O
OPGD / FGD 地理探测器分析平台
{{ user.username }} · 剩余 {{ user.ai_tokens }} 次
O
OPGD
免代码的 OPGD / FGD 分析平台

结果有依据，
分析更清楚可用

上传 CSV / Excel，自动分析、生成图表与报告，让结果便于理解与复核。

免安装 浏览器直接用
有据可查 指标与参数
清晰可读 排名与热力图
导出可用 ZIP 报告包
01上传表格
02选择变量
03获得图表报告
5
类结果自动整理
2
种常用表格格式
30s
先体验再注册
1键
下载图表与结果
模块能力 / 可交付结果
空间分异解释
驱动因子识别
交互增强判断
风险分层比较
生态探测分析
FGD 模糊因子探测
FGD 模糊交互探测
q-statistic
热力图报告
空间分异解释
驱动因子识别
交互增强判断
风险分层比较
生态探测分析
FGD 模糊因子探测
FGD 模糊交互探测
q-statistic
热力图报告
你会得到什么

不只看数值，更能理解和使用结果

指标有出处，图表易理解，报告便于复核与使用。

优

自动寻优

OPGD 搜索离散化方法与分级数，减少手动试参。

因

有据可查

结合 q 值、变量与参数，查看各因素的解释力。

交

清晰可读

排名与交互热力图，让因素间的关系更直观。

报

导出可用

图表、表格与配置打包下载，便于汇报和复核。

计算模块

同一套上传与报告流程，按研究问题选择模型

OPGD 偏向硬分层下的完整探测，FGD 用模糊隶属度表达连续变量的渐变边界，二者共享数据解析、任务运行、图表展示和导出流程。

OPGD

最优参数地理探测器

自动搜索离散化方法和分级数，适合需要完整输出因子探测、交互探测、风险探测和生态探测的常规分析。

最优离散 完整探测 报告导出
FGD

模糊地理探测器

优先调用官方 fuzzygd 包，在模糊分层下计算 q 值和交互关系。当前明确输出模糊因子探测和模糊交互探测，风险与生态探测暂不强行推断。

模糊隶属度 模糊 q 值 官方包优先
为什么更省心

从“我会不会跑”变成“我能不能解释清楚”

把技术细节收在后台，把用户最关心的结论、图表和导出路径放到前台。

🧭

一个入口完成分析

上传、配置、运行、查看结果都在同一个页面流转，新用户也不容易迷路。

📊

图表直接能讲

柱图、热力图和结果摘要一起呈现，减少二次截图和手工整理。

🗂️

过程可复查

参数、变量、结果和图表说明统一保留，后续复盘不靠记忆。

⚙️

长任务不焦虑

分析过程有状态提示，任务在后台持续执行，减少等待时的不确定感。

🔐

团队可控使用

账号、密钥、分析次数和操作日志一起保留，适合团队正式使用。

📦

交付不再散落

支持 ZIP 下载，把结果图、表格和配置打包，便于汇报材料整理。

使用前后对比

少一点折腾，多一点确定感

对比维度
传统脚本流程
OPGD / FGD 平台
参数配置
✕手动试错，记录分散
✓自动搜索，配置留痕
结果展示
✕输出零散，二次整理多
✓图表和摘要直接展示
流程连贯性
✕上传、运行、出图割裂
✓一步一步完成分析
成果沉淀
✕参数和图表难归档
✓报告与导出包统一保存
团队使用
✕授权和次数难管理
✓密钥、额度与后台管理
怎么开始

不用学习新工具，跟着步骤走就行

流程按真实用户的操作习惯拆成四步，每一步都明确告诉你接下来要做什么。

1

上传表格

支持 CSV 和 XLSX，系统自动识别字段和预览数据结构。

2

选择变量

选择你关心的结果变量 Y，以及可能影响它的 X 变量。

3

选择模块并提交

按研究问题选择 OPGD 或 FGD，平台在后台执行任务，并持续展示当前进度状态。

4

查看报告

直接查看结果图表，一键下载 ZIP，用于汇报或归档。

数据长什么样

普通表格就能开始，不需要特殊格式

只要有一个结果变量 Y 和若干候选影响变量 X，就可以进入分析流程。

表格预览 上传后会自动识别字段

`Y` 作为结果变量，`X1 ~ X7` 作为候选影响变量，用来演示变量选择、参数配置与后续分析流程。

Y + 7 个 X 前 5 行 结构化表格
{{ column }}
{{ value }}
适合谁用

从科研分析到业务研判，都能快速上手

只要你的问题涉及“哪些因素影响了空间差异”，就可以用它快速生成可解释结果。

🌿

生态环境

识别地形、气候、土地利用等因子对生态指标分异的解释力。

🏙️

城市治理

比较设施布局、治理条件和人群特征对空间结果的影响关系。

📈

区域发展

分析产业、人口、交通与公共服务对区域差异的驱动作用。

🎓

科研教学

让参数、图表和表格一起沉淀，便于附录、复现和课堂展示。

可以怎么用

把抽象问题，变成可展示的分析故事

以下场景展示平台能交付的结果形态，帮助用户快速判断是否适合自己的数据。

🌱
Example 01

生态质量驱动分析

以 NDVI 或生态质量指数为 Y，比较降水、地形、交通、土地利用等因子的解释力。

典型输出
Top Factor 排名 交互增强热力图 风险分层结果
📍
Example 02

区域发展分异分析

围绕夜间灯光、人口密度、产业集聚度等变量识别区域差异的主导驱动。

典型输出
最优离散化参数 因子 q 值对比 ZIP 导出包
🏗️
Example 03

城市治理研判分析

分析设施供给、路网密度、社区特征对治理指标的单因子与交互影响。

典型输出
组合增强判断 图表式报告 结果复核留痕
使用前先确认

开始之前，先把顾虑说清楚

降低第一次使用门槛，让用户知道自己该准备什么、能拿到什么。

我需要准备什么数据？

准备一份结构化表格即可。平台当前支持 CSV 和 XLSX，适用于区域、网格、行政单元或样点等分析场景。

和自己跑脚本相比，省在哪里？

平台把 上传、变量选择、参数配置、异步执行、图表展示、导出归档 串成完整流程，少做重复整理，少担心结果散落。

OPGD 和 FGD 应该怎么选？

默认选择 OPGD，适合完整地理探测报告；当连续变量边界不清晰、希望用软分层表达过渡关系时，可切换为 FGD。FGD 当前输出模糊因子探测和模糊交互探测。

结果能直接拿去汇报吗？

可以。平台保留关键参数、表格与图表，并支持 ZIP 打包下载，适合汇报材料整理、研究附录补充和结果复查。

团队使用能管控吗？

支持。当前平台保留 账号体系、平台密钥、分析次数、管理员后台和操作日志，适合正式团队环境下使用。

准备把你的数据
变成一份清晰报告了吗？

先用免费体验看一眼结果形态，再进入正式工作台完成完整分析。

本网站采用邀请制注册。如需获取邀请码，QQ联系：3941351484。

© OPGD / FGD 地理探测器分析平台
上传表格 · 模块选择 · 图表报告 · 一键导出
O
OPGD
3 分钟看懂价值

上传一张表，
生成能解释空间差异的 分析报告

选择目标变量 Y 和解释变量 X，平台会输出 q 值排序、交互探测关系、模型参数和可下载报告。先用示例数据跑通，再决定用 OPGD 还是 FGD 处理自己的研究问题。

01上传 CSV / Excel
02选择 OPGD / FGD
03导出图表报告

示例结果预览

先看到结论长什么样

空间归因
建筑密度 q = 0.62
植被覆盖 q = 0.48
道路密度 q = 0.35
解释力 最高因子自动置顶

先看哪个变量最能解释空间差异。

交互增强 组合关系直接呈现

再看两个因素叠加后是否更强。

先理解问题

你要的不是相关系数，而是能讲清楚的空间答案

很多分析真正关心的不是“两个变量有没有关系”，而是“为什么这个区域高、那个区域低，哪些因素更像背后的原因”。地理探测器正是围绕空间分层差异来做解释。

先找主导因素

比如城市热岛中，建筑密度、植被覆盖、道路密度，哪个最能解释温度差异。

再看组合效应

两个因素叠加后，解释力可能增强、减弱或相互独立，这比只看单个因素更接近真实世界。

讲成地图语言

q 值帮助判断某个因素划出的空间分区，和目标现象的高低格局有多一致。

科研价值

让空间归因从“感觉相关”变成“可量化解释”

OPGD 和 FGD 的价值，不只是给出一个 q 值，而是帮助论文、课题和项目报告把“空间差异从哪里来”讲得更有依据。

量化空间分层异质性

用 q 值衡量解释变量对目标变量空间分异的解释力，让空间差异有可比较指标。

减少主观分层干扰

OPGD 通过比较分层方法和分层数量，降低“凭经验切分变量”带来的不稳定。

表达连续空间过程

FGD 用模糊隶属度保留过渡区信息，更适合遥感、生态、污染等连续变量研究。

支持机制解释与交互分析

因子探测和交互探测可以帮助判断单个因素与多因素共同作用的解释差异。

用户价值

少一点试错，多一点可以直接写进报告的结论

对用户来说，平台的目标不是让你研究算法细节，而是更快完成数据上传、变量选择、模型判断、图表报告和结论表达。

用户常见困惑
自己摸索时
使用平台时
连续变量怎么分层
反复试分组，结论容易摇摆
OPGD 自动比较分层方法和等级数
边界模糊怎么表达
只能硬切成低、中、高
FGD 保留连续过渡和模糊归属
哪些因素更重要
只能看相关系数或主观判断
用 q 值、p 值和交互结果辅助排序
报告怎么组织
图表分散，结论难写
围绕因子、交互、参数和图表形成解释链
结果预览

先看平台会交付什么，再上传自己的数据

新用户最怕“跑完以后不知道怎么用”。这里把示例数据跑完后的核心结果提前展示出来：因子排序、交互增强、参数摘要和导出路径都能直接进入报告。

示例报告 城市热岛影响因素分析

示例数据展示的是报告结构和阅读方式，实际结果会随你的数据、变量和参数自动生成。

q 值排序 交互探测 ZIP 导出
因子解释力排序 Factor Detector
建筑密度q = 0.62
植被覆盖q = 0.48
道路密度q = 0.35
夜间灯光q = 0.29
交互探测结论 Interaction
建筑密度 × 植被覆盖双因子增强
道路密度 × 夜间灯光非线性增强
植被覆盖 × 道路密度双因子增强
报告会把“单因子强弱”和“组合后是否增强”分开呈现，便于写论文结果和项目汇报。
模型参数留痕 结果图表归档 报告 ZIP 下载
示例数据入口

没有自己的数据，也可以先完整跑一次

先用示例体验可以快速判断平台是否适合你的研究：不用整理数据、不用先想参数，直接看上传、配置、运行和报告导出的完整流程。

先看示例字段如何对应 Y、X 和空间单元。
再跑体验 OPGD / FGD 的模型选择和参数配置。
最后导出检查图表、结果摘要和 ZIP 报告是否满足交付需求。
两个模型怎么理解

OPGD 把变量分清楚，FGD 把过渡带讲清楚

一个更擅长找到清晰、稳定的分层方案；一个更擅长保留边界附近的过渡信息。选择哪个，取决于你的研究对象本身是不是“边界清楚”。

Optimal Parameters-based Geographical Detector

最优参数地理探测器（OPGD）

硬分层

很多变量本来是连续的，例如温度、降水、NDVI、人口密度。OPGD 会比较不同分层方法和分层数量，减少手动试错，让结果更容易解释。

低
中低
中高
高
  • 适合需要完整地理探测器报告的研究。
  • 适合边界相对明确、结论需要稳妥表达的场景。
  • 核心价值：把连续变量分得更合理，减少主观拍脑袋。

Fuzzy Geographical Detector

模糊地理探测器（FGD）

软分层

现实空间往往不是一刀切。FGD 的产品价值，是把“边界附近的样本”留在结果里，让连续变化、渐变边界和过渡区域不被简单切掉。

  • 适合遥感、生态、污染、城市热岛等连续空间变量。
  • 适合硬切分类后结论不稳定、过渡带又很重要的问题。
  • 核心价值：把“非黑即白”的分层，变成更贴近真实空间过程的软归属。
FGD 差异

当边界不是非黑即白，FGD 才真正有价值

FGD 不是为了多一个按钮，而是解决硬分层不自然的问题。只要你的变量存在连续过渡，FGD 就能作为 OPGD 之外的补充视角。

硬切会丢掉边界信息

生态质量、污染浓度、温度和遥感指数常常是渐变的，硬切成几类后，边界样本可能被过度简化。

同一份数据可以对照判断

先用 OPGD 看稳定硬分层结果，再用 FGD 看模糊过渡下结论是否一致，报告更有说服力。

适合讲清连续空间过程

当你需要解释“从低到高逐渐变化”的空间现象时，FGD 比单纯硬分类更容易讲清研究逻辑。

用户看到的问题 变量明明是连续变化，却被迫切成几个等级

例如城市边缘区、污染扩散带、生态过渡带，样本并不完全属于某一个清晰类别。

平台提供的处理方式 保留模糊隶属度，再比较 q 值和交互结果

你可以把 OPGD 和 FGD 作为两套视角对照：一个看清晰分层，一个看连续过渡。

数据长什么样

普通表格也能开始，关键是 Y、X 和空间单元

不必一开始就准备复杂地图文件。很多入门分析先从结构化表格开始：一列作为结果变量 Y，几列作为候选解释变量 X，每一行对应一个空间单元。

表格示意 把你的研究对象整理成“行”和“列”

行可以是区县、街道、网格、采样点或遥感像元；列就是目标现象和候选影响因素。

1 个 Y 多个 X 空间单元
区域 Y：地表温度 X1：植被覆盖 X2：建筑密度 X3：道路密度 X4：夜间灯光
网格 A 36.8 0.22 0.76 8.4 63
网格 B 31.4 0.61 0.31 3.2 28
网格 C 34.9 0.38 0.58 6.7 51
目标变量 Y

你最关心的结果，例如温度、污染、生态质量、发病率。

解释变量 X

你怀疑会影响 Y 的因素，例如植被、道路、人口、降水。

空间单元

每一行要能对应一个明确位置或区域，结果才有空间含义。

完整思路

从上传数据到看懂报告，按四步走就够了

不需要一开始就理解所有细节。先跑通这四步，就能得到一份可以继续讨论和打磨的空间解释结果。

01

选 Y 和 X

先明确要解释什么，再选择可能影响它的候选因素。

02

选择模型

边界清晰或想要完整报告选 OPGD，连续过渡明显可试 FGD。

03

调整参数

分层方法、分层数量、模糊系数都会影响解释结果。

04

阅读结果

先看 q 值，再看交互关系，最后结合研究背景解释。

怎么选

不知道选哪个，先按研究场景判断

两个模型不是谁替代谁，而是适合不同问题。先按下面的场景选，跑出结果后再比较更稳妥。

想要完整传统报告

优先选择 OPGD

不知道连续变量分几类

优先选择 OPGD

变量边界比较清晰

优先选择 OPGD

变量是连续遥感或环境指标

可以尝试 FGD

研究中存在明显过渡带

可以尝试 FGD

重点看模糊因子和模糊交互

可以尝试 FGD

简单建议：第一次使用时先选最优参数地理探测器（OPGD）更稳；如果变量明显连续变化、边界模糊，再尝试模糊地理探测器（FGD）。
典型场景

如果你的问题像这些，就值得试一次

只要问题里有“哪里更高、哪里更低、可能由什么造成”，就可以考虑用 OPGD 或 FGD 做解释性分析。

城市热岛

地表温度为什么在中心城区更高？建筑密度、道路密度、植被覆盖谁更关键？

OPGD / FGD 都可尝试

生态质量

生态指数为什么在不同区域差异明显？自然条件和人类活动分别解释多少？

连续指标可试 FGD

空气污染

PM2.5 或 NO2 的高值区由什么驱动？工业、交通、风速是否存在叠加影响？

交互探测很有用

灾害风险

滑坡、洪涝、干旱等风险为什么在某些区域集中？地形和降水能解释多少？

适合空间归因

公共健康

发病率为什么存在区域差异？环境、人口结构、医疗资源是否共同影响？

经典 GD 场景

遥感指数

NDVI、地表温度、生态质量指数通常连续变化，边界附近的信息值得保留。

FGD 吸引力强
问题拆解

把一句研究问题，拆成可分析的数据表

新手最常见的卡点不是算法，而是不知道自己的问题该怎么落到 Y、X 和空间单元。

例子

城市热岛为什么有的地方更严重？

这句话不用直接丢给模型。先把它拆成“要解释什么、用什么解释、在哪些空间单元上解释”。

Y：地表温度

结果变量，回答“哪里更高、哪里更低”。

X：植被覆盖、建筑密度、道路密度、夜间灯光

候选解释因素，回答“可能由什么造成”。

空间单元：街道、网格或采样点

分析对象，回答“在哪些地方比较”。

自然语言问题
Y 应该是什么
X 可以是什么
生态质量为什么有区域差异？
生态质量指数
降水、海拔、土地利用、人口密度
污染高值区为什么集中？
PM2.5 / NO2
工业密度、道路密度、风速、植被覆盖
灾害风险为什么有高低？
灾害强度或发生密度
坡度、降水、地质、土地覆盖
疾病发病率为什么空间聚集？
发病率
人口结构、环境因素、医疗资源、经济水平
参数别害怕

参数不是门槛，而是在描述你的研究选择

新手不需要先背公式。先知道每个参数会改变什么，后面再根据结果逐步调整。

分层方法

决定连续变量按什么规则分成几档，例如等间距、分位数、自然断点。

分层数量

决定分成多少个等级。太少会粗，太多可能碎，关键是稳定且能解释。

q 值

衡量某个因素解释空间差异的能力。通常越接近 1，解释力越强。

p 值

辅助判断结果是否显著，越小通常说明随机巧合的可能性越低。

模糊系数

控制 FGD 中边界有多柔和。越小越模糊，越大越接近硬分层。

置换检验次数

把真实结果和随机情况反复比较。次数越多通常越稳，但耗时也更长。

新手参数建议

第一次使用，先跑通，再精调

更稳妥的做法是先用保守设置跑出一份结果，再根据变量特点、q 值变化和报告目标逐步细化。

OPGD 起步建议

稳妥优先
分层方法

先使用常见分层方法，让结果先具备可比较性。

分层数量

先用中等范围，不建议第一次就追求特别多类别。

看结果重点

先看因子 q 值排名，再看交互增强关系，最后回头解释最优分层参数。

FGD 起步建议

连续变量
模糊系数

先用快速候选值观察趋势，再根据研究需要改成更细范围。

置换检验次数

探索阶段不用过高，正式报告再增加次数提高稳定性。

看结果重点

重点看模糊 q 值、交互关系，以及不同模糊系数下结论是否稳定。

q 值怎么读

q 值不是越大越“神”，要结合场景读

q 值越高通常说明解释力越强，但它不是因果证明。真正可靠的解读，要同时看变量含义、显著性、分层方案和研究背景。

0

接近 0

当前因素几乎解释不了 Y 的空间差异，可以降低关注优先级。

0.2

有一定解释

可能存在空间关联，需要结合 p 值、变量含义和样本情况判断。

0.5

解释力较强

说明该因素形成的空间格局和 Y 比较一致，值得重点解释。

1

接近完全解释

非常强，但仍要检查样本量、分层合理性和研究设计。

小白记法：先看排名，再看显著性，再看变量是否符合常识，最后再决定能不能写成可靠结论。
结果差异

同样是 q 值，两种模型的解读重点不同

两个模型都能告诉你解释力强弱，但背后的分层含义不同。写报告时，不要只复制数值，也要解释分层逻辑。

阅读问题
OPGD 怎么看
FGD 怎么看
单个因素强不强
看硬分层下的 q 值排名
看模糊分层下的 q 值排名
两个因素是否共同增强
看两个硬分层叠加后的交互类型
看两个模糊分层交集后的交互类型
分层结果意味着什么
每个样本明确属于某一等级
每个样本按程度属于多个等级
报告结论怎么写
强调最优分层方案、q 值排名和交互类型
强调连续过渡、模糊边界和结果稳定性
结果怎么看

拿到报告后，先看这三件事

1

先看 q 值

谁的 q 值更高，谁对目标变量空间差异的解释力通常更值得关注。

2

再看交互

两个因素一起看时，解释力是否增强，往往能揭示更真实的共同作用。

3

最后看模型边界

OPGD 更完整稳妥，FGD 更适合连续过渡。结论要写清模型边界。

结论怎么写

报告不是只看图，还要把结论说顺

对论文、汇报和项目材料来说，结论最好同时包含“结果是什么、说明什么、边界在哪里”。

因子探测句式

“在当前数据与分层方案下，X 对 Y 的空间分异具有较强解释力，q 值高于其他候选因素。”

说明谁更重要

交互探测句式

“X1 与 X2 共同作用后解释力增强，说明二者可能共同塑造目标变量的空间格局。”

说明共同作用

FGD 句式

“在模糊分层下，X 对 Y 的解释力保持稳定，说明连续过渡区域对空间归因具有重要意义。”

说明模糊过渡
术语速查

先懂这些词，读报告会轻松很多

先建立直觉，再逐步深入方法细节。下面这些解释更适合第一次接触地理探测器的用户。

空间分层异质性

同一类区域内部更像，不同类区域之间差异更明显。

因子探测

看单个因素能解释目标变量多少空间差异。

交互探测

看两个因素一起作用后，解释力是否增强或减弱。

硬分层

每个空间单元只能属于一个等级，例如低、中、高。

模糊隶属度

一个空间单元可以按不同程度属于多个等级。

过渡带

两个空间状态之间逐渐变化的区域，不适合简单一刀切。

什么时候先别急着用

方法好用，但不是所有问题都适合直接跑

先判断数据和问题是否匹配，能减少无效尝试，也能让结果更可信。

没有明确空间单元

每行数据如果不能对应位置或区域，就很难解释为空间分异。

变量没有研究含义

只把很多字段丢进去比大小，容易得到难以解释的结论。

样本过少或分层过碎

每一层样本太少时，q 值可能不稳定，显著性也难以判断。

想证明严格因果

地理探测器适合空间归因和解释，严格因果还需要额外研究设计。

常见误解

这些误解先避开，结果更容易讲清楚

q 值高就等于因果关系成立吗？

不是。q 值说明空间分层解释力强，但因果判断还需要研究设计、理论依据和其他证据支持。

FGD 是不是 OPGD 的替代品？

不是。最优参数地理探测器适合最优硬分层，模糊地理探测器适合表达连续过渡，二者是不同分析入口。

模糊地理探测器还需要分层吗？

需要。FGD 仍然要先形成初始分层，再把硬类别转化为模糊隶属度。

模糊系数是不是越大越好？

不是。模糊系数越大，结果越接近硬分层。更合理的做法是观察不同模糊程度下结果是否稳定。

关键词速览

你可能正在搜索这些问题

如果你在查地理探测器、OPGD、FGD、空间分层异质性、q 值解释或驱动因素分析，这一页可以作为快速入口。

最优参数地理探测器 OPGD 模糊地理探测器 FGD 地理探测器在线分析 空间分层异质性 q 值解释 空间归因分析 驱动因素识别 因子探测 交互探测 城市热岛影响因素 生态质量驱动因素 遥感指数空间分析 PM2.5 空间分异 NO2 污染归因

现在可以带着问题，
跑出第一份结果

想先看结果长什么样，可以从免费体验开始；已经准备好数据，就进入正式工作台完成完整分析。

© OPGD / FGD 地理探测器分析平台
小白快看 · 研究问题拆解 · 模型选择 · 结果解读
最高解释力因子 {{ report.summary?.top_factor || '-' }}
q-statistic {{ formatNumber(report.summary?.top_q_value) }}
分析耗时 {{ report.runtime_ms || 0 }}ms
正在恢复... {{ upload.original_filename }} {{ taskStatus.status }}
STEP 01

上传数据到 OPGD / FGD 工作台

这里尽量保持最少操作。选择 CSV 或 XLSX 后，平台会自动完成上传、解析和字段识别，后续可按研究问题选择最优参数地理探测器或模糊地理探测器。

CSV / XLSX 自动解析字段 上传后选择模型

拖拽文件到此处，或

支持 CSV / XLSX，建议首行为字段名

正在解析文件...

上传后会发生什么

平台会提取字段结构、识别可选变量，并自动带你进入下一页继续配置。

当前交付方式

字段明细只用于变量选择；若需查看前 5 行预览，可在管理员操作日志中查看。

数据已就绪

{{ upload.original_filename }}

{{ upload.row_count }} 行 × {{ upload.column_count }} 列
{{ col.name }}
STEP 02

变量配置

这一页只做变量决策。按照从上到下的顺序，先确定因变量，再补充自变量和类型变量。

{{ upload.original_filename }} · {{ upload.row_count }} 行 × {{ upload.column_count }} 列
01 因变量 Y

选择你希望被解释、被分析的结果变量。

02 自变量 X

从其余字段中勾选可能影响 Y 的驱动因素。

03 类型变量

如果某些 X 已经是类别型字段，可以在这里标记，平台会按类型变量处理。

请先至少选择一个自变量 X，再标记其中的类型变量。
Y：{{ analysisForm.y_col || '未选择' }} X：{{ analysisForm.x_cols.length }} 个 类型变量：{{ analysisForm.categorical_cols.length }} 个
STEP 03

参数配置

这一页改成上下阅读式布局。先填写标题和分级范围，再往下选择离散化方法，最后直接提交分析。

Y：{{ analysisForm.y_col || '未选择' }} X：{{ analysisForm.x_cols.length }} 个 类型变量：{{ analysisForm.categorical_cols.length }} 个
01 报告信息

标题可选，不填时也可以直接运行分析。

02 计算模块

默认使用最优参数地理探测器（OPGD）；需要连续变量软分层时可切换为模糊地理探测器（FGD）。

{{ activeFuzzinessMode.desc }}当前候选：{{ analysisForm.fuzziness_values_text || '未填写' }}

03 分级范围

{{ analysisForm.analysis_model === 'fuzzygd' ? '模糊地理探测器按作者实验支持从 2 类开始搜索。' : '决定连续变量搜索的最小和最大离散等级。' }}

04 离散化方法

支持多选。页面会按卡片方式展示，便于从上到下连续浏览。

K-means 和 RGD 属于增强分层方法，默认不勾选；需要对聚类结构或非线性关系做更充分搜索时，可手动启用。

模型：{{ analysisForm.analysis_model === 'fuzzygd' ? '模糊地理探测器' : '最优参数地理探测器' }} 方法：{{ analysisForm.methods.length }} 种 范围：{{ analysisForm.min_bins }} - {{ analysisForm.max_bins }} 标题：{{ analysisForm.title || '未填写' }}
{{ taskStatus.status || 'PENDING' }}

{{ taskStatus.message || activeRunningTitle }}

{{ activeRunningSteps }}

通常耗时 10~60 秒，刷新页面不会丢失进度

任务 ID：{{ activeTaskId }} 提交时间：{{ formatDate(taskStatus.created_at) }} 开始时间：{{ formatDate(taskStatus.started_at) }}

结果基于当前数据与参数；统计关系不等于因果，需结合实际判断。

先看结果形态，再进入 OPGD / FGD 正式工作台

免费体验版适合快速判断产品是否有用：你可以直接使用示例数据，也可以上传小于 1MB 的 CSV / XLSX 文件，先看 q 值排序和报告样式；登录后再按研究问题选择最优参数地理探测器或模糊地理探测器。

最快路径 不准备文件，直接看 q 值预览

系统会生成一份标准示例 CSV，并带你进入变量选择页面，先体验从表格到关键因素排序的完整路径。

上传前准备 下载模板，对照整理真实数据

第一行是字段名，至少包含 1 个结果变量 Y 和 1 个影响变量 X。整理好后可进入正式工作台切换 OPGD / FGD。

你需要知道的体验范围

免费版只读取前 8 列、前 300 行，固定展示轻量因子探测预览，帮助你判断数据结构和 q 值排序是否有解释价值。

正式工作台可选择最优参数地理探测器（OPGD）或模糊地理探测器（FGD），并解锁交互探测、风险探测、生态探测、模糊结果和 ZIP 报告导出。

游客体验不记录完整分析日志，仅保留上传时间和启动分析时间用于基础运行审计。

拖拽文件到此处，或

支持 CSV / XLSX，文件 < 1MB，取前 8 列 × 前 300 行

正在上传...

{{ freeTrialError }}

已接收：{{ freeTrialUpload.original_filename }}，实际参与分析 {{ freeTrialUpload.effective_rows }} 行 × {{ freeTrialUpload.effective_columns.length }} 列

告诉系统：你想解释哪个结果

选择一个结果变量 Y，再选择可能影响它的 X 变量。免费体验会锁定轻量参数，让你先看平台能否输出有价值的解释；正式工作台再开放 OPGD / FGD 模型选择和完整参数配置。

当前体验数据

实际参与分析字段：{{ freeTrialUpload.effective_columns.join(' / ') }}

如果原始文件超过前 8 列 / 前 300 行，系统已自动裁剪。

如果某个 X 是行政区、类别、等级等非连续数值，请勾选为类型变量；不确定时可以先不勾选。

FREE TRIAL

地理探测器免费体验进行中...

数据检查 → 分层预览 → 因子探测 q 值 → 生成结果预览

通常耗时 10~30 秒，请稍等

FREE TRIAL · 地理探测器结果预览

{{ freeTrialResult.title }}

{{ freeTrialInsightText }}

统计关系不等于因果，需结合实际判断。

最高解释力因子 {{ freeTrialResult.factor_detector_q_values?.[0]?.Factor || '-' }}
q-statistic {{ formatNumber(freeTrialResult.factor_detector_q_values?.[0]?.['q-statistic']) }}
有效数据 {{ freeTrialResult.dataset_summary.effective_rows }} 行 × {{ freeTrialResult.dataset_summary.effective_columns.length }} 列

关键影响因素排名

q 值越高，说明该因素对结果变量差异的解释力越强。

Top {{ freeTrialTopFactors.length || 0 }}
这说明什么

优先查看排名靠前的因素，它们更可能解释结果变量的空间差异。

下一步怎么做

进入正式工作台后可选择 OPGD 或 FGD，查看交互增强、风险分层、生态显著性或模糊过渡结果，并下载完整 ZIP 报告。

关键因素明细（因子探测器 q 值）

因子q-statistic
{{ row.Factor }} {{ formatNumber(row['q-statistic']) }}

更多探测结果（正式版可查看）

{{ module.mask_title }}

{{ module.mask_desc }}

本次体验参数

体验模型：轻量因子探测预览（正式工作台可切换 OPGD / FGD）

离散方法：{{ freeTrialResult.applied_config.methods.map(method => methodOptions.find(item => item.value === method)?.label || method).join(' / ') }}

离散等级：{{ freeTrialResult.applied_config.min_bins }} - {{ freeTrialResult.applied_config.max_bins }} 类

原始文件：{{ freeTrialResult.dataset_summary.original_filename }}{{ freeTrialResult.dataset_summary.truncated ? '（已裁剪为前 8 列前 300 行）' : '' }}

Admin Console

OPGD / FGD 管理后台

管理用户、平台密钥、分析额度，以及 OPGD / FGD 分析日志。

{{ adminActionFeedback.message }} {{ adminActionFeedback.time }}
用户总数：{{ adminUsers.total }} 已消耗次数仅统计正式分析扣次，不包含管理员手动调整。
ID用户名手机号角色分析次数已消耗次数状态创建时间操作
{{ item.id }} {{ item.username }} {{ item.phone }} {{ item.role }} {{ item.ai_tokens }} {{ item.consumed_count ?? 0 }} {{ item.is_active ? '启用' : '禁用' }} {{ formatDate(item.created_at) }}
平台密钥总数：{{ adminKeys.total }}

系统会自动同步历史 VALID_KEYS，后台新增平台密钥统一为 9 位复杂格式。

ID平台密钥状态使用者使用时间创建时间
{{ item.id }} {{ item.code }} {{ item.is_used ? '已使用' : '未使用' }} {{ item.used_by_username || item.used_by_user_id || '-' }} {{ formatDate(item.used_at) }} {{ formatDate(item.created_at) }}
OPGD / FGD 操作日志：{{ adminLogs.total }}

按一次完整分析链路聚合展示，支持按模型、用户、task_id、request_id 和状态筛选，并查看节点级 trace。

节点级监控

最近 {{ adminTraceNodeSummary.days || adminTraceSummaryDays }} 天的节点执行情况，优先按失败次数排序。

节点总次数失败成功率平均耗时(ms)最近失败最近发布
{{ item.node_code }} {{ item.total || 0 }} {{ item.failed || 0 }} {{ item.success_rate === null || item.success_rate === undefined ? '-' : (item.success_rate * 100).toFixed(2) + '%' }} {{ item.avg_duration_ms || '-' }} {{ formatDate(item.latest_failed_at) }} {{ item.latest_release_id || '-' }}
最近时间范围内暂无节点级 trace 数据
用户文件 / 标题模型状态上传时间分析开始分析结束ZIP 导出总耗时IP操作
{{ item.username || item.user_id }} {{ item.original_filename || item.config_params?.title || '当前分析任务' }}

task={{ item.task_id || '-' }}

 {{ item.analysis_model_label || ((item.analysis_model || item.config_params?.analysis_model) === 'fuzzygd' ? 'FGD' : 'OPGD') }} {{ item.status }} {{ formatDate(item.upload_time) }} {{ formatDate(item.analysis_started_at) }} {{ formatDate(item.analysis_completed_at) }} {{ formatDate(item.export_zip_at) }} {{ item.duration_ms || '-' }} {{ item.ip_address || '-' }}
暂无 OPGD / FGD 操作日志
第 {{ adminLogs.page || 1 }} / {{ Math.ceil((adminLogs.total || 0) / (adminLogs.page_size || 20)) || 1 }} 页
访问流量统计

免费使用按 IP 聚合，正式使用按账户聚合；图表仅支持按天选择时间范围。

免费使用访问事件 {{ adminTraffic.free_trial.total_events || 0 }}

独立 IP：{{ adminTraffic.free_trial.unique_visitors || 0 }}

正式使用访问事件 {{ adminTraffic.formal.total_events || 0 }}

独立账户：{{ adminTraffic.formal.unique_visitors || 0 }}

免费使用每日趋势

显示每天的访问事件数和独立 IP 数。

正式使用每日趋势

显示每天的访问事件数和独立账户数。

免费使用 IP 排名

按所选日期范围内的访问事件数排序。

正式使用账户排名

按所选日期范围内的访问事件数排序。

国内访客 IP 省份统计

官方 EPS 底图与透明访问数据层独立渲染。

{{ adminTraffic.geo_distribution?.domestic_unique_ips || 0 }} 国内 IP {{ adminTraffic.geo_distribution?.overseas_unique_ips || 0 }} 海外
自然资源部监制中国标准地图，审图号 GS(2016)1600号，完整保留南海附图
正在加载标准地图...
标准地图加载失败，请刷新页面重试。
数字为独立 IP 数量
审图号：GS(2016)1600号 自然资源部监制 · 官方 EPS 仅转换为 PNG
日期免费使用事件数免费独立 IP正式使用事件数正式独立账户
{{ item.date }} {{ item.count || 0 }} {{ item.unique_visitors || 0 }} {{ adminTraffic.formal.daily[index]?.count || 0 }} {{ adminTraffic.formal.daily[index]?.unique_visitors || 0 }}
当前时间范围内暂无流量数据
类型访问主体事件数
免费使用 {{ item.label }} {{ item.count }}
正式使用 {{ item.label }} {{ item.count }}
当前时间范围内暂无主体排名数据
{{ isLoginMode ? 'Sign In' : 'Register' }}

{{ isLoginMode ? '登录 OPGD / FGD 平台' : '使用平台密钥注册' }}

{{ pendingAuthAction === 'workbench' ? '登录后会自动进入正式工作台，继续完整地理探测器分析。' : (isLoginMode ? '进入工作台，继续你的地理探测器分析流程。' : '通过平台密钥完成注册，立即开启 OPGD / FGD 分析。') }}

如需获取平台邀请码（密钥），QQ联系：3941351484。

{{ authError }}

{{ toast.message }}
{{ opLogDetail?.analysis_model_label || 'OPGD' }} Log

操作日志详情

用户 {{ opLogDetail.username }} · task={{ opLogDetail.task_id || '-' }}

正在加载日志详情...