有疊加分析、鄰近性分析、網路分析、統計分析。
1、疊加分析是GIS中的一項非常重要的空間分析功能。是指在統一空間參考系統下，通過對兩個數據進行的一系列集合運算，產生新數據的過程。
2、鄰近性是指在（人際）吸引的研究中，兩個個體在住所、教室座位、工作場所等鄰近。
3、網路分析是關於網路的圖論分析、最優化分析以及動力學分析的總稱。
4、統計分析是商業智能（BI）的一方面，涉及收集、審查業務數據和趨勢報告。
㈡ 什麼是空間分析方法有哪些
空間分析是基於地理對象的位置和形態的空間數據的分析技術，其目的在於提取和傳輸空間信息。
空間分析是地理信息系統的主要特徵。空間分析能力（特別是對空間隱含信息的提取和傳輸能力）是地理信息系統區別與一般信息系統的主要方面，也是評價一個地理信息系統成功與否的一個主要指標。
利用GIS的各種空間分念廳析模型和空間操作對GIS資料庫中的數據進行深加工，從而產生旦高滲新的信息和知識。常用的空間分析方法有綜合屬性數據分析模脊、拓撲分析、緩沖區分析、距離分析、疊置分析、地形分析、趨勢面分析、預測分析等，可發現目標在空間上的相連、相鄰和共生等關聯規則，或發現目標之間的最短路徑、最優路徑等輔助決策知識。
空間位置： 藉助於空間坐標系傳遞 空間對象的定位信息，是 空間對象表述的研究基礎，即投影與轉換理論。
空間分布：同類 空間對象的群體定位信息，包括分布、趨勢、對比等內容。
空間形態： 空間對象的幾何形態。
空間距離：空間物體的接近程度。
空間關系：空間對象的相關關系，包括拓撲、方位、相似、相關等
㈢ GIS空間分析有哪些類型並對每種類型做簡單介紹
GIS的空間分析總體上來分可以分為專題圖的空間分析,網路分析,DTM分析
一、專題圖的空間分析包括：疊加分析,包含查詢分析,緩沖分析.
1.疊加分析則主要有
1）視覺信息疊加：視覺信息疊加是將不同側面的信息內容疊加顯示在結果圖件或屏幕上,以便研究者判斷其相互空間關系,獲得更為豐富的空間信息.
2）點與面疊加：點與多邊形疊加,實際上是計算多邊形對點的包含關系.
3）線與面疊加：是比較線上坐標與多邊形坐標的關系,判斷線是否落在多邊形內.
4）面與面疊加：多邊形疊加將兩個或多個多邊形圖層進行疊加產生一個新多邊形圖層的操作,其結果將原來多邊形要素分割成新要素,新要素綜合了原來兩層或多層的屬性.常用的面疊加主要有相交,相減,判別,求並集等.
2.包含分析查詢：包含分析確定要素之間是否存在著直接的聯系,即矢量點、線、面之間是否存在在空間位置上的聯系,這是地理信息分析處理中常要提出的問題,也是在地理信息系統中實現圖形——屬性對位檢索的前提條件與基本的分析方法.
3.緩沖區分析：緩沖區分析是研究根據資料庫的點、線、面實體,自動建立其周圍一定寬度范圍內的緩沖區多邊形實體,從而實現空間數據在水平方向得以擴展的信息分析方法.
二、網路分析：網路分析是運籌學模型中的一個基本模型,它的根本目的是研究、籌劃一項網路工程如何安排,並使其運行效果最好,如一定資源的最佳分配,從一地到另一地的運輸費用最低等.其基本思想則在於人類活動總是趨於按一定目標選擇達到最佳效果的空間位置.
三、DTM分析：DEM （數字高程模型）和 DTM（數字地形模型） 主要用於描述地面起伏狀況,可以用於提取各種地形參數,如坡度、坡向、粗糙度等,並進行通視分析、流域結構生成等應用分析.因此,DEM 在各個領域中被廣泛使用.DEM 是建立 DTM 的基礎數據,其它的地形要素可由 DEM 直接或間接導出,稱為 「 派生數據 」 ,如坡度、坡向.
㈣ 如何進行空間數據挖掘
1. 基於概率論的方法。這是一種通過計算不確定性屬性的概率來挖掘空間知識的方法，所發現的知識通常被表示成給定條件下某一假設為真的條件概率。在用誤差矩陣描述遙感分類結果的不確定性時，可以用這種條件概率作為背景知識來表示不確定性的置信度。
2. 空間分析方法。指採用綜合屬性數據分析、拓撲分析、緩沖區分析、密度分析、距離分析、疊置分析、網路分析、地形分析、趨勢面分析、預測分析等在內的分析模型和方法，用以發現目標在空間上的相連、相鄰和共生等關聯規則，或挖掘出目標之間的最短路徑、最優路徑等知識。目前常用的空間分析方法包括探測性的數據分析、空間相鄰關系挖掘演算法、探測性空間分析方法、探測性歸納學習方法、圖像分析方法等。
3. 統計分析方法。指利用空間對象的有限信息和/或不確定性信息進行統計分析，進而評估、預測空間對象屬性的特徵、統計規律等知識的方法。它主要運用空間自協方差結構、變異函數或與其相關的自協變數或局部變數值的相似程度實現包含不確定性的空間數據挖掘。
4. 歸納學習方法。即在一定的知識背景下，對數據進行概括和綜合，在空間資料庫（數據倉庫）中搜索和挖掘一般的規則和模式的方法。歸納學習的演算法很多，如由Quinlan提出的著名的C5.0決策樹演算法、Han Jiawei教授等提出的面向屬性的歸納方法、裴健等人提出的基於空間屬性的歸納方法等。
5. 空間關聯規則挖掘方法。即在空間資料庫（數據倉庫）中搜索和挖掘空間對象（及其屬性）之間的關聯關系的演算法。最著名的關聯規則挖掘演算法是Agrawal提出的Apriori演算法；此外還有程繼華等提出的多層次關聯規則的挖掘演算法、許龍飛等提出的廣義關聯規則模型挖掘方法等。
6. 聚類分析方法。即根據實體的特徵對其進行聚類或分類，進而發現數據集的整個空間分布規律和典型模式的方法。常用的聚類方法有K-mean, K-medoids方法、Ester等提出的基於R—樹的數據聚焦法及發現聚合親近關系和公共特徵的演算法、周成虎等提出的基於信息熵的時空數據分割聚類模型等。
7. 神經網路方法。即通過大量神經元構成的網路來實現自適應非線性動態系統，並使其具有分布存儲、聯想記憶、大規模並行處理、自學習、自組織、自適應等功能的方法；在空間數據挖掘中可用來進行分類和聚類知識以及特徵的挖掘。
8. 決策樹方法。即根據不同的特徵，以樹型結構表示分類或決策集合，進而產生規則和發現規律的方法。採用決策樹方法進行空間數據挖掘的基本步驟如下：首先利用訓練空間實體集生成測試函數；其次根據不同取值建立決策樹的分支，並在每個分支子集中重復建立下層結點和分支，形成決策樹；然後對決策樹進行剪枝處理，把決策樹轉化為據以對新實體進行分類的規則。
9. 粗集理論。一種由上近似集和下近似集來構成粗集，進而以此為基礎來處理不精確、不確定和不完備信息的智能數據決策分析工具，較適於基於屬性不確定性的空間數據挖掘。
10. 基於模糊集合論的方法。這是一系列利用模糊集合理論描述帶有不確定性的研究對象，對實際問題進行分析和處理的方法。基於模糊集合論的方法在遙感圖像的模糊分類、GIS模糊查詢、空間數據不確定性表達和處理等方面得到了廣泛應用。
11. 空間特徵和趨勢探側方法。這是一種基於鄰域圖和鄰域路徑概念的空間數據挖掘演算法，它通過不同類型屬性或對象出現的相對頻率的差異來提取空間規則。
12. 基於雲理論的方法。雲理論是一種分析不確定信息的新理論，由雲模型、不確定性推理和雲變換三部分構成。基於雲理論的空間數據挖掘方法把定性分析和定量計算結合起來，處理空間對象中融隨機性和模糊性為一體的不確定性屬性；可用於空間關聯規則的挖掘、空間資料庫的不確定性查詢等。
13. 基於證據理論的方法。證據理論是一種通過可信度函數（度量已有證據對假設支持的最低程度）和可能函數（衡量根據已有證據不能否定假設的最高程度）來處理不確定性信息的理論，可用於具有不確定屬性的空間數據挖掘。
14. 遺傳演算法。這是一種模擬生物進化過程的演算法，可對問題的解空間進行高效並行的全局搜索，能在搜索過程中自動獲取和積累有關搜索空間的知識，並可通過自適應機制控制搜索過程以求得最優解。空間數據挖掘中的許多問題，如分類、聚類、預測等知識的獲取，均可以用遺傳演算法來求解。這種方法曾被應用於遙感影像數據中的特徵發現。
15. 數據可視化方法。這是一種通過可視化技術將空間數據顯示出來，幫助人們利用視覺分析來尋找數據中的結構、特徵、模式、趨勢、異常現象或相關關系等空間知識的方法。為了確保這種方法行之有效，必須構建功能強大的可視化工具和輔助分析工具。
16. 計算幾何方法。這是一種利用計算機程序來計算平面點集的Voronoi圖，進而發現空間知識的方法。利用Voronoi圖可以解決空間拓撲關系、數據的多尺度表達、自動綜合、空間聚類、空間目標的勢力范圍、公共設施的選址、確定最短路徑等問題。
17. 空間在線數據挖掘。這是一種基於網路的驗證型空間來進行數據挖掘和分析的工具。它以多維視圖為基礎，強調執行效率和對用戶命令的及時響應，一般以空間數據倉庫為直接數據源。這種方法通過數據分析與報表模塊的查詢和分析工具（如OLAP、決策分析、數據挖掘等）完成對信息和知識的提取，以滿足決策的需要。
㈤ 空間分析方法
空間信息量算是空間分析的定量化基礎。空間實體間存在著多種空間關系，包括拓撲、順序、距離、方位等關系。通過空間關系查詢和定位空間實體是地理信息系統不同於一般資料庫系統的功能之一。如查詢滿足下列條件的城市：在京九線的東部， 距離京九線不超過200公里， 城市人口大於100萬並且居民人均年收入超過1萬。整個查詢計算涉及了空間順序方位關系(京九線東部),空間距離關系（距離京九線不超過200公里），甚至還有屬性信息查詢(城市人口大於100萬並且居民人均年收入超過1萬）。間信息量算包括：質心量算、幾何量算、形狀量算。
2、空間信息分類
這是GIS功能的重要組成部分。對於線狀地物求長度、曲率、方向，對於面狀地物求面積、周長、形狀、曲率等；求幾何體的質心；空間實體間的距離等。空間分析常用的空間信息分類的數學方法有：主成分分析法、層次分析法、系統聚類分析、判別分析等；
緩沖區分析
緩沖區分析是針對點、線、面等地理實體，自動在其周圍建立一定寬度范圍的緩沖區多邊形。
鄰近度描述了地理空間中兩個地物距離相近的程度，其確定是空間分析的一個重要手段。交通沿線或河流沿線的地物有其獨特的重要性，公共設施的服務半徑，大型水庫建設引起的搬遷，鐵路、公路以及航運河道對其所穿過區域經濟發展的重要性等，均是一個鄰近度問題。緩沖區分析是解決鄰近度問題的空間分析工具之一。 所謂緩沖區就是地理空間目標的一種影響范圍或服務范圍。
疊加分析
大部分GIS軟體是以分層的方式組織地理景觀，將地理景觀按主題分層提取，同一地區的整個數據層集表達了該地區地理景觀的內容。地理信息系統的疊加分析是將有關主題層組成的數據層面，進行疊加產生一個新數據層面的操作，其結果綜合了原來兩層或多層要素所具有的屬性。疊加分析不僅包含空間關系的比較，還包含屬性關系的比較。
疊加分析可以分為以下幾類：視覺信息疊加、點與多邊形疊加、線與多邊形疊加、多邊形疊加、柵格圖層疊加。
㈥ 分析空間相關性的方法主要有哪些
1、聚類分析（Cluster Analysis）
聚類分析指將物理或抽象對象的集合分組成為由類似的對象組成的多個類的分析過程。聚類是將數據分類到不同的類或者簇這樣的一個過程，所以同一個簇中的對象有很大的相似性，而不同簇間的對象有很大的相異性。聚類分析是一種探索性的分析，在分類的過程中，人們不必事先給出一個分類的標准，聚類分析能夠從樣本數據出發，自動進行分類。聚類分析所使用方法的不同，常常會得到不同的結論。不同研究者對於同一組數據進行聚類分析，所得到的聚類數未必一致。
2、因子分析（Factor Analysis）
因子分析是指研究從變數群中提取共性因子的統計技術。因子分析就是從大量的數據中尋找內在的聯系，減少決策的困難。
因子分析的方法約有10多種，如重心法、影像分析法，最大似然解、最小平方法、阿爾發抽因法、拉奧典型抽因法等等。這些方法本質上大都屬近似方法，是以相關系數矩陣為基礎的，所不同的是相關系數矩陣對角線上的值，採用不同的共同性□2估值。在社會學研究中，因子分析常採用以主成分分析為基礎的反覆法。
3、相關分析（Correlation Analysis）
相關分析（correlation analysis），相關分析是研究現象之間是否存在某種依存關系，並對具體有依存關系的現象探討其相關方向以及相關程度。相關關系是一種非確定性的關系，例如，以X和Y分別記一個人的身高和體重，或分別記每公頃施肥量與每公頃小麥產量，則X與Y顯然有關系，而又沒有確切到可由其中的一個去精確地決定另一個的程度，這就是相關關系。
4、對應分析（Correspondence Analysis）
對應分析(Correspondence analysis)也稱關聯分析、R-Q型因子分析，通過分析由定性變數構成的交互匯總表來揭示變數間的聯系。可以揭示同一變數的各個類別之間的差異，以及不同變數各個類別之間的對應關系。對應分析的基本思想是將一個聯列表的行和列中各元素的比例結構以點的形式在較低維的空間中表示出來。
5、回歸分析
研究一個隨機變數Y對另一個(X)或一組(X1，X2，…，Xk)變數的相依關系的統計分析方法。回歸分析（regression analysis)是確定兩種或兩種以上變數間相互依賴的定量關系的一種統計分析方法。運用十分廣泛，回歸分析按照涉及的自變數的多少，可分為一元回歸分析和多元回歸分析；按照自變數和因變數之間的關系類型，可分為線性回歸分析和非線性回歸分析。
6、方差分析(ANOVA/Analysis of Variance)
又稱「變異數分析」或「F檢驗」，是R.A.Fisher發明的，用於兩個及兩個以上樣本均數差別的顯著性檢驗。由於各種因素的影響，研究所得的數據呈現波動狀。造成波動的原因可分成兩類，一是不可控的隨機因素，另一是研究中施加的對結果形成影響的可控因素。方差分析是從觀測變數的方差入手，研究諸多控制變數中哪些變數是對觀測變數有顯著影響的變數。這個 還需要具體問題具體分析