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

Ilustración de herramienta Autocorrelación espacial incremental
Los picos de puntuación z reflejan las distancias donde los procesos espaciales que promueven el clustering son más pronunciados.

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. Los valores se escriben como mensajes en la parte inferior del panel Geoprocesamiento durante la ejecución de la herramienta. Puede acceder a los mensajes desplazándose sobre la barra de progreso, haciendo clic en el botón emergente o ampliando la sección de mensajes en el panel Geoprocesamiento. También puede acceder a los mensajes de una herramienta ejecutada anteriormente a través del Historial de geoprocesamiento. Opcionalmente, esta herramienta creará un archivo de informe PDF con un resumen gráfico de los resultados. La ruta al informe se incluirá con los mensajes que resumen los parámetros de ejecución de la herramienta. Al hacer clic sobre dicha herramienta se abrirá el archivo de informe.

  • 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.

  • Cuando la Clase de entidad de entrada no está proyectada (es decir, cuando las coordenadas se especifican en grados, minutos y segundos) o cuando el sistema de coordenadas de salida está establecido en un Sistema de coordenadas geográficas, las distancias se calculan mediante mediciones de cuerda. Las mediciones de distancia de cuerda se utilizan porque se pueden calcular rápidamente y proporcionar muy buenas estimaciones de verdaderas distancias geodésicas, al menos para los puntos separados unos treinta grados entre sí. Las distancias de cuerda se basan en un esferoide oblato. Dados dos puntos en la superficie de la Tierra, la distancia de cuerda entre ellos es la longitud de una línea, que atraviesa la Tierra tridimensional, para conectar estos dos puntos. Las distancias de cuerda se informan en metros.

    Precaución:

    Asegúrese de proyectar los datos si su área de estudio se extiende más allá de los 30 grados. Las distancias de cuerda no son una buena estimación de las distancias geodésicas más allá de 30 grados.

  • Cuando se utilizan distancias de cuerda en el análisis, los parámetros Distancia de inicio e Incremento de distancia, si se especifican, deben proporcionarse en metros.

  • 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, solo 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, el valor predeterminado es la distancia mínima para 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 de ubicación.

  • Si no se da una Distancia de aumento, se utiliza la distancia promedio de vecinos más cercanos o (Td - B) / I, donde Td es la distancia de umbral máxima, B es la Distancia de inicio e I es el Cantidad de bandas de distancia. Este algoritmo garantiza que los cálculos siempre se realizarán para el Cantidad de bandas de distancia especificado y que las mayores bandas de distancia no lo serán tanto como para que algunas entidades tengan todas o casi todas las demás entidades como vecinas.

  • Si la Distancia de inicio o la Distancia de aumento especificada dan como resultado una banda de distancia que es mayor que la máxima distancia de umbral, la Distancia de aumento reducirá la escala automáticamente. Para evitar este ajuste, puede reducir la Distancia de aumento o reducir el Cantidad de bandas de distancia especificado.

  • 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 la Distancia de aumento y elimine temporalmente los valores atípicos de ubicación para que pueda comenzar con un valor de Distancia de inicio menor.

  • Incuso si permite que la herramienta calcule automáticamente una Distancia de inicio y una Distancia de incremento, el tiempo de procesamiento puede ser largo para conjuntos de datos grandes. Puede mejorar el rendimiento:

    • Eliminando valores atípicos de ubicación temporalmente
    • En lugar de ejecutar el análisis en todas las entidades, seleccione entidades en una parte representativa del área de estudio y ejecute el análisis solo en esas entidades.
    • Tome una muestra aleatoria de entidades del dataset y ejecute el análisis solo en dichas entidades muestreadas.

  • 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.

  • El Archivo de informe de salida opcional se crea como un archivo PDF al que se puede acceder desde los mensajes que se encuentran en la parte inferior del panel Geoprocesamiento.

  • En los equipos configurados con los paquetes de idiomas de ArcGIS para árabe y otros idiomas que se escriben de derecha a izquierda, es posible que observe que falta texto o que detecte problemas de formato en el PDF Archivo de informe de salida. Estos problemas se analizan en este artículo.

  • 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.

  • Cuando esta herramienta se utiliza en scripts de Python, el objeto resultado devuelto tras ejecutar la herramienta tiene las siguientes salidas:

    PosiciónDescripciónTipo de datos

    0

    Primer pico

    Doble

    1

    Pico máximo

    Doble

Parámetros

EtiquetaExplicaciónTipo de datos
Entidades de entrada

La clase de entidad para la que se medirá la autocorrelación espacial en una serie de distancias.

Feature Layer
Campo de entrada

El campo numérico utilizado en la evaluación de la autocorrelación espacial.

Field
Cantidad de bandas de distancia

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
Distancia de inicio
(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
Incremento de distancia
(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
Método de distancia
(Opcional)

Especifica cómo se calculan las distancias desde cada entidad hasta las entidades vecinas.

  • EuclidianoLa distancia en línea recta entre dos puntos
  • ManhattanLa distancia entre dos puntos medida a lo largo de los ejes en ángulos rectos (manzana); se calcula al sumar la diferencia (absoluta) entre las coordenadas x e y
String
Estandarización de filas
(Opcional)

Se recomienda la estandarización de filas siempre que la distribución de las entidades esté potencialmente influenciada debido al diseño de muestreo o a un esquema de agregación impuesto.

  • Activado: las ponderaciones espaciales se estandarizarán; cada peso se divide por la suma de su fila (la suma de los pesos de todas las entidades vecinas).
  • Desactivada: no se aplica la estandarización de ponderaciones espaciales.
Boolean
Tabla de Salida
(Opcional)

La tabla que se va a crear con cada banda de distancia y resultado de la puntuación z asociado.

Table
Archivo de informe de salida
(Opcional)

El archivo PDF que se creará y que contiene un gráfico de línea que resume los resultados.

File

Salida derivada

EtiquetaExplicaciónTipo de datos
Primer pico

La primera puntuación z pico.

Double
Pico máximo

La puntuación z pico máxima.

Double

arcpy.stats.IncrementalSpatialAutocorrelation(Input_Features, Input_Field, Number_of_Distance_Bands, {Beginning_Distance}, {Distance_Increment}, {Distance_Method}, {Row_Standardization}, {Output_Table}, {Output_Report_File})
NombreExplicaciónTipo 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 Beginning_Distance y Distance_Increment, 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 Beginning_Distance y se incrementa según la cantidad especificada en el Distance_Increment. 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.

  • EUCLIDEANLa distancia en línea recta entre dos puntos
  • MANHATTANLa distancia entre dos puntos medida a lo largo de los ejes en ángulos rectos (manzana); se calcula al sumar la diferencia (absoluta) entre las coordenadas x e y
String
Row_Standardization
(Opcional)

Se recomienda la estandarización de filas siempre que la distribución de entidades esté potencialmente influenciada debido al diseño de muestreo o a un esquema de agregación impuesto.

  • ROW_STANDARDIZATIONLas ponderaciones espaciales son estandarizadas por fila. Cada ponderación se divide por la suma de sus filas.
  • NO_STANDARDIZATIONNo se aplica la estandarización de ponderaciones espaciales.
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

Salida derivada

NombreExplicaciónTipo de datos
First_Peak

La primera puntuación z pico.

Double
Max_Peak

La puntuación z pico máxima.

Double

Muestra de código

IncrementalSpatialAutocorrelation ejemplo 1 (ventana de Python)

El siguiente script de la ventana de Python muestra cómo utilizar la función IncrementalSpatialAutocorrelation.

import arcpy
arcpy.env.workspace = r"C:\ISA"
arcpy.stats.IncrementalSpatialAutocorrelation("911CallsCount.shp", "ICOUNT", 
                                              "20", "", "", "EUCLIDEAN",
                                              "ROW_STANDARDIZATION", 
                                              "outTable.dbf", "outReport.pdf")
Ejemplo 2 de IncrementalSpatialAutocorrelation (script independiente)

El siguiente script independiente de Python muestra cómo utilizar la función 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

# Set property to overwrite existing output, by default
arcpy.env.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.management.CopyFeatures("911Calls.shp", "911Copied.shp")
    integrate = arcpy.management.Integrate("911Copied.shp #", "30 Feet")

    # Use Collect Events to count the number of calls at each location
    # Process: Collect Events
    ce = arcpy.stats.CollectEvents("911Copied.shp", "911Count.shp")

    # Use Incremental Spatial Autocorrelation to get the peak distance
    # Process: Incremental Spatial Autocorrelation
    isa = arcpy.stats.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 = arcpy.stats.HotSpots(ce, "ICOUNT", "911HotSpots.shp", "Fixed Distance Band",
                     "Euclidean Distance", "None",  distance, "", "")

except arcpy.ExecuteError:
    # If an error occurred when running the tool, print out the error message.
    print(arcpy.GetMessages())

Entornos

Casos especiales

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. Cuando el entorno del Sistema de coordenadas de salida se basa en grados, minutos y segundos, las distancias geodésicas se calculan mediante distancias de cuerda.