प्रभावी गर्मी के नक्शे का निर्माण?


65

ArcGIS, QGIS, घास और / या GVSIG का उपयोग करना:

  • प्रभावी ताप मानचित्र बनाने में शामिल कुछ उपकरण और प्रक्रियाएं क्या हैं?
  • प्लगइन्स क्या शामिल हैं?
  • डेटा की प्रमुख आवश्यकताएं क्या हैं?
  • मौजूदा गर्मी के नक्शे में क्या खामियां हैं?
  • कुछ ऐसे मुद्दे हैं जो गर्मी के नक्शे को प्रभावी ढंग से कवर नहीं कर सकते हैं?
  • हीट मैप कैसे नहीं करें?
  • क्या डेटा प्रतिनिधित्व के लिए हीट मैप की तुलना में बेहतर विकल्प (उसी संदर्भ में) हैं?

यद्यपि यह आपके द्वारा निर्दिष्ट किसी भी उपकरण का उपयोग नहीं करता है, आप इस पायथन लिपि के साथ-साथ jjguy.com/heatmap
radek

1
Dassouki, क्या आप स्पष्ट कर सकते हैं कि "हीट-मैप" से आपका क्या मतलब है? विकिपीडिया को लगता है कि यह मानों की एक सरणी का एक कोरोप्लेथ प्रतिपादन है। यह सूक्ष्म रूप से, लेकिन महत्वपूर्ण रूप से, इस धागे के सभी उत्तरों से अलग है , जो यह मानते हैं कि इसका मतलब किसी भी ग्रिड- (या छवि-) आधारित विशेषता का एक मानचित्र है, विशेष रूप से एक जो बिंदु डेटा से ग्रिड पर प्रक्षेपित किया गया है। आपके सभी बुलेटेड प्रश्नों के उत्तर एक सच्चे हीट मैप के लिए अलग-अलग होंगे।
व्हिबर

जवाबों:


74

इस प्रश्न को कम्युनिटी विकी में बदल दिया गया है और विकी लॉक किया गया है क्योंकि यह एक प्रश्न का एक उदाहरण है जो उत्तरों की एक सूची की तलाश करता है और इसे बंद होने से बचाने के लिए पर्याप्त लोकप्रिय प्रतीत होता है। इसे एक विशेष मामले के रूप में माना जाना चाहिए और इसे उस प्रकार के प्रश्न के रूप में नहीं देखा जाना चाहिए जो इस पर प्रोत्साहित किया जाता है, या किसी भी स्टैक एक्सचेंज साइट पर, लेकिन यदि आप इसे और अधिक सामग्री योगदान करना चाहते हैं, तो इस उत्तर को संपादित करके ऐसा करने के लिए स्वतंत्र महसूस करें। ।


कम से कम दो अलग-अलग प्रकार के ताप नक्शे हैं:

  1. हीटमैप बिंदुओं की एकाग्रता का प्रतिनिधित्व करते हैं, और
  2. हीटमैप विशेषता मूल्यों के वितरण का प्रतिनिधित्व करते हैं

हर विधि के फायदे और समस्याएं हैं, मुझे डर है कि विस्तार से जाना इस क्यू एंड ए से परे है।

मैं QGIS और GRASS के कुछ तरीकों और कार्यों को सूचीबद्ध करने का प्रयास करूँगा।

अंकों का एकाग्रता

यदि आप वन्यजीवों, वाहनों आदि की आवाजाही पर नज़र रख रहे हैं, तो यह स्थान संदेशों के उच्च संकेंद्रण वाले क्षेत्रों का आकलन करने के लिए उपयोगी हो सकता है।

उपकरण: जैसे QGIS हीटमैप प्लगइन (संस्करणों में उपलब्ध है। 1.7.x) या GRASS v.neighbors या v.kense

गुण मानों का वितरण

यहाँ, हम मूल रूप से प्रक्षेप तरीकों के बारे में कम या ज्यादा बात कर रहे हैं। विधियों में शामिल हैं:

  1. आईडीडब्ल्यू

    कार्यान्वयन के आधार पर यह वैश्विक हो सकता है (सेट में सभी उपलब्ध बिंदुओं का उपयोग करके) या स्थानीय (बिंदुओं की संख्या से सीमित या अंकों और प्रक्षेपित स्थिति के बीच अधिकतम दूरी)।

    उपकरण: QGIS इंटरपोलेशन प्लगइन (वैश्विक), GRASS v.surf.idw या r.surf.idw (स्थानीय)

  2. splines

    फिर, बड़ी संख्या में संभावित कार्यान्वयन। बी-स्प्लिन लोकप्रिय हैं।

    उपकरण: GRASS v.surf.bspline

  3. kriging

    विभिन्न उप-प्रकारों के साथ सांख्यिकीय विधि।

    उपकरण: GRASS v.krige (टिप के लिए om_henners के लिए धन्यवाद) या आर का उपयोग करना।


1
GRASS द्वारा kriging, v.krige ( grass.osgeo.org/wiki/V.krige_GSoC_2009 ) के लिए एक इंटरफ़ेस है , लेकिन इसमें अभी भी R, और GRASS Wiki पृष्ठ पर उल्लिखित विभिन्न R संकुल और बाइंडरों की आवश्यकता है।
om_henners

क्यूजीआईएस 2.8 के बाद से बिंदु परतों के लिए हीटमैप रेंडरर है। नया डेटा बनाने की आवश्यकता नहीं है।
अलेक्जेंड्रे नेटो

34

सांख्यिकीय रूप से, यहां बताया गया है कि आपको हीट मैप बनाने के बारे में कैसे जाना चाहिए:

1) बिंदु सुविधाओं को एकीकृत । एकीकरण का विचार उन बिंदुओं को लेना है जिन्हें संयोग माना जाना चाहिए और उन्हें एक ही स्थान पर एक साथ विलय करना चाहिए। मैं निकटतम पड़ोसी विश्लेषण का उपयोग करना पसंद करता हूं और वहां से उचित मूल्य का उपयोग करता हूं । (उदाहरण के लिए, जब अपराध हीट मैप करते हैं, तो मैं अंतर्निहित पार्सल डेटासेट के लिए औसत 1 निकटतम पड़ोसी का उपयोग करता हूं, जिसके खिलाफ अपराध जियोकोडेड हैं)।

2) घटनाओं को इकट्ठा करें । यह आपके सभी एकीकृत बिंदुओं के लिए एक स्थानिक भार बनाता है। उदाहरण के लिए, यदि आपके पास एक ही स्थान पर 5 कार्यक्रम हैं, तो यह वजन के साथ एक बिंदु बन जाएगा। यह अगले दो चरणों के लिए आवश्यक है। यदि आपको पूल में रखी गई घटनाओं में एक विशेषता को एकत्रित करने की आवश्यकता है, अर्थात विभिन्न घटनाओं में अधिक वजन है, तो आप एक-से-एक स्थानिक जुड़ाव का उपयोग कर सकते हैं । लक्ष्य के रूप में 'कलेक्ट इवेंट' आउटपुट और जॉइन फीचर्स के रूप में अपनी मूल एकीकृत घटनाओं का उपयोग करें। फ़ील्ड मैप मर्ज नियमों को सांख्यिकीय रूप से सेट करें एकीकृत विशेषताओं पर विशेषता (सामान्य रूप से एक SUM के साथ, हालांकि आप अन्य आँकड़ों का उपयोग कर सकते हैं)।

3) ग्लोबल मोरन I का उपयोग करके शिखर स्थानिक निरंकुशता निर्धारित करें । ठीक वैसे ही, जैसा कि आप जो विश्लेषण कर रहे हैं, उसके पैमाने में स्थानिक निरंकुशता के शिखर बैंड को निर्धारित करने के लिए अलग-अलग अंतराल पर वैश्विक मोरन I चलाएं। आप अपने मोरन के I परीक्षणों के लिए प्रारंभ सीमा निर्धारित करने के लिए अपने एकत्रित किए गए आयोजनों पर फिर से निकटतम पड़ोसी को चलाना चाहते हैं। (जैसे पहले निकटतम पड़ोसी के लिए अधिकतम मूल्य का उपयोग करें)

4) गेटिस-ऑर्ड जीआई * चलाएं । अपने मोरन I विश्लेषण के आधार पर एक निश्चित दूरी बैंड का उपयोग करें, या उदासीनता के क्षेत्र के रूप में निश्चित दूरी बैंड का उपयोग करें। एकत्रित घटनाओं से आपका स्थानिक वजन आपका संख्यात्मक गणना क्षेत्र है। यह आपको अपने सेट में प्रत्येक घटना बिंदु के लिए जेड-स्कोर देगा।

5) Getis-Ord Gi * से अपने परिणामों के खिलाफ IDW चलाएँ ।

यह परिणाम कर्नेल घनत्व के साथ आपको प्राप्त होने वाले परिणाम से काफी अलग है। यह आपको दिखाएगा कि उच्च मूल्यों और निम्न मानों को एक साथ जोड़ा जा सकता है, न कि जहां मान उच्च हैं, वहीं क्लस्टरिंग के संबंध में, जैसे कि कर्नेल घनत्व।


20

जबकि मुझे गर्मी के नक्शे पसंद हैं, मुझे लगता है कि वे अक्सर गलत उपयोग करते हैं।

आमतौर पर मैंने जो देखा है वह एक ऐसी प्रक्रिया है जिसके तहत प्रत्येक पिक्सेल का रंग एक व्युत्क्रम दूरी के भारित फ़ंक्शन के परिणाम पर आधारित होता है जो अंकों के संग्रह पर लागू होता है। किसी भी समय एक मानचित्र में अतिव्यापी बिंदु मार्कर होते हैं, मुझे लगता है कि यह हीटमैप पर विचार करने के लायक है।

यहाँ एक वेब आधारित एपीआई है

GeoChalkboard के पास इसके लिए एक अच्छा ट्यूटोरियल है

आप आर्कजी में आईडीडब्ल्यू का उपयोग कर सकते हैं ।


7
बस इस बात से अवगत रहें कि IDW डेटा संग्रह स्थानों के लिए अत्यधिक संवेदनशील है। उदाहरण के लिए, यदि डेटा को क्लस्टर किया जाता है, तो आपको संभावित रूप से खराब गणितीय विसंगतियाँ मिलेंगी।
रीड कोपसे जुले

@Red Copsey आप क्या विकल्प सुझाएंगे?
fmark

2
@ चिह्न: प्राकृतिक पड़ोसी / त्रिकोणीय आधारित दृष्टिकोण, क्रिंगिंग, विभाजन / न्यूनतम तनाव, आदि सहित आईडीडब्ल्यू के बजाय आप बहुत सारे प्रक्षेप दिनचर्या का उपयोग कर सकते हैं
रीड कोप्स

@ मैं वास्तव में कभी भी हीटमैप्स की गणितीय शुद्धता के बारे में चिंतित नहीं था (शायद मुझे होना चाहिए)। लेकिन मुझे लगता है कि वे कई स्थितियों में उपयोगी समूहों का संचार करते हैं। यहाँ एक मानचित्र का एक उदाहरण है जो मुझे लगता है कि उपयोगी रूप से हीटमैप के रूप में प्रस्तुत किया जा सकता है: www2.clustrmaps.com/counter/maps.php?url=http://clustrmaps.com
कर्क

2
मुझे लगता है कि वे एक महान उपकरण हैं। गणितीय / सांख्यिकीय शुद्धता शायद केवल महत्वपूर्ण है यदि आप निर्णय लेने के लिए परिणामों का उपयोग कर रहे हैं, लेकिन अगर यह वितरण की सामान्य भावना को व्यक्त करने के लिए है, तो IDW शायद ठीक है। (यह गर्मी के परिणामों में बड़े "स्केज़" पैदा करने वाले क्लस्टर्स का मामला है, विशेष रूप से गणितीय विसंगतियों के कारण, क्लस्टर्स के बीच।)
रीड कोपसे जूल

12

सरल गर्मी के नक्शे और उलटी गिनती की लाइनें बनाने के लिए मैंने QGis का उपयोग ग्रास इंटरग्रेशन के साथ किया है:

  1. डेटा-पॉइंट लोड करें
  2. एक सीमित आकार लोड करें - जैसे काउंटी सीमा
  3. एक ग्रास मैपसेट बनाएं
  4. ग्रास टूलबॉक्स खोलें और प्रत्येक टूल को खोजने के लिए मॉड्यूल सूची पर क्लिक करें
  5. लोड v.in.ogr.qgis मॉड्यूल और बिंदु डेटा और सीमा आकार दोनों को लोड करें, हर बार याद रखें कि प्रत्येक के लिए व्यू आउटपुट क्लिक करें - प्रत्येक को एक उपयोगी नाम दें जैसे कि पॉइंटडेटा और मास्कैप
  6. कन्वर्ट maskshape साथ एक मुखौटा के रूप में उपयोग करने के लिए एक रेखापुंज को v.to.rast यह की तरह कुछ कहते हैं - और mapset में जोड़ने maskraster - इस जटिल बहुभुज के लिए समय ले सकते हैं।
  7. बफर कार्रवाई को सीमित करने के लिए अगली कार्रवाई के लिए r.mask मॉड्यूल लोड करें ।
  8. भागो v.surf.rst से एक अंतर्वेशित ग्रिड का निर्माण करने के pointdata - प्रक्षेप करने के लिए विशेषता क्षेत्र के रूप में उपयुक्त स्तंभ चुनते हैं, और यह की तरह कुछ फोन rastersurface । यह बिट है जो समय लेता है और एक रास्टर उत्पन्न करता है जिसे गर्मी मानचित्र के लिए उपयोग किया जा सकता है या 3 डी छायांकित किया जा सकता है।
  9. ग्रास टूलबॉक्स को बंद करें
  10. इनपुट के रूप में GRASS रेखापुंज को चुनने में GDAL Raster Contours प्लग-इन का उपयोग करें; डिफ़ॉल्ट स्तर मान को 10 पर छोड़ दें, और आउटपुट निर्देशिका चुनें जहां आकृति आकृति को सहेजा जाएगा। "नाम बदलें" की जाँच करें और एक नाम टाइप करें।

NB: यह काम करने के लिए, डेटासेट एक ही प्रक्षेपण में होना चाहिए!


4

मुझे लगता है कि इस सवाल का जवाब मुद्दों के बारे में कुछ बिंदुओं को छोड़कर बड़े पैमाने पर दिया गया है।

हीट मैप्स महान हो सकते हैं, लेकिन एक क्लासिक दोष और मुद्दा व्याख्या के साथ निहित है। अपराध दर / अनुपात के एक नक्शे (गर्मी या अन्यथा) की तुलना में अपराध की घटनाओं के ताप नक्शे के बीच अंतर करें। जबकि घटना हीट मैप समग्र घटना घनत्व की पहचान करने के मामले में उपयोगी हो सकता है, यह जोखिम के अनुमान के रूप में अंधा है, लेकिन अक्सर इस तरह से व्याख्या या दुरुपयोग किया जाएगा। एक ही आकार और आकार के क्षेत्र में समान घटनाओं की संख्या पर विचार करें, लेकिन एक अलग आबादी के साथ, जबकि अपराध एक क्षेत्र में केंद्रित हो सकता है, बस इसलिए हो सकता है क्योंकि उस स्थान पर अधिक लोग हैं। इसके अतिरिक्त, अपराधों के लिए घटना डेटा की दरें, मॉडल के लिए कठिन हो सकती हैं, क्योंकि हीट मैप रास्टर का उत्पादन करने के लिए, उन्हें आबादी के मॉडल जैसी घटना की आवश्यकता हो सकती है, लेकिन लोग अभी भी खड़े नहीं होते हैं।

एक दूसरा मुद्दा यह है कि एक हीट मैप एक सिंगल स्पेस-स्केल पर विचार करने के लिए सीमित है, और इस स्पेस-स्केल को चुनने के लिए, यानी कर्नेल का आकार या क्षय की दर, जटिल हो सकती है और अध्ययन के लक्ष्यों पर निर्भर करती है, लेकिन उचित होना चाहिए । यदि बिंदु सबसे मजबूत क्लस्टर के केंद्र की पहचान करने के लिए है, और जिस पैमाने पर यह होता है (शायद एक बीमारी के प्रकोप के स्रोत की पहचान करने के लिए, और इसमें एक कारक फैला हुआ है) एक बेहतर विकल्प कई तराजू पर विचार करना हो सकता है। एक 3 आयामी रेखापुंज का उत्पादन करने के लिए पैमाने / क्षेत्र के लिए उचित भार के साथ, जहां 3 डी अंतरिक्ष-पैमाने के रेखापुंज में स्थानीय अधिकतम गुच्छों के केंद्र और उनके संबंधित आकारों के स्थान और तराजू के बीच दृढ़ता का संकेत देते हैं।


1
आप कुछ बहुत ही मान्य बिंदु बनाते हैं। ये दो समस्याएं वास्तव में भूगोल की क्लासिक समस्याएं हैं। पहला मुद्दा अंतरिक्ष की अंतर्निहित गैर-एकरूपता की व्याख्या से संबंधित है, अर्थात जब से लोगों का वितरण गैर-समान है (कुछ क्षेत्रों में बहुत कम आबादी के साथ), अपराध का अवसर भी गैर-समान है। एक में पैटर्न दूसरे में पैटर्न द्वारा मजबूर किया जाता है। स्केल का दूसरा मुद्दा मोडिफायबल एरियाल यूनिट प्रॉब्लम (MAUP) का हिस्सा है, जो किसी भी माप को प्रभावित करेगा जो माप के लिए एक क्षेत्र पर निर्भर है, जैसे घनत्व। अधिकांश भौगोलिक कार्यों में यह एक क्लासिक समस्या है।
व्हाइटबॉक्सडेव

स्थानिक पैटर्न पर पहली कटौती के रूप में थिएसेन बहुभुज पर भी विचार करें। वे काफी सरल हैं, लेकिन बहुत अधिक विस्तार दिखाने में भी सक्षम हैं, एक सटीक प्रक्षेपक हैं, और कुछ बड़े पैमाने के मुद्दों के आसपास लगता है जो अन्य अधिक परिष्कृत प्रक्षेप विधि - gislandscapeecology.blogspot.com/04// को
टॉम दिल्ट्स
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.