揭秘空间依赖性：用于解释局部空间自相关的交互式可视化
Demystifying Spatial Dependence: Interactive Visualizations for Interpreting Local Spatial Autocorrelation
AI总结：
针对Local Moran's I结果难以解释的问题，提出三种可交互联动的新型可视化，并发布JavaScript库与Web仪表板以支持空间自相关结果的整体探索。
摘要：
Local Moran's I统计量是识别空间自相关局部模式的宝贵工具。理解这些模式在空间分析中至关重要，但解释该统计量可能颇具难度。为简化这一过程，我们提出三种新颖的可视化方法，以增强对Local Moran's I结果的解释。这些可视化可以彼此交互联动，并与既有可视化相连接，从而对结果进行更全面的探索。我们提供了一个实现这些新视觉元素的JavaScript库，以及一个展示其综合使用方式的Web仪表板。
英文摘要：
The Local Moran's I statistic is a valuable tool for identifying localized patterns of spatial autocorrelation. Understanding these patterns is crucial in spatial analysis, but interpreting the statistic can be difficult. To simplify this process, we introduce three novel visualizations that enhance the interpretation of Local Moran's I results. These visualizations can be interactively linked to one another, and to established visualizations, to offer a more holistic exploration of the results. We provide a JavaScript library with implementations of these new visual elements, along with a web dashboard that demonstrates their integrated use.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
