geoskill-hotspot-analysis

Getis-Ord Gi*热点分析+核密度估计+多尺度显著性检验

热点分析 | Hotspot Analysis

Identifies statistically significant hotspots (clusters of high values) and coldspots (clusters of low values) based on the Getis-Ord Gi* statistic, combined with Gaussian kernel density estimation (KDE) and multi-scale analysis. Outputs a Gi* z-score raster, significance-classified rasters at the 90/95/99% levels, and a kernel density raster.

Core Algorithm / 核心算法

• Getis-Ord Gi* z-score
• Significance classification (90/95/99%)
• Gaussian kernel density estimation + multi-scale

Dependencies / 依赖

bash

pip install numpy rasterio scipy geopandas shapely

Usage / 使用方法

Example 1 (Synthetic Data, Offline)

bash

python geoskill-hotspot-analysis.py --bbox 116.0 39.0 117.0 40.0 --synthetic --output-dir ./out

Example 2 (Custom Region + Quiet Mode)

bash

python geoskill-hotspot-analysis.py --bbox 121.0 31.0 122.0 32.0 --synthetic --output-dir ./out2 --quiet

Example 3 (Real Input)

bash

python geoskill-hotspot-analysis.py --input <your data file> --output-dir ./out3

Example 4 (Extremely Small Region Boundary Test)

bash

python geoskill-hotspot-analysis.py --bbox 116.39 39.90 116.40 39.91 --synthetic --output-dir ./out4 --quiet

Output / 输出

File	Format	Description
gi_star_zscore.tif	GeoTIFF/GeoJSON/JSON	Primary output
hotspot_significance.tif	GeoTIFF/GeoJSON/JSON	Primary output
kernel_density.tif	GeoTIFF/GeoJSON/JSON	Primary output
hotspot_stats.json	GeoTIFF/GeoJSON/JSON	Primary output
output-manifest.json	JSON	Run manifest

Data Source / 数据源 / Source

• Synthetic mode: generates physically consistent simulated data locally, with no external data source.
• Real mode: reads local input files, with no network requests.

Privacy / 隐私声明 / Privacy

• Runs fully offline by default and makes no network requests.
• --synthetic mode reads no external data.
• All computation is done locally; user data is never uploaded.

License / License

MIT

---

---

name: geoskill-hotspot-analysis description: 'Getis-Ord Gi*热点分析+核密度估计+多尺度显著性检验'

热点分析 | Hotspot Analysis

基于 Getis-Ord Gi* 统计量识别统计显著的热点（高值聚集）与冷点（低值聚集），叠加高斯核密度估计（KDE）与多尺度分析。输出 Gi* z 得分栅格、90/95/99% 显著性分级栅格与核密度栅格。

核心算法

• Getis-Ord Gi* z 得分
• 显著性分级（90/95/99%）
• 高斯核密度估计 + 多尺度

依赖

bash

pip install numpy rasterio scipy geopandas shapely

使用方法

示例 1（合成数据，离线）

bash

python geoskill-hotspot-analysis.py --bbox 116.0 39.0 117.0 40.0 --synthetic --output-dir ./out

示例 2（指定区域 + 静默）

bash

python geoskill-hotspot-analysis.py --bbox 121.0 31.0 122.0 32.0 --synthetic --output-dir ./out2 --quiet

示例 3（真实输入）

bash

python geoskill-hotspot-analysis.py --input <你的数据文件> --output-dir ./out3

示例 4（极小区域边界测试）

bash

python geoskill-hotspot-analysis.py --bbox 116.39 39.90 116.40 39.91 --synthetic --output-dir ./out4 --quiet

输出

文件	格式	说明
gi_star_zscore.tif	GeoTIFF/GeoJSON/JSON	主产物
hotspot_significance.tif	GeoTIFF/GeoJSON/JSON	主产物
kernel_density.tif	GeoTIFF/GeoJSON/JSON	主产物
hotspot_stats.json	GeoTIFF/GeoJSON/JSON	主产物
output-manifest.json	JSON	运行清单

数据源 / Source

• 合成模式：本地生成物理一致的模拟数据，无外部数据源。
• 真实模式：读取本地输入文件，无网络请求。

隐私声明 / Privacy

• 默认完全离线运行，不发起任何网络请求。
• --synthetic 模式不读取任何外部数据。
• 所有计算在本地完成，不上传用户数据。

License

MIT