GIS在空间模式分析中的应用:平均最近邻(Average Nearest Neighbor)

wowwwai GIS研习社 · 工具流程与项目排障

引言

GIS在空间模式分析中的应用:平均最近邻(Average Nearest Neighbor)，主要解决一个很常见的问题：一组点要素到底是“聚集分布”“随机分布”，还是“离散分布”？在犯罪点位、门店选址、病虫害样点、事故点、公共设施分布等分析中，平均最近邻可以帮助我们用统计量而不是肉眼判断空间模式。

很多初学者会直接看地图下结论：点看起来很密集，所以就是聚集。但GIS分析不能只靠视觉判断。平均最近邻分析会比较“实际最近邻距离”和“随机分布下的期望最近邻距离”，再结合Z得分和P值判断这种模式是否具有统计显著性。

背景

平均最近邻，也常写作Average Nearest Neighbor，简称ANN，是空间模式分析中最基础、也最容易被误用的点模式分析方法之一。它适用于研究点要素在一个分析范围内的整体空间分布特征。

典型应用场景包括：

• 判断盗窃案件点是否呈现空间聚集。
• 分析便利店、充电桩、医院等设施是否分布均衡。
• 识别地质灾害点、火灾点、交通事故点是否集中在某些区域。
• 比较不同年份事件点的空间分布是否从随机变为聚集。
• 评估采样点是否覆盖均匀，是否存在明显扎堆。

在ArcGIS Pro中，可以使用“Average Nearest Neighbor”工具完成分析；在QGIS中，虽然界面工具名称可能因版本和插件不同而有所差异，但可以通过最近邻距离、点密度、空间统计插件或Python脚本实现类似计算。

需要注意的是，平均最近邻分析回答的是“整体点模式”问题，而不是告诉你“哪里聚集”。如果你想找具体热点区域，应进一步使用核密度分析、热点分析、局部Moran’s I或DBSCAN聚类等方法。

原理

平均最近邻的核心思想很直接：对每一个点，找到距离它最近的另一个点，记录这个最近距离；然后计算所有点的最近距离平均值，得到实际平均最近邻距离。

接着，工具会基于研究区面积和点数量，计算在完全空间随机分布假设下的期望平均最近邻距离。然后用实际值与期望值相除，得到最近邻比率。

最近邻比率是阅读结果时最关键的指标：

• 比率小于1：点之间比随机分布更近，倾向于聚集分布。
• 比率接近1：点模式接近随机分布。
• 比率大于1：点之间比随机分布更远，倾向于离散或均匀分布。

但是，不能只看最近邻比率。平均最近邻分析还必须结合Z-score和P-value。如果比率小于1但P值很大，说明这种聚集可能只是随机波动造成的，不能轻易下结论。

步骤

1. 准备点要素数据

首先确认你的输入数据是点要素，例如犯罪事件点、门店点、采样点或事故点。平均最近邻不适合直接分析线或面要素。如果数据是面要素，可以先提取质心点，但要清楚质心点是否能代表原始对象的位置。

数据准备时建议检查：

• 是否存在重复点或完全重叠点。
• 是否存在明显错误坐标，例如落在研究区外的点。
• 是否包含不同类型的点，如果混在一起分析是否合理。
• 点数量是否过少，过少样本会导致统计判断不稳定。

2. 使用合适的投影坐标系

平均最近邻依赖距离计算，所以坐标系非常重要。不要直接在经纬度坐标系下计算距离，尤其不要用度作为距离单位解释结果。

正确做法是将数据投影到适合研究区的投影坐标系，例如：

• 中国城市尺度分析可考虑CGCS2000高斯克吕格投影带。
• 小区域项目可使用当地常用投影坐标系。
• 跨国家或大范围区域分析时，需要谨慎选择等距或适合距离计算的投影。

在ArcGIS Pro中，可以使用“Project”工具生成投影后的副本。不要只在图层属性中修改坐标系定义，那只是定义数据坐标含义，不会真正重投影坐标值。

3. 明确研究区范围

平均最近邻对研究区面积很敏感。相同的一组点，如果研究区范围不同，期望平均最近邻距离就会变化，最终的最近邻比率和显著性判断也可能不同。

常见的研究区范围选择包括：

• 行政区边界，例如某市、某区、某街道。
• 业务服务范围，例如门店可达区域、巡逻责任区。
• 自然边界，例如流域、保护区、矿区范围。
• 经过合理裁剪后的有效分析区域，排除海域、无人区或不可达区域。

如果软件工具允许设置研究区面积，应优先使用真实业务边界面积，而不是简单使用点要素外包矩形范围。

4. 在ArcGIS Pro中运行Average Nearest Neighbor

在ArcGIS Pro中，可以按照以下流程操作：

1. 打开“Geoprocessing”窗格。
2. 搜索“Average Nearest Neighbor”。
3. 将点要素图层设置为Input Feature Class。
4. 根据需要选择距离方法，常见为Euclidean Distance。
5. 如果工具提供研究区面积参数，应根据真实分析边界填写或确认。
6. 运行工具并查看Messages中的结果报告。

输出结果通常包括Observed Mean Distance、Expected Mean Distance、Nearest Neighbor Ratio、Z-score和P-value。部分版本还会生成统计图或结果摘要。

5. 用Python理解计算逻辑

如果你希望理解平均最近邻的基本计算逻辑，可以使用GeoPandas和scikit-learn做一个简化版计算。下面代码只演示实际平均最近邻距离，不包含完整显著性检验。

import geopandas as gpd
from sklearn.neighbors import NearestNeighbors

gdf = gpd.read_file("points.shp")

# 确保是投影坐标系，单位通常为米
if gdf.crs is None:
    raise ValueError("数据缺少坐标系，请先定义并投影。")

if gdf.crs.is_geographic:
    raise ValueError("当前为经纬度坐标系，请先投影到米制坐标系。")

coords = [(geom.x, geom.y) for geom in gdf.geometry]

# n_neighbors=2，因为第一个最近邻是点本身
model = NearestNeighbors(n_neighbors=2)
model.fit(coords)

distances, indices = model.kneighbors(coords)

# 每个点到最近其他点的距离
nearest_distances = distances[:, 1]

observed_mean_distance = nearest_distances.mean()

print("Observed Mean Distance:", observed_mean_distance)

这个脚本适合帮助你检查工具结果是否大致合理。如果要严格复现Average Nearest Neighbor，还需要加入研究区面积、期望距离、标准误、Z-score和P-value等计算。

6. 解释分析结果

分析结果不要只写“点呈聚集分布”。更规范的表达应包含比率、Z-score、P-value和业务解释。

例如：

平均最近邻分析结果显示，研究区内事故点的实际平均最近邻距离小于随机分布下的期望距离，最近邻比率小于1；同时Z-score为负且P-value小于0.05，说明事故点在统计意义上呈显著聚集分布。

如果P-value不显著，可以这样写：

虽然最近邻比率略小于1，但P-value未达到常用显著性水平，因此不能认为该点集存在显著聚集模式。当前结果更适合解释为接近随机分布或证据不足。

常见坑

1. 在经纬度坐标系下直接计算距离

这是平均最近邻分析中最常见的错误。经纬度单位是度，不是米。不同纬度下一度经度对应的实际距离不同，直接计算会导致距离结果失真。

解决方法：先使用合适的投影坐标系，再运行Average Nearest Neighbor。

2. 忽略研究区范围

平均最近邻不是只由点的位置决定，还受研究区面积影响。如果你把研究区设得过大，随机期望距离会变大，结果更容易显示聚集；如果研究区过小，则可能影响判断方向。

解决方法：使用与研究问题一致的业务边界，不要随意使用数据外包矩形。

3. 把整体聚集理解为具体热点

平均最近邻只能说明整体空间模式是否偏向聚集、随机或离散，不能定位聚集中心。即使结果显示显著聚集，你仍然不知道具体哪些区域是热点。

解决方法：结合核密度、热点分析或空间聚类方法进一步识别聚集位置。

4. 混合不同类型点一起分析

如果把住宅区门店、工业区仓库、临时摊点混在一起做平均最近邻，得到的结果可能缺乏解释意义。不同类型点背后的空间生成机制不同，混合分析会掩盖真实规律。

解决方法：先按类型、时间、行政区或业务分组，再分别分析。

5. 样本量过少仍强行解释

点数量太少时，平均最近邻的统计结果不稳定。比如只有十几个点，即使结果显示某种趋势，也应谨慎解释。

解决方法：增加样本量，或把结果作为探索性分析，而不是最终证据。

方法比较

平均最近邻适合做整体空间模式判断，但它不是所有点模式问题的唯一选择。实际项目中，应根据问题选择合适方法。

如果你的目标是写一段总体空间分布结论，平均最近邻很合适；如果你的目标是做选址、巡查布点或精确定位热点，仅使用平均最近邻是不够的。

检查清单

在提交平均最近邻分析结果前，建议按下面清单逐项检查：

• 输入数据是否为点要素。
• 点位是否经过错误坐标、重复点和异常值检查。
• 是否使用投影坐标系，而不是经纬度坐标系。
• 投影坐标系是否适合研究区范围和距离计算。
• 研究区边界是否与业务问题一致。
• 是否记录Observed Mean Distance、Expected Mean Distance、Nearest Neighbor Ratio、Z-score和P-value。
• 是否同时解释最近邻比率和显著性结果。
• 是否避免把整体聚集结果误解为具体热点位置。
• 是否说明数据时间范围、点类型和筛选条件。
• 是否在必要时结合核密度、热点分析或聚类方法补充解释。

FAQ

平均最近邻结果中比率小于1就一定是聚集吗？

不一定。比率小于1表示实际平均最近邻距离小于随机期望距离，倾向于聚集。但是否能说“显著聚集”，还要看Z-score和P-value。如果P-value不显著，最好不要下强结论。

Average Nearest Neighbor适合分析面数据吗？

平均最近邻本质上是点模式分析方法，不适合直接分析面要素。如果必须分析面对象，可以提取面质心后分析，但要确认质心能否代表该面对象的位置。例如行政区面质心通常不适合直接代表人口或事件分布。

为什么同一批点在不同研究区范围下结果不同？

因为期望平均最近邻距离依赖研究区面积。研究区越大，在随机分布假设下点之间的期望距离通常越大。因此，研究区范围会直接影响最近邻比率和显著性判断。

平均最近邻和核密度分析有什么区别？

平均最近邻回答整体点模式是否偏向聚集、随机或离散；核密度分析回答哪里点更密集。一个偏统计检验，一个偏空间可视化。实际项目中，两者经常搭配使用。

ArcGIS Pro中的Average Nearest Neighbor结果应该怎么写进报告？

建议至少写清楚输入数据、研究范围、距离单位、最近邻比率、Z-score和P-value，并结合业务场景解释。例如：“在某市行政边界范围内，交通事故点呈显著聚集分布，说明事故发生位置存在空间集中趋势。”

平均最近邻可以比较两个年份的空间模式吗？

可以，但要保证两个年份使用相同的研究区范围、相同的坐标系、相近的数据采集标准，并分别报告结果。否则，差异可能来自数据处理方式，而不是空间模式真实变化。

结论

平均最近邻是GIS空间模式分析中非常实用的基础方法，适合快速判断点要素整体上是聚集、随机还是离散。它的优势是结果清晰、指标明确，特别适合在ArcGIS Pro、Python GIS或空间统计入门场景中使用。

但在实际项目中，平均最近邻不能脱离坐标系、研究区范围和显著性检验来解释。正确的工作流应该是：先清洗点数据，再投影到合适坐标系，明确研究边界，运行Average Nearest Neighbor，最后结合最近邻比率、Z-score和P-value给出谨慎结论。

如果你的分析目标只是判断整体空间模式，平均最近邻已经足够；如果还需要回答“哪里聚集”“聚集范围多大”“哪些点属于同一簇”，则应继续使用核密度、热点分析、DBSCAN或Ripley’s K函数等方法进行补充分析。