Autocorrelación espacial incremental (Estadística espacial)
Resumen
Mide la autocorrelación espacial de una serie de distancias y, de manera opcional, crea un gráfico de línea de esas distancias y sus correspondientes puntuaciones z. Las puntuaciones z reflejan la intensidad del clustering espacial y las puntuaciones z pico estadísticamente significativas indican las distancias donde los procesos espaciales que promueven el clustering son más marcadas. Estas distancias pico son a menudo los valores adecuados para utilizar para herramientas con un parámetro de Radio de distancia o Banda de distancia.
Ilustración
 |
Z-score peaks reflect distances where the spatial processes promoting clustering are most pronounced. |
Uso
Esta herramienta puede ayudarle a seleccionar un Umbral de distancia o Radio apropiado para las herramientas que tienen estos parámetros, como Análisis de punto caliente o Densidad de punto.
La herramienta Autocorrelación espacial incremental mide la autocorrelación espacial de una serie de incrementos de distancia e informes, para cada incremento de distancia, el Índice de Moran asociado, Índice esperado, Varianza, puntuación z y el valor p. Se puede acceder a estos valores desde la ventana Resultados al hacer clic con el botón derecho sobre la entrada Mensajes y seleccionar Ver. La herramienta también pasa, como salida derivada, la primera puntuación z pico y la puntuación z pico máxima para el uso potencial en modelos o secuencias de comandos (ver, por ejemplo, la secuencia de comandos de muestra a continuación).
-
Cuando hay más de un pico estadísticamente significativo, el clustering se pronuncia en cada una de esas distancias. Seleccione la distancia pico que mejor corresponde a la escala de análisis en la que está interesado; con frecuencia, este es el primer pico estadísticamente significativo que se encuentra.
El Campo de entrada debe contener una variedad de valores. La operación matemática para esta estadística requiere cierta variación en la variable analizada; no puede resolver si todos los valores de entrada son 1, por ejemplo. Si desea utilizar esta herramienta para analizar el patrón espacial de los datos de incidentes, considere agregar los datos de incidentes.
-
Los cálculos basados en la distancia euclidiana o de Manhattan requieren datos proyectados para medir distancias correctamente.
-
Los centroides de entidad se utilizan en los cálculos de distancia para las entidades de línea y polígono. Para multipuntos, polilíneas o polígonos con varias partes, el centroide se calcula utilizando el centro medio ponderado de todas las partes de entidad. La ponderación para las entidades de punto es 1, para las entidades de línea es longitud y para las entidades de polígono es área.
-
Las capas del mapa se pueden utilizar para definir la Clase de entidad de entrada. Cuando se utiliza una capa con una selección, sólo las entidades seleccionadas se incluyen en el análisis.
Para las entidades de polígono, casi siempre deseará elegir Fila para el parámetro Estandarización de filas. La estandarización de filas reduce el sesgo cuando la cantidad de vecinos que posee cada entidad es una función del esquema de agregación o proceso de muestreo, en lugar de reflejar la distribución espacial real de la variable que está analizando.
Si no se da la Distancia de inicio, la distancia predeterminada es la distancia a la que cada entidad en el dataset tiene al menos un vecino. Es posible que esta no sea la distancia de inicio más apropiada si su dataset incluye valores atípicos espaciales.
Si no se proporciona una Distancia de aumento, se utiliza la distancia promedio del vecino más cercano.
Es posible que la memoria sea insuficiente cuando ejecuta esta herramienta. Generalmente, esto se produce cuando se especifica una Distancia de inicio o Distancia de aumento que genera entidades con una gran cantidad de vecinos. Generalmente, no desea crear relaciones espaciales donde las entidades tienen miles de vecinos. Utilice un valor más pequeño para Distancia de aumento y elimine temporalmente los valores atípicos espaciales para que pueda comenzar con valores de Distancia de inicio menores.
Las distancias siempre se basan en la configuración del entorno Sistema de coordenadas de salida. La configuración predeterminada para el entorno del Sistema de coordenadas de salida es Igual que la entrada. Las entidades de entrada se proyectan al sistema de coordenadas de salida antes del análisis.
La Tabla de salida opcional incluirá el valor de distancia en cada iteración, el valor del Índice I de Moran, el valor esperado del Índice I de Moran, la varianza, la puntuación z y el valor p. Un pico supondría un aumento en el valor de la puntuación z, seguido por una caída en el valor de la puntuación z. Por ejemplo, si esta herramienta encuentra la siguiente serie de puntuaciones z para distancias de 50, 100 y 150 metros, 2,95, 3,68, 3,12, el pico sería 100 metros.
Se crea el archivo de informe de salida opcional como un archivo PDF y se puede acceder desde la ventana Resultados al hacer doble clic en el nombre de archivo.
Esta herramienta creará opcionalmente un informe en PDF que resume los resultados. Los archivos PDF no aparecen automáticamente en la ventana Catálogo. Si desea que los archivos PDF se muestren en Catálogo, abra la aplicación ArcCatalog, seleccione la opción de menú Personalizar, haga clic en Opciones de ArcCatalog y seleccione la pestaña Tipos de archivo. Haga clic en el botón Nuevo tipo y especifique PDF, según se muestra abajo, para Extensión de archivo.
En los equipos configurados con los paquetes de idiomas de ArcGIS para chino o japonés, es posible que observe que falta texto o problemas de formato en el Archivo de informe de salida en PDF. Estos problemas se puede corregir al cambiar la configuración de fuente.
Cuando no se identifican puntuaciones z pico, tanto los parámetros de salida derivados de la primera puntuación z pico y de la puntuación z pico máxima se devuelven en blanco.
Sintaxis
| Parámetro | Explicación | Tipo de datos |
Input_Features |
La clase de entidad para la que se medirá la autocorrelación espacial en una serie de distancias. | Feature Layer |
Input_Field |
El campo numérico utilizado en la evaluación de la autocorrelación espacial. | Field |
Number_of_Distance_Bands |
El número de veces que se incrementará el tamaño de la vecindad y se analizará el dataset para la autocorrelación espacial. El punto de inicio y el tamaño del incremento se especifican en los parámetros Distancia de inicio e Incremento de distancia, respectivamente. | Long |
Beginning_Distance (Opcional) |
La distancia a la que se inicia el análisis de la autocorrelación espacial y la distancia desde la que se incrementa. El valor introducido para este parámetro debe estar en las unidades de la configuración del entorno del Sistema de coordenadas de salida. | Double |
Distance_Increment (Opcional) |
La distancia que se va a incrementar después de cada iteración. La distancia que se utiliza en el análisis comienza en la Distancia de inicio y aumenta según la cantidad especificada en el Incremento de distancia. El valor introducido para este parámetro debe estar en las unidades de la configuración del entorno del Sistema de coordenadas de salida. | Double |
Distance_Method (Opcional) |
Especifica cómo se calculan las distancias desde cada entidad hasta las entidades vecinas.
| String |
Row_Standardization (Opcional) |
| Boolean |
Output_Table (Opcional) |
La tabla que se va a crear con cada banda de distancia y resultado de la puntuación z asociado. | Table |
Output_Report_File (Opcional) |
El archivo PDF que se creará y que contiene un gráfico de línea que resume los resultados. | File |
Ejemplo de código
La siguiente secuencia de comandos de la ventana de Python muestra cómo utilizar la herramienta IncrementalSpatialAutocorrelation.
import arcpy, os import arcpy.stats as SS arcpy.env.workspace = r"C:\ISA" SS.IncrementalSpatialAutocorrelation("911CallsCount.shp", "ICOUNT", "20", "", "", "EUCLIDEAN", "ROW_STANDARDIZATION", "outTable.dbf", "outReport.pdf")
La siguiente secuencia de comandos de Python independiente demuestra cómo utilizar la herramienta IncrementalSpatialAutocorrelation.
# Hot Spot Analysis of 911 calls in a metropolitan area # using the Incremental Spatial Autocorrelation and Hot Spot Analysis Tool # Import system modules import arcpy, os import arcpy.stats as SS # Set geoprocessor object property to overwrite existing output, by default arcpy.gp.overwriteOutput = True # Local variables workspace = r"C:\ISA" try: # Set the current workspace (to avoid having to specify the full path to the feature classes each time) arcpy.env.workspace = workspace # Copy the input feature class and integrate the points to snap together at 30 feet # Process: Copy Features and Integrate cf = arcpy.CopyFeatures_management("911Calls.shp", "911Copied.shp","#", 0, 0, 0) integrate = arcpy.Integrate_management("911Copied.shp #", "30 Feet") # Use Collect Events to count the number of calls at each location # Process: Collect Events ce = SS.CollectEvents("911Copied.shp", "911Count.shp") # Use Incremental Spatial Autocorrelation to get the peak distance # Process: Incremental Spatial Autocorrelation isa = SS.IncrementalSpatialAutocorrelation(ce, "ICOUNT", "20", "", "", "EUCLIDEAN", "ROW_STANDARDIZATION", "outTable.dbf", "outReport.pdf") # Hot Spot Analysis of 911 Calls # Process: Hot Spot Analysis (Getis-Ord Gi*) distance = isa.getOutput(2) hs = SS.HotSpots(ce, "ICOUNT", "911HotSpots.shp", "Fixed Distance Band", "Euclidean Distance", "None", distance, "", "") except: # If an error occurred when running the tool, print out the error message. print arcpy.GetMessages()
Entornos
- Sistema de coordenadas de salida
La geometría de entidades se proyecta al sistema de coordenadas de salida antes del análisis. Todos los cálculos matemáticos se basan en la referencia espacial del sistema de coordenadas de salida.