Alat statistik spasial: analisis pengelompokan data raster

Saya memiliki masalah yang tampaknya sederhana, tetapi saya tidak dapat menemukan metodologi yang jelas untuk digunakan.

Saya ditugaskan untuk membatasi "daerah perkotaan" dengan poligon cembung vektor, menggunakan dataset Gridded Population of the World dari CIESIN

Dataset ini memberikan nilai kepadatan populasi di seluruh dunia, sebagai file raster. Masalahnya adalah, seperti yang sudah Anda tebak, bahwa nilai kerapatan sangat berubah, dan definisi "urban" cukup relatif.

Saya sudah mencoba menggunakan pendekatan klasik dan menghitung lereng seolah-olah nilai kerapatan adalah ketinggian, tetapi nilai lereng juga sangat berbeda dan kompleks secara spasial, rumit.

Saya telah melihat ke dalam algoritma pengelompokan spasial, alat LISA (Indocators of Spatial Association) Lokal, dengan ArcGIS dan GeoDa, tapi saya cukup tersesat di antara alat yang sangat spesifik. Beberapa metode hanya bekerja pada bentuk vektor, sehingga reklasifikasi dan vektorisasi diperlukan (perhitungan panjang).

Bisakah Anda membantu saya menyempurnakan serangkaian metode dan alat untuk digunakan? Terima kasih!

— Laurent Jégou
sumber

Apa sebenarnya adalah definisi Anda tentang "urban"? BTW, saya tidak akan mengharapkan semua daerah perkotaan dijelaskan secara memadai oleh poligon cembung . Banyak yang memiliki bentuk yang dikendalikan oleh fitur geografis - gunung, garis pantai, dan sungai - yang sangat non-cembung.

— whuber

Definisi tidak diberikan, bukan konstanta. Saya pikir tujuannya adalah untuk menemukan area yang secara substansial lebih padat sehubungan dengan lingkungan mereka, yang bervariasi. Jadi ide tentang statistik spasial dan LISA. Anda benar tentang cembung, saya seharusnya menulis "tidak memotong-sendiri dan tidak memotong poligon lain".

— Laurent Jégou

Sebagai pelengkap, saya menemukan seluruh modul R yang didedikasikan untuk alat aglomerasi spasial: spdep.

— Laurent Jégou

Jawaban:

Saya melakukan beberapa pekerjaan untuk MSc saya http://ian01.geog.psu.edu/papers/mscthesis.pdf - pada dasarnya saya bekerja pada perubahan gradien tetapi diskusi dapat membantu Anda dengan ini.

— Ian Turton
sumber

Terima kasih, saya akan segera membacanya, tapi itu menjanjikan :-)

— Laurent Jégou

Saya sudah mencoba metode turunan Sobel 2 ganda yang Anda jelaskan dalam tesis, pada zona uji terbatas, dan ini sangat menarik! Kernel urban yang jelas terisolasi, menggambarkan nilai densitas yang sangat berbeda. Banyak terima kasih :) Omong-omong saya menggunakan perangkat lunak bebas dan sumber terbuka untuk menghitung konvolusi dan matematika raster: Opticks.

— Laurent Jégou

Ukuran cahaya buatan akan menjadi proksi yang baik untuk kondisi perkotaan. Pencarian google harus menemukan contoh studi.

— b_dev

@indiehacker - Saya melihat itu tetapi tergantung secara budaya, Perancis misalnya jauh lebih gelap daripada Inggris.

— Ian Turton

Dari sudut pandang kepadatan penduduk, "daerah perkotaan" umumnya harus memenuhi hanya beberapa kriteria aksiomatik :

Batasnya tidak boleh mencakup titik-titik dengan kepadatan (relatif) tinggi dibandingkan dengan kepadatan maksimum dalam interiornya.
Ini harus dihubungkan dengan mudah (tidak ada "lubang").
Kepadatan populasi rata-rata harus melebihi ambang batas yang ditentukan sebelumnya.

Aksioma (1) adalah yang paling alami: jika titik batas memiliki kepadatan tinggi, kita hanya akan memindahkan batas ke luar untuk memasukkan titik itu dalam wilayah perkotaan. Saya ingin menyarankan bahwa "relatif" berarti sebagai proporsi maksimum , seperti sepersepuluh atau seperseratus atau apa pun. Aksioma (2) menghindari taman tidak termasuk dan daerah kepadatan rendah lainnya yang secara alami terjadi di kota. Aksioma (3) , yang karena tergantung pada ambang batas agak sewenang-wenang, menghilangkan desa-desa kecil yang kompak.

Sebenarnya, setidaknya ada satu unsur kesewenang-wenangan lainnya: setiap peta kepadatan populasi yang tersusun secara rata-rata secara implisit rata-rata populasi di lingkungan lokal (sama dengan satu sel dalam beberapa kasus dan sama dengan jari-jari kernel untuk perkiraan kepadatan kernel). Mari kita terima ukuran lingkungan implisit ini (yang dapat diubah dengan pertama-tama menjalankan focal means atau kernel smooths lain di atas peta kepadatan asli), ambang batas populasi ini, dan pengertian "relatif tinggi" dalam aksioma 1 sebagai parameter yang dapat diatur pengguna yang mengontrol hasil.

Aksioma-aksioma ini mengarah secara alami ke algoritma yang cukup sederhana : seseorang harus menemukan maxima lokal, lihat di lingkungan mereka sampai batas ditemukan memenuhi aksioma (1), isi setiap lubang untuk memenuhi aksioma (2), dan kemudian saring semua area kandidat tersebut menurut (3). Ini dilakukan sebagai berikut:

Secara opsional, menghaluskan peta kerapatan.
Lakukan algoritme "isi" pada peta terkait kerapatan (lihat di bawah).
RegionGroup hasilnya.
Hapus lubang dari poligon RegionGrouped.
Lakukan jumlah zonal dari kepadatan populasi di atas poligon yang terisi.
Hilangkan semua poligon yang memiliki jumlah (atau kepadatan rata-rata) di bawah ambang batas populasi (kepadatan).

Yang tersisa adalah solusi Anda.

Izinkan saya mengatakan sedikit lebih banyak tentang langkah (1), yang merupakan kuncinya. Algoritma isian mengidentifikasi "tenggelam" dan "mengisinya" hingga jumlah yang konstan di atas ketinggiannya. Ini adalah persis apa yang Aksioma (1) minta kita lakukan, asalkan (a) kita dapat membuat "tenggelam" memainkan peran "maksimum lokal" dan (b) membuat "jumlah konstan di atas" memainkan peran " fraksi konstan . " Cara untuk melakukan ini adalah dengan mengisi logaritma negatif dari kepadatandaripada kepadatan itu sendiri. (Tambahkan konstanta kecil terlebih dahulu ke kerapatan - katakanlah, sekitar 0,1 orang per kilometer persegi - sebelum mengambil log, sehingga setiap sel yang mengandung nol tidak akan menyebabkan masalah.) "Danau" di kandidat identifikasi kepadatan log negatif daerah perkotaan. Anda masih memiliki tiga parameter independen untuk dimainkan (memasukkan pada langkah 0, 1, dan 5); pengaturan mereka akan memerlukan beberapa pemikiran tentang apa yang Anda maksud dengan "area perkotaan" serta beberapa eksperimen.

— whuber
sumber

Terima kasih atas jawaban terinci Anda. Saya akan mencoba menemukan alat perangkat lunak yang tepat (atau memprogramnya) untuk menguji algoritma pengisian dengan log negatif, yang tampaknya merupakan petunjuk yang bagus.

— Laurent Jégou