空间点格局分析基础方法及spatstat包的实现

对空间点模式的研究，是为了更好地理解空间点过程(spatial point progress)，揭示隐配洞藏在空间模式下的空间过程的机理。空间点模式通常分为三类，即随机分布、均匀分布和聚集分布。空间点模式的各种分析方法，总的来说就是为了判别所观察到的点格局属于以上三种的那一类。

当使用spatstat包时，首先需要安装和加载，并建立点集，这个过程用spatstat包中的ppp()函数将已有数据封装为特定格式。包括数据的x、y坐标，观察窗口也就是分析窗口的大小。ppp()函数允许建立矩形、多边形等不同形状的观察窗口。

描述空间点模式的方法可分为 ：事件间的绝对位置具有决定性作用， ：事件间的相对位置和距离具有决定性作用，即空间相互作用。其中又分为多种方法进行空间分布的判定和检测。

一阶效应方法。假设图1左为正在考察的空间点分布，可利用以下三个步骤进行分析。

样方分析不仅依赖于样方也就是观测窗口的大小，且密度起到了决定性因素，而不能判别点与点之间的相互关系，也就是相对距离，当网格内手旁点的数量相等但分布不同时，这种方法完全无法分辨。如图2所示，左右两个点分布得到的点个数完全相同但有着完全不同的分布。

即 指数 ，测量每个点与其最近点中心之间的距离，计算所有这些最近邻距离的平均值。如果该平均距离小于假设随机分布中的平均距离，则认为该分布为聚类分布。反之如果该平均距离大于假设随机分布中的平均距离，则为均匀分布。

上式中 为柏松分布也就是普通随机分布时计算得到的平均距离，则 ， 为点的个数， 为面积。 为检测数据计算得到的平均距离。

这个公式的本质是将柏松随机分布作为参考标准，计算柏松随机分布时各个点到最近点的距离的平均值 ，并以同样方法计算待考察的分布格局各个点到最近点的距离( )，并将两个数值进行比较。因此当待考察格局同样为随机分布时，两种格局没有差异， 。当待考察格局为聚集分布时，则大部分点距离其最近点的距离更近，则 ，反之，当待考察格局为均匀分布时， 。

clarkevans()函数可以计算ppp数据形式的 。该函数将给出3个数值，分别是无边缘培薯枯矫正和使用不同边缘矫正方法得到的结果。

clarkevans.test()函数用来执行点模式的假设检验，其空假设为模式是完全的空间随机性，即均匀Poisson过程。边缘矫正方法可选。

函数

---