有叠加分析、邻近性分析、网络分析、统计分析。
1、叠加分析是GIS中的一项非常重要的空间分析功能。是指在统一空间参考系统下，通过对两个数据进行的一系列集合运算，产生新数据的过程。
2、邻近性是指在（人际）吸引的研究中，两个个体在住所、教室座位、工作场所等邻近。
3、网络分析是关于网络的图论分析、最优化分析以及动力学分析的总称。
4、统计分析是商业智能（BI）的一方面，涉及收集、审查业务数据和趋势报告。
㈡ 什么是空间分析方法有哪些
空间分析是基于地理对象的位置和形态的空间数据的分析技术，其目的在于提取和传输空间信息。
空间分析是地理信息系统的主要特征。空间分析能力（特别是对空间隐含信息的提取和传输能力）是地理信息系统区别与一般信息系统的主要方面，也是评价一个地理信息系统成功与否的一个主要指标。
利用GIS的各种空间分念厅析模型和空间操作对GIS数据库中的数据进行深加工，从而产生旦高渗新的信息和知识。常用的空间分析方法有综合属性数据分析模脊、拓扑分析、缓冲区分析、距离分析、叠置分析、地形分析、趋势面分析、预测分析等，可发现目标在空间上的相连、相邻和共生等关联规则，或发现目标之间的最短路径、最优路径等辅助决策知识。
空间位置： 借助于空间坐标系传递 空间对象的定位信息，是 空间对象表述的研究基础，即投影与转换理论。
空间分布：同类 空间对象的群体定位信息，包括分布、趋势、对比等内容。
空间形态： 空间对象的几何形态。
空间距离：空间物体的接近程度。
空间关系：空间对象的相关关系，包括拓扑、方位、相似、相关等
㈢ GIS空间分析有哪些类型并对每种类型做简单介绍
GIS的空间分析总体上来分可以分为专题图的空间分析,网络分析,DTM分析
一、专题图的空间分析包括：叠加分析,包含查询分析,缓冲分析.
1.叠加分析则主要有
1）视觉信息叠加：视觉信息叠加是将不同侧面的信息内容叠加显示在结果图件或屏幕上,以便研究者判断其相互空间关系,获得更为丰富的空间信息.
2）点与面叠加：点与多边形叠加,实际上是计算多边形对点的包含关系.
3）线与面叠加：是比较线上坐标与多边形坐标的关系,判断线是否落在多边形内.
4）面与面叠加：多边形叠加将两个或多个多边形图层进行叠加产生一个新多边形图层的操作,其结果将原来多边形要素分割成新要素,新要素综合了原来两层或多层的属性.常用的面叠加主要有相交,相减,判别,求并集等.
2.包含分析查询：包含分析确定要素之间是否存在着直接的联系,即矢量点、线、面之间是否存在在空间位置上的联系,这是地理信息分析处理中常要提出的问题,也是在地理信息系统中实现图形——属性对位检索的前提条件与基本的分析方法.
3.缓冲区分析：缓冲区分析是研究根据数据库的点、线、面实体,自动建立其周围一定宽度范围内的缓冲区多边形实体,从而实现空间数据在水平方向得以扩展的信息分析方法.
二、网络分析：网络分析是运筹学模型中的一个基本模型,它的根本目的是研究、筹划一项网络工程如何安排,并使其运行效果最好,如一定资源的最佳分配,从一地到另一地的运输费用最低等.其基本思想则在于人类活动总是趋于按一定目标选择达到最佳效果的空间位置.
三、DTM分析：DEM （数字高程模型）和 DTM（数字地形模型） 主要用于描述地面起伏状况,可以用于提取各种地形参数,如坡度、坡向、粗糙度等,并进行通视分析、流域结构生成等应用分析.因此,DEM 在各个领域中被广泛使用.DEM 是建立 DTM 的基础数据,其它的地形要素可由 DEM 直接或间接导出,称为 “ 派生数据 ” ,如坡度、坡向.
㈣ 如何进行空间数据挖掘
1. 基于概率论的方法。这是一种通过计算不确定性属性的概率来挖掘空间知识的方法，所发现的知识通常被表示成给定条件下某一假设为真的条件概率。在用误差矩阵描述遥感分类结果的不确定性时，可以用这种条件概率作为背景知识来表示不确定性的置信度。
2. 空间分析方法。指采用综合属性数据分析、拓扑分析、缓冲区分析、密度分析、距离分析、叠置分析、网络分析、地形分析、趋势面分析、预测分析等在内的分析模型和方法，用以发现目标在空间上的相连、相邻和共生等关联规则，或挖掘出目标之间的最短路径、最优路径等知识。目前常用的空间分析方法包括探测性的数据分析、空间相邻关系挖掘算法、探测性空间分析方法、探测性归纳学习方法、图像分析方法等。
3. 统计分析方法。指利用空间对象的有限信息和/或不确定性信息进行统计分析，进而评估、预测空间对象属性的特征、统计规律等知识的方法。它主要运用空间自协方差结构、变异函数或与其相关的自协变量或局部变量值的相似程度实现包含不确定性的空间数据挖掘。
4. 归纳学习方法。即在一定的知识背景下，对数据进行概括和综合，在空间数据库（数据仓库）中搜索和挖掘一般的规则和模式的方法。归纳学习的算法很多，如由Quinlan提出的着名的C5.0决策树算法、Han Jiawei教授等提出的面向属性的归纳方法、裴健等人提出的基于空间属性的归纳方法等。
5. 空间关联规则挖掘方法。即在空间数据库（数据仓库）中搜索和挖掘空间对象（及其属性）之间的关联关系的算法。最着名的关联规则挖掘算法是Agrawal提出的Apriori算法；此外还有程继华等提出的多层次关联规则的挖掘算法、许龙飞等提出的广义关联规则模型挖掘方法等。
6. 聚类分析方法。即根据实体的特征对其进行聚类或分类，进而发现数据集的整个空间分布规律和典型模式的方法。常用的聚类方法有K-mean, K-medoids方法、Ester等提出的基于R—树的数据聚焦法及发现聚合亲近关系和公共特征的算法、周成虎等提出的基于信息熵的时空数据分割聚类模型等。
7. 神经网络方法。即通过大量神经元构成的网络来实现自适应非线性动态系统，并使其具有分布存储、联想记忆、大规模并行处理、自学习、自组织、自适应等功能的方法；在空间数据挖掘中可用来进行分类和聚类知识以及特征的挖掘。
8. 决策树方法。即根据不同的特征，以树型结构表示分类或决策集合，进而产生规则和发现规律的方法。采用决策树方法进行空间数据挖掘的基本步骤如下：首先利用训练空间实体集生成测试函数；其次根据不同取值建立决策树的分支，并在每个分支子集中重复建立下层结点和分支，形成决策树；然后对决策树进行剪枝处理，把决策树转化为据以对新实体进行分类的规则。
9. 粗集理论。一种由上近似集和下近似集来构成粗集，进而以此为基础来处理不精确、不确定和不完备信息的智能数据决策分析工具，较适于基于属性不确定性的空间数据挖掘。
10. 基于模糊集合论的方法。这是一系列利用模糊集合理论描述带有不确定性的研究对象，对实际问题进行分析和处理的方法。基于模糊集合论的方法在遥感图像的模糊分类、GIS模糊查询、空间数据不确定性表达和处理等方面得到了广泛应用。
11. 空间特征和趋势探侧方法。这是一种基于邻域图和邻域路径概念的空间数据挖掘算法，它通过不同类型属性或对象出现的相对频率的差异来提取空间规则。
12. 基于云理论的方法。云理论是一种分析不确定信息的新理论，由云模型、不确定性推理和云变换三部分构成。基于云理论的空间数据挖掘方法把定性分析和定量计算结合起来，处理空间对象中融随机性和模糊性为一体的不确定性属性；可用于空间关联规则的挖掘、空间数据库的不确定性查询等。
13. 基于证据理论的方法。证据理论是一种通过可信度函数（度量已有证据对假设支持的最低程度）和可能函数（衡量根据已有证据不能否定假设的最高程度）来处理不确定性信息的理论，可用于具有不确定属性的空间数据挖掘。
14. 遗传算法。这是一种模拟生物进化过程的算法，可对问题的解空间进行高效并行的全局搜索，能在搜索过程中自动获取和积累有关搜索空间的知识，并可通过自适应机制控制搜索过程以求得最优解。空间数据挖掘中的许多问题，如分类、聚类、预测等知识的获取，均可以用遗传算法来求解。这种方法曾被应用于遥感影像数据中的特征发现。
15. 数据可视化方法。这是一种通过可视化技术将空间数据显示出来，帮助人们利用视觉分析来寻找数据中的结构、特征、模式、趋势、异常现象或相关关系等空间知识的方法。为了确保这种方法行之有效，必须构建功能强大的可视化工具和辅助分析工具。
16. 计算几何方法。这是一种利用计算机程序来计算平面点集的Voronoi图，进而发现空间知识的方法。利用Voronoi图可以解决空间拓扑关系、数据的多尺度表达、自动综合、空间聚类、空间目标的势力范围、公共设施的选址、确定最短路径等问题。
17. 空间在线数据挖掘。这是一种基于网络的验证型空间来进行数据挖掘和分析的工具。它以多维视图为基础，强调执行效率和对用户命令的及时响应，一般以空间数据仓库为直接数据源。这种方法通过数据分析与报表模块的查询和分析工具（如OLAP、决策分析、数据挖掘等）完成对信息和知识的提取，以满足决策的需要。
㈤ 空间分析方法
空间信息量算是空间分析的定量化基础。空间实体间存在着多种空间关系，包括拓扑、顺序、距离、方位等关系。通过空间关系查询和定位空间实体是地理信息系统不同于一般数据库系统的功能之一。如查询满足下列条件的城市：在京九线的东部， 距离京九线不超过200公里， 城市人口大于100万并且居民人均年收入超过1万。整个查询计算涉及了空间顺序方位关系(京九线东部),空间距离关系（距离京九线不超过200公里），甚至还有属性信息查询(城市人口大于100万并且居民人均年收入超过1万）。间信息量算包括：质心量算、几何量算、形状量算。
2、空间信息分类
这是GIS功能的重要组成部分。对于线状地物求长度、曲率、方向，对于面状地物求面积、周长、形状、曲率等；求几何体的质心；空间实体间的距离等。空间分析常用的空间信息分类的数学方法有：主成分分析法、层次分析法、系统聚类分析、判别分析等；
缓冲区分析
缓冲区分析是针对点、线、面等地理实体，自动在其周围建立一定宽度范围的缓冲区多边形。
邻近度描述了地理空间中两个地物距离相近的程度，其确定是空间分析的一个重要手段。交通沿线或河流沿线的地物有其独特的重要性，公共设施的服务半径，大型水库建设引起的搬迁，铁路、公路以及航运河道对其所穿过区域经济发展的重要性等，均是一个邻近度问题。缓冲区分析是解决邻近度问题的空间分析工具之一。 所谓缓冲区就是地理空间目标的一种影响范围或服务范围。
叠加分析
大部分GIS软件是以分层的方式组织地理景观，将地理景观按主题分层提取，同一地区的整个数据层集表达了该地区地理景观的内容。地理信息系统的叠加分析是将有关主题层组成的数据层面，进行叠加产生一个新数据层面的操作，其结果综合了原来两层或多层要素所具有的属性。叠加分析不仅包含空间关系的比较，还包含属性关系的比较。
叠加分析可以分为以下几类：视觉信息叠加、点与多边形叠加、线与多边形叠加、多边形叠加、栅格图层叠加。
㈥ 分析空间相关性的方法主要有哪些
1、聚类分析（Cluster Analysis）
聚类分析指将物理或抽象对象的集合分组成为由类似的对象组成的多个类的分析过程。聚类是将数据分类到不同的类或者簇这样的一个过程，所以同一个簇中的对象有很大的相似性，而不同簇间的对象有很大的相异性。聚类分析是一种探索性的分析，在分类的过程中，人们不必事先给出一个分类的标准，聚类分析能够从样本数据出发，自动进行分类。聚类分析所使用方法的不同，常常会得到不同的结论。不同研究者对于同一组数据进行聚类分析，所得到的聚类数未必一致。
2、因子分析（Factor Analysis）
因子分析是指研究从变量群中提取共性因子的统计技术。因子分析就是从大量的数据中寻找内在的联系，减少决策的困难。
因子分析的方法约有10多种，如重心法、影像分析法，最大似然解、最小平方法、阿尔发抽因法、拉奥典型抽因法等等。这些方法本质上大都属近似方法，是以相关系数矩阵为基础的，所不同的是相关系数矩阵对角线上的值，采用不同的共同性□2估值。在社会学研究中，因子分析常采用以主成分分析为基础的反复法。
3、相关分析（Correlation Analysis）
相关分析（correlation analysis），相关分析是研究现象之间是否存在某种依存关系，并对具体有依存关系的现象探讨其相关方向以及相关程度。相关关系是一种非确定性的关系，例如，以X和Y分别记一个人的身高和体重，或分别记每公顷施肥量与每公顷小麦产量，则X与Y显然有关系，而又没有确切到可由其中的一个去精确地决定另一个的程度，这就是相关关系。
4、对应分析（Correspondence Analysis）
对应分析(Correspondence analysis)也称关联分析、R-Q型因子分析，通过分析由定性变量构成的交互汇总表来揭示变量间的联系。可以揭示同一变量的各个类别之间的差异，以及不同变量各个类别之间的对应关系。对应分析的基本思想是将一个联列表的行和列中各元素的比例结构以点的形式在较低维的空间中表示出来。
5、回归分析
研究一个随机变量Y对另一个(X)或一组(X1，X2，…，Xk)变量的相依关系的统计分析方法。回归分析（regression analysis)是确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法。运用十分广泛，回归分析按照涉及的自变量的多少，可分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。
6、方差分析(ANOVA/Analysis of Variance)
又称“变异数分析”或“F检验”，是R.A.Fisher发明的，用于两个及两个以上样本均数差别的显着性检验。由于各种因素的影响，研究所得的数据呈现波动状。造成波动的原因可分成两类，一是不可控的随机因素，另一是研究中施加的对结果形成影响的可控因素。方差分析是从观测变量的方差入手，研究诸多控制变量中哪些变量是对观测变量有显着影响的变量。这个 还需要具体问题具体分析