，但鎘仍不符合正態分布規律，據研究表明，天然狀態下各重金屬元素分布符合正態分布。為探索各重金屬元素間的相關性，進行重金屬元素相關系數統計（表3.16），從相關系數可以看出砷、銅、鉛、鎳之間具有顯著正相關性，砷、銅、鉛、鎳與錳、鎘呈現出較強的負相關性，僅鉻與眾元素之間沒有明顯的相關性（表3.17）。簡單的相關性分析難以摒除共同因素對相關系數的影響，有可能造成兩個重金屬元素由於與第三種元素相關性較強或較弱，使該兩種重金屬元素產生相關性或非相關性，因此需進一步描述重金屬元素間的親疏關系，分析重金屬元素空間分布情況。
表3.16 重金屬元素偏度、峰度及正態檢驗統計表
註：∗∗顯著性水平a＝0.01。
表3.17 重金屬元素相關性分析表
註：∗∗顯著性水平a＝0.01。
3.5.5.2 基於ANN 的土壤重金屬元素分布預測
人工神經網路（ANN）模型是模擬人類大腦處理和分析問題的方式方法來研究實際問題，從本質上說，它是一種黑箱建模工具，它能夠通過「學習」來模擬真實系統中的輸入和輸出之間的定量關系；具有自適應性、自學習性、容錯性和聯想記憶能力等特點，而且魯棒性強、操作簡單、具有真正多輸入多輸出系統的特點，這些都是常規的建模方法所不具備的。為了恰當地表徵一個神經網路模型，至少需要涉及以下3個方面：即網路拓撲、神經元特性以及學習（訓練）方法。
考慮到土壤中各金屬離子含量與空間位置之間存在著高度復雜的非線性映射關系，因此不宜用常規的建模方法來解決此類問題，而適合用ANN模型來對這種關系進行研究，使ANN發揮其能夠處理具有「黑箱」特徵問題的優點，建立各個重金屬元素含量與其空間位置之間關系的映射模型。本書選用反向傳播神經網路（Back-Propa-gation Net-works，以下簡稱BP網路）模型來對以上二者的關系進行研究。
在ANN模型的實際應用中，絕大部分使用的是BP網路模型，它是前向型神經網路的核心部分；它的結構由3部分組成，分別是輸入層、隱層和輸出層。輸入層和輸出層一般只有一個，隱層可能有若干個。各層神經元並行分布，只存在層與層神經元（節點）之間的聯系，層內神經元之間沒有任何聯系。它採用有教師指導的學習訓練演算法，把學習過程分為兩個階段：即正向傳播階段和反向傳播階段。兩個階段反復交替進行，直到網路輸出與期望輸出一致為止。學習訓練完畢後的網路結構和狀態就代表了輸入-輸出之間關系的映射模型，它不是常規的用數學表達式表示出的函數或回歸模型，而是一種黑箱的、智能的模擬模型。模型的輸入端和輸出端分別為各采樣點處的坐標值和該處的7種重金屬元素含量值。原理是通過建立BP網路來對現有的樣本進行學習和訓練，直到網路完全「掌握」了這些輸入-輸出之間的對應關系為止。然後利用訓練好的BP網路的泛化能力來預測選擇的43個插值點上7 種重金屬元素的含量，從而得到各點的重金屬元素含量。利用得到的重金屬元素含量分布進一步分析空間變異情況。
3.5.5.3 富集因子及計算
富集因子（Enrichment Factor，EF）是評價人類活動對土壤及其沉積物中重金屬元素富集程度影響的重要參數。富集因子的基本含義是將樣品中元素的濃度與背景中元素的濃度進行對比，以此來判斷表生環境介質中元素的污染狀況。考慮到減少環境介質、采樣過程以及制備樣品等對元素含量的影響，因此在富集因子的計算中常常引入可參比元素進行標准化，其計算公式可以表示為：
地下水型飲用水水源地保護與管理：以吳忠市金積水源地為例
式中：Ci——元素i的濃度（測試值）；
Cn——標准化元素的濃度（測試值）；
sample和background分別表示樣品和背景。
選擇遠低於環境背景值的鎳作為標准元素，採用鎳平均值作為背景測試值進行計算。計算結果見表3.18。
表3.18 土壤重金屬富集因子變化范圍
砷、銅、錳、鎳富集因子均小於2，鉻、鉛富集因子均小於1，富集因子級別為1級，受人類活動影響微弱。鎘因子分布范圍為7.01～9.35，為顯著性富集，表明鎘受到強烈的污染與影響。
3.5.5.4 土壤重金屬元素空間分析
土壤重金屬元素常規統計分析描述了土壤重金屬元素的整體特徵，為反映數據間的變化特徵及程度，進一步研究土壤重金屬元素含量的隨機性和結構性，採用地統計法的半方差分析對土壤重金屬元素含量的空間變異結構進行分析和探討。土壤的變異結構包括區域化變數的結構性變異和隨機性變異，結構性變異指由土壤母質、地形、氣候等非人為的因素引起的變異，隨機性變異是由實驗誤差和小於取樣尺度上施肥、作物、管理水平等隨機因素共同引起的變異。利用半方差函數對研究區7種重金屬元素分布及變異進行分析，半方差模型及其參數值如表3.19各重金屬元素均符合高斯模型，砷、鎘、鉻、銅、鉛、錳決定系數均大於0.9，其中鉻殘差大，其他重金屬元素殘差都相對較小（圖3.27）。
表3.19 半方差函數模型表
圖3.27 各重金屬元素半方差函數變異圖
變程也稱之空間最大相關距離，反映了變數空間自相關范圍的大小。土壤中砷、鎘、鉻、銅、鉛、鎳、錳變程分別為6.77km、8.90km、9.15km、6.88km、4.57km、2.13km、5.00km，重金屬元素空間相關性范圍由大到小依次為土壤鉻、鎘、銅、砷、錳、鉛、鎳。塊金方差表示由隨機部分引起的空間異質性，基台值表示系統內總的變異，是結構性變異和隨機性變異之和。土壤各重金屬元素的空間變異性可根據塊金值與基台值的比值大小來劃分（即塊金系數），塊金系數表示由隨機部分引起的空間變異性占總體變異的比例。當C0/（C0+C）＜25%時，表明變數的空間變異以結構性變異為主，變數具有強烈的空間相關性；25%～50%時，變數有明顯的空間自相關；50%～75%時，變數為中等程度空間相關；＞75%時，以隨機變異為主，變數空間相關性很弱。研究區內塊金系數均小於25%，在空間上表現出強烈的結構性變異，主要受土壤母質影響。
結論：研究區鉻、鉛、鎳、錳平均值均小於自然背景值，沒有發生明顯的富集或累積作用；砷、銅高於寧夏回族自治區自然背景值，通過富集因子計算和空間變異性分析，該兩種元素並未受到強烈的人為干擾，判斷為該區此重金屬元素具有高於寧夏全區平均值的含量；鎘平均值為 0.67mg/kg，遠高於自然背景值 0.112mg/kg，超過土壤二級標准0.6mg/kg，表現出強烈的富集作用，進行半方差模型擬合時擬合殘差較大，模型可靠性降低，從空間分析可以看出各重金屬離子具有較強的空間相關性，主要以結構性變異為主，受土壤母質影響最大，因此，判斷影響鎘含量的原因可能由於長期施用化肥農葯等造成的農業污染。
3.5.5.5 水環境重金屬元素分布特徵
本書檢測的黃河水、工企業排污口污水以及南干溝污水中重金屬鉛未檢出；鎘、鉻、銅、鎳有微量檢出，均低於地下水Ⅰ類標准下限；錳在南干溝入口、出口以及沿途企業都有檢出，南干溝上游錳含量較低，滿足Ⅰ類地下水水質標准，出口處含量達到Ⅳ類水標准；區內地表水以及工企業污水砷普遍檢出，從圖3.28（單位mg/kg）可以看出砷主要沿黃河以及南干溝、清二溝有檢出，濃度較高的點圍繞工企業分布，根據數據顯示沿途化肥廠污水排放砷為Ⅱ類標准，其餘排放含量均滿足Ⅰ類標准。
地下水檢測的重金屬元素主要有砷（As）、鎘（Cd）、鉻（Cr）、銅（Cu）、鉛（Pb）、鎳（Ni）、錳（Mn）7種，檢測限普遍低於地下水水質標准一個數量級。水樣中鉛未檢出；鎘、鉻、銅在個別采樣點有微量檢出，大部分低於檢測限，檢出項含量均低於地下水Ⅰ類標准下限；鎳、錳在全區范圍內廣泛檢出，以符合地下水Ⅰ、Ⅱ類標准為主，從圖3.28中可以看出沿著馬蓮渠與清二溝至清二溝與南干溝交匯段地下水中鎳含量普遍高於全區地下水鎳含量；錳在工業區范圍內地下水含量及排放污水中含量均較低，在水源地中心以及上游黃河沿岸部分地區錳含量較高，屬於Ⅳ類水。
從水體重金屬元素分布可以看出工企業污水以及南干溝污水砷普遍檢出，但沿南干溝地下水砷含量並未表現出波動或富集；錳和鎳濃度在水源地和工業區范圍變化明顯，錳在地下水中普遍檢出且存在大范圍超標，濃度大於0.1mg/L，為地下水水質分類的Ⅳ類水，沿南干溝地下水中錳元素濃度顯著降低，污水中錳含量低於全區平均值；鎳在全區含量分布均勻，在工業區范圍內含量增加。該兩種重金屬元素含量的變化反映了錳、鎳不僅在土壤中存在顯著負相關性，在地下水中也存在相似的此消彼長的規律。在污染物的遷移過程中，土壤以及地下水系統的氧化-還原條件、pH、生物作用以及水化學成分對污染物的遷移轉化有著重大的影響，改變了重金屬元素空間分布及含量。對比分析全區地下水水質檢測結果與污水指標檢測結果，污水pH、化學需氧量（CODcr）含量顯著高於地下水中檢測量，重金屬元素含量的變化主要反映了南干溝地表污水的排放對土壤及地下水中酸鹼度、氧化還原條件的改變。
圖3.28 水環境重金屬元素分布圖
9. 關於計量地理學和SPSS統計分析軟體
這個要先學習高數、概率論、數理統計學等基礎學科，大概花費1個學期時間
然後學習統計學的基礎、中級統計學等教材，大概花費1個學期時間
然後看計量地理的內容，大概花費半個學期的時間
我替別人做這類的數據分析蠻多的
10. 地理數據分析服務是什麼服務呢是做什麼的
地理數據是直接或間接關聯著相對於地球的某個地點的數據，是表示地理位置、分布特點的自然現象和社會現象的諸要素文件。包括自然地理數據和社會經濟數據。如土地覆蓋類型數據、地貌數據、土壤數據、水文數據、植被數據、居民地數據、河流數據、行政境界及社會經濟方面的數據等。
地理數據是各種地理特徵和現象間關系的符號化表示。
地理數據包括空間位置、屬性特徵以及時態特徵三個部分。
自然地理數據在計算機中通常按矢量數據結構或網格數據結構存貯，構成地理信息系統的主體。社會經濟數據在計算機中按統計圖表形式存貯，是地理信息系統分析的基礎數據。
指表徵地理圈或地理環境固有要素或物質的數量、質量、分布特徵、聯系和規律
的數字、文字、圖像和圖形等的總稱。包括空間位置、屬性特徵及時態特徵三部分 。
所謂的地理數據，就是用一定的測度方式描述和衡量地理對象的有關矢量化標志。對於不同的地理實體、地理要素、地理現象、地理事件、地理過程，需要採用不同的測度方式和測度標准進行描述和衡量，這就產生了不同類型的地理數據。在這一方面宏圖遠見做的還是比較不錯，建議推薦！