2. 空间自相关核心概念解析
空间自相关分析的起点不是统计量，而是一个判断：矿化异常在空间上究竟是随机散布，还是存在"高值连片、低值连片"的结构。ArcGIS 中的 Global Moran's I、Local Moran's I（LISA）、Geary's C 等工具，本质上都是把这个地质直觉翻译成可计算的数值。要正确使用它们，必须先理解四个层层递进的概念：空间权重矩阵定义"谁和谁相邻"，全局统计量回答"整体有没有聚集"，局部统计量回答"聚集在哪里"，而 Geary's C 则从差异角度提供互补证据。
一、空间权重矩阵：把地质空间关系编码成数字
空间权重矩阵 W 是一个 n×n 的方阵，n 为参与分析的采样点或网格单元数，wij 表示单元 i 与 j 的空间关系强度。ArcGIS 提供两类构造方式：基于距离的权重（固定距离带、反距离、无差异区）和基于邻接的权重（Rook 共边、Queen 共顶点）。对化探数据，常用"固定距离带 + 行标准化"：先根据采样网度设定阈值，例如 1:5 万水系沉积物测量点距约 500 m，可取 1000～2000 m 作为邻域半径；再对每行做标准化，使每个单元的邻居权重之和为 1，从而消除边缘单元邻居数量差异带来的偏倚。
权重矩阵的选择直接决定结论。半径过小，多数单元没有邻居，统计量不稳定；半径过大，远近关系被抹平，异常边界模糊。实操中应做敏感性检验：用 800 m、1500 m、2500 m 三档半径分别计算，若聚集格局方向一致，结论才可靠。此外，权重矩阵必须与投影坐标系配套，地理坐标系下的"度"不能直接当作距离使用。
二、全局 Moran's I 与 Geary's C：整体格局的两种视角
全局 Moran's I 衡量属性值与空间位置的协变程度，取值大致在 −1 到 1 之间。I > 0 表示相似值趋于聚集，I < 0 表示高低值相邻（离散），接近 0 则近似随机。其计算式为：
I = (n / S0) · Σi Σj wij (xi − x̄)(xj − x̄) / Σi (xi − x̄)²
S0 = Σi Σj wij地质上，正的 I 值意味着 Cu、Au 等元素的高含量样品在空间上彼此靠近，这正是寻找矿化集中区的直接线索。但 I 值本身不能判断显著性，必须结合 Z 得分与 P 值：Z > 1.96 且 P < 0.05 时，才能在 95% 置信水平下拒绝"随机分布"的原假设。
Geary's C 则基于相邻单元差值平方，C 接近 1 表示随机，小于 1 表示相似值相邻，大于 1 表示差异值相邻。它与 Moran's I 方向相反但信息互补：Moran's I 对极端高值更敏感，Geary's C 对局部突变更敏感。当两者结论矛盾时，往往提示数据存在强偏态或异常值，应先做对数变换再分析。
三、LISA：把"哪里聚集"落到图斑上
全局统计量只给出一个数，无法回答"异常集中在图幅的哪一角"。局部 Moran's I（LISA）为每个单元计算局部统计量，并按象限划分为四类：高-高（HH）、低-低（LL）、高-低（HL）、低-高（LH）。在 ArcGIS 的"聚类和异常值分析（Anselin Local Moran's I）"工具中，输出字段 LMiIndex、LMiZScore、LMiPValue 与 COType 共同构成判读依据。
地质解释上，HH 区是矿化核心的候选，应优先与断裂交汇、岩体接触带、蚀变带叠加；LL 区代表背景或贫化区，可用于确定地球化学背景；HL 是"鹤立鸡群"的孤立高值，可能是小矿点，也可能是采样污染或分析误差，必须回查原始点位；LH 则是异常边缘的过渡带，常指示矿化向外围的减弱方向。需要强调的是，LISA 结果必须经过多重比较校正（如 FDR），否则大量单元同时检验会产生假阳性。
四、实操中的关键判断
第一，先看数据分布。化探数据常呈对数正态，直接计算会使 Moran's I 被少数极高值主导，建议先做对数变换或剔除超过均值 3 倍标准差的离群点并记录处理过程。第二，权重矩阵与采样密度匹配，稀疏区不宜强行使用小半径。第三，全局显著是局部分析的前提，若全局不显著，LISA 的 HH 区解释力有限。第四，结果要落图复核：把 LISA 分类图与地质图、已知矿点叠加，若 HH 区与已知矿床高度吻合，说明参数设置合理；若 HH 区落在第四系覆盖区或交通线附近，应警惕人为干扰。