วิธีการจัดตารางข้อมูลหมวดหมู่ตัวอย่างที่ไม่สม่ำเสมอ?


10

ฉันกำลังมองหาวิธีสำหรับ gridding ข้อมูลเด็ดขาด ฉันได้แยกออกมาจากแผนภูมิทะเลและแผ่นฟิลด์เพื่อรวบรวมคะแนนที่ระบุลักษณะของพื้นผิวของก้นมหาสมุทร ข้อมูลเหล่านี้มีการจัดหมวดหมู่มากกว่าตัวเลขและไม่ได้สุ่มอย่างสม่ำเสมอหรือแม้แต่จะสุ่มตัวอย่างแบบสุ่ม แผนภูมิเดินเรือถูกสร้างขึ้นเพื่อช่วยในการนำทางและการยึด พวกเขาไม่ได้สร้างขึ้นเพื่อทำแผนที่ที่อยู่อาศัย เช่นนี้ทำให้เกิดเสียงมากขึ้นใกล้กับชายฝั่งที่ค่อนข้างตื้นลึกอาจเป็นอันตรายต่อการเดินเรือและที่ที่เรือมีแนวโน้มที่จะยึด ไกลออกไปจากฝั่งซึ่งความลึกมากกว่าเพียงพอสำหรับการนำทางและการยึดที่ไม่สามารถทำได้ทำให้เกิดเสียงบ่อยขึ้น

มีคนอื่นพยายามสร้างแผนที่พื้นผิว gridded จากแผนภูมิทะเลหรือไม่?

ฉันดูที่รูปหลายเหลี่ยม Thiessen (Vornoi) แต่ความเข้มข้นของการเปล่งเสียงตามชายฝั่งนำไปสู่ ​​'รังผึ้ง' ตามแนวชายฝั่งรูปหลายเหลี่ยมขนาดใหญ่นอกชายฝั่ง การใช้ gridding เพื่อนบ้านที่ใกล้ที่สุดให้ผลค่อนข้างใกล้เคียงกัน

ฉันต้องการวิธี จำกัด อิทธิพลของน้ำตื้นใกล้กับจุดชายฝั่ง - วิธี จำกัด รูปหลายเหลี่ยมที่มีความยาวพายเหล่านั้น ในน้ำลึกฉันไม่คาดหวังว่าธรรมชาติของก้นทะเลจะเป็นความต่อเนื่องของก้นทะเลใกล้ ฉันเริ่มคิดไปตามสองบรรทัด - ทั้งสองใช้ความลึก หนึ่งคือการถ่วงน้ำหนักทางเลือกของเพื่อนบ้าน 'ใกล้ที่สุด' โดยใช้ความแตกต่างในความลึกระหว่างเซลล์กริดและจุดที่อยู่ใกล้เคียง อีกประการหนึ่งคือการยกเลิกการเลือกจุดใกล้เคียงซึ่งมีค่าความคลาดเคลื่อนที่ระบุแตกต่างกันในเชิงลึก หรือบางทีอาจเป็นความอดทนมากกว่าช่วงที่กำหนดไว้ล่วงหน้าฉันสามารถเลือกช่วงความลึกของช่องเก็บแล้ว จำกัด ตัวเลือกของจุดที่อยู่ใกล้เคียงให้อยู่ในช่วงความลึกหรือถังเดียวกัน

มีความคิดเกี่ยวกับวิธีการใช้งานตัวเลือกใดตัวเลือกหนึ่งในสองตัวนี้หรือไม่?

ตั้งแต่พูดคุยกับเพื่อนร่วมงานในฟอรั่มอื่นฉันได้ดูวิธีการอื่น ๆ สิ่งแรกเกี่ยวข้องกับการใช้สิ่งกีดขวางที่มีความลึก 100 เมตรเพื่อ จำกัด อิทธิพลของข้อมูลที่อยู่ใกล้ชายฝั่ง ความท้าทายของวิธีนี้คือการแก้ไข ESRI ใด ๆ ที่สามารถใช้กำแพงถูกออกแบบมาเพื่อทำงานกับข้อมูลต่อเนื่องมากกว่าข้อมูลที่ไม่ต่อเนื่อง ฉันสามารถใช้สิ่งกีดขวางเพื่อแบ่งคะแนนออกเป็นตื้นใกล้ชายฝั่งและจุดที่ลึกกว่าก่อนที่จะสร้างรูปหลายเหลี่ยม Thiessen อย่างไรก็ตามฉันคาดว่าจะได้เอฟเฟกต์ขอบอาละวาดเนื่องจาก ArcGIS สร้างรูปหลายเหลี่ยมแบบ Thessessen สำหรับพื้นที่สี่เหลี่ยมไม่ใช่พื้นที่ที่ซับซ้อน

แนวทางที่สอง - ที่เพื่อนร่วมงานหลายคนแนะนำ - เป็นสิ่งที่น่าสนใจ ตอนแรกฉันไม่สนใจคริกกิ้งเพราะฉันเคยคิดว่ามันจะเป็นข้อมูลต่อเนื่อง ความท้าทายของระบบ kriging ก็คือมันไม่ได้ออกแบบมาสำหรับข้อมูลที่เป็นหมวด ตอนนี้ฉันกำลังมองดูที่ความลึกและธรรมชาติของพื้นผิว แต่ประเภทของรูปแบบใด ๆ ที่จะเกี่ยวข้องกับการใช้รหัสตัวเลขจำนวนเต็มสำหรับธรรมชาติของพื้นผิว หลังจากนั้นรหัสตัวเลขจุดลอยตัวที่เกิดขึ้นจะต้องลดลงกลับไปเป็นจำนวนเต็มต้นฉบับ ไม่สวย.

คนใดคนหนึ่งสามารถแนะนำบรรทัดอื่น ๆ ให้ติดตามได้ (อาจทำได้โดยใช้การวิเคราะห์ภูมิประเทศตัวอย่างเช่นทางลาดชันกว่ามุมของการพักผ่อนไม่สามารถเป็นตะกอนได้ฉันกำลังมองหาบางสิ่งที่เรียบง่ายกว่าและไม่ว่าในกรณีใดก็ตามฉันไม่มีข้อมูลที่มีความละเอียดเชิงพื้นที่เพียงพอ)

ความนับถือ,

คำตอบ:


4

วิธีการ kriging ดำเนินการอย่างเหมาะสมมีแนวโน้ม

ในฐานะที่เป็นจุดเริ่มต้นของการเดินทางให้ดูที่ "โมเดลเชิงภูมิศาสตร์เชิงเส้นเชิงเส้นทั่วไป" ที่ Diggle & Ribeiro บรรยายไว้ในรูปแบบทางธรณีวิทยาตามโมเดล (Springer 2007) แนวคิดพื้นฐานน่าสนใจและยืดหยุ่น: กระบวนการสุ่มอวกาศ (ซึ่งต่อเนื่องเชิงพื้นที่) กำหนดความน่าจะเป็นต่าง ๆ ของหมวดหมู่ หนึ่งใช้หมวดหมู่ที่สังเกตที่จุดผิดปกติเพื่ออนุมานคุณสมบัติทางสถิติของกระบวนการพื้นฐานรวมถึงโครงสร้างความสัมพันธ์เชิงพื้นที่ของมัน (Variogram) Kriging จะสร้างพื้นผิวความน่าจะเป็นที่สอดคล้องกับการสังเกต ณ จุดนั้นคุณสามารถทำการจำลองทางภูมิศาสตร์หรือคุณสามารถสร้างแผนที่ที่เกี่ยวข้องกับความน่าจะเป็น (เช่นแผนที่ของหมวดหมู่ความน่าจะเป็นสูงสุดที่ฉันจินตนาการ)

เสียงนี้มีความซับซ้อนและเป็น อย่างไรก็ตามดิ๊กเกิ้ลและอภิปราย Ribeiro สามารถเข้าถึงได้อย่างเป็นธรรม - แม้ว่ามันจะเป็นทางคณิตศาสตร์และถือว่าความรู้เกี่ยวกับสถิติบางอย่างก็ไม่ต้องพึ่งพาทั้ง - และส่วนใหญ่ของเทคนิคของพวกเขาจะดำเนินการในแพคเกจ RพวกเขาอธิบายและgeoR geoRGLMในความเป็นจริงมันยุติธรรมที่จะตีความหนังสือเล่มนี้เป็นคู่มือสำหรับแพ็คเกจเหล่านี้

เช่นเดียวกับเธรดอื่น ๆ ในไซต์นี้ยืนยันได้ว่ามันค่อนข้างง่ายต่อการเชื่อมต่อ R กับข้อมูล GIS (รวมถึงรูปร่างไฟล์และรูปแบบแรสเตอร์ต่างๆ) ดังนั้นจึงไม่ใช่ปัญหา

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.