作物需水量具有空间变异性，因此也是区域化变量，几乎所有的区域化变量都具有空间依棘。空间依赖的存在违反了大多数传统统计分析中观测值相互独立的基本假定，将经典统计学应用于空间数据分析时，通常不能捕捉到这种空间依赖，使许多与地理空间有关的问题无法解决。而ESDA方法则以新的思维模式观察事物，以新的技术手段探索空间数据，从根本上改变了传统的统计分析观念，改善了传统的统计分析方法与方式，能够适用子空间数据分析。本文将ESDA与GTS相结合，利用前者丰富的空间分折功能和后者强大的交互功能与可视化功能对河南省冬小麦需水量分布的空间模式进行探测、识别和分析。研究结果表明。在整个研究区域上.在1％显著性水平下，灌溉试验站点集聚性较轻，基本上呈分散分布。本文对作物需水量空间分布模式及其发生尺度的分析尚是初步的。