การคำนวณความสัมพันธ์เชิงพื้นที่ระหว่างคุณสมบัติจากสองเลเยอร์ที่แยกจากกันใน QGIS


10

ฉันพยายามที่จะตรวจสอบว่าการปรากฏตัวของกองกำลังทหารประจำการจำนวนมากในพื้นที่นั้นมีความสัมพันธ์เชิงพื้นที่กับอาชญากรรมที่รุนแรงในระดับที่สูงขึ้น / ต่ำลงหรือไม่ นั่นคือพื้นที่โดยรอบฐานทัพขนาดใหญ่มีความรุนแรงโดยเฉลี่ยมากกว่าพื้นที่ที่ไม่ได้อยู่ใกล้ฐานทัพหรือไม่

ฉันกำลังทำงานกับชุดข้อมูลสองชุดต่อไปนี้:

(1)ชุดข้อมูลจุดของฐานทัพทหารในสหรัฐอเมริกาและระดับกองกำลังที่เกี่ยวข้อง:

ที่ตั้งของสถานที่ปฏิบัติงานนอกชายฝั่งของกองทัพสหรัฐในระดับต่ำกว่า 48

(2)ชุดข้อมูลทั่วประเทศเกี่ยวกับอัตราการเกิดอาชญากรรมรุนแรงตามเมือง / เมือง:

ระดับของอาชญากรรมรุนแรงในสหรัฐอเมริกาตามเมือง

ฉันรู้สึกว่าฉันกำลังมองหาโมเดลแรงโน้มถ่วงตามแบบที่ฟังก์ชั่น "มวล" ให้ระดับกองทหารในแต่ละฐาน ดังนั้นการปรากฏตัวของกองทหารขนาดใหญ่จะมีอิทธิพลเหนือพื้นที่ขนาดใหญ่และจะมีผลที่แข็งแกร่งกว่าใกล้กับจุดศูนย์กลางของมวล (เช่นที่ตั้งจุดในชั้น GIS)

ฉันคิดว่าในความคิดมันจะมีลักษณะเช่นนี้: แบบจำลองแรงโน้มถ่วง - แผนภาพการสลายตัวของระยะทาง

ในแผนภาพนี้X, Y, Zเป็นตัวแทนฐานทัพทหาร a, b, c, dแต่ละเมืองเป็นตัวแทน (แต่ละแห่งมีเขตข้อมูลอัตราความรุนแรงในตารางคุณลักษณะ)

การไล่ระดับสีรอบฐานแสดงถึงเขตอิทธิพลซึ่งจะลดลงแบบเอกซ์โปเนนเชียลเมื่ออยู่ห่างจากศูนย์กลางเซนทรอยด์ การปรากฏตัวของกองทหารที่ใหญ่กว่านั้นเท่ากับรัศมีอิทธิพลที่ใหญ่กว่า (ด้วยระยะทางสูงสุดที่กำหนด) และยังมีอิทธิพลที่มากขึ้นใกล้กับศูนย์กลางที่สัมพันธ์กับพื้นที่ใกล้เคียงกับฐานที่เล็กกว่า

แต่ละเมืองจะได้รับคะแนนตามการรวมขนาดของเวกเตอร์ "แรง" ทั้งหมดจากฐานโดยรอบทั้งหมดที่มีอิทธิพลต่อรัศมีที่พวกเขาอยู่เช่นในแผนภาพของฉันเมืองaจะมีคะแนน 0 เพราะอยู่ ด้านนอกของรัศมีฐานใด ๆ City bจะได้รับอิทธิพลจากฐานXเท่านั้น เมืองcจะได้รับอิทธิพลจากฐานZเท่านั้นและคะแนนจะต่ำกว่าbเนื่องจากXเป็นฐานที่ใหญ่กว่าZมาก ในที่สุด City dตั้งอยู่ภายในรัศมีของทั้งฐานXและYมันจะได้รับคะแนนจากการสรุปขนาดของอิทธิพลจากฐานทั้งสอง ฉันจะดูว่ามีความสัมพันธ์ระหว่างคะแนนที่สูงขึ้นสำหรับเมืองหนึ่งกับอัตราความรุนแรงที่สูงขึ้นหรือไม่

ฉันได้ดูโมเดลแรงโน้มถ่วงหลายแบบ ( Huff Modelsและอื่น ๆ ) แต่ไม่พบเท่าที่ QGIS / Python และไม่แน่ใจว่าจะใช้สิ่งที่ฉันอธิบายไว้ข้างต้นได้อย่างไร ... ไม่มีใครมีคำแนะนำ สำหรับสิ่งนี้? คุณเคยทำการวิเคราะห์ประเภทนี้ในด้านอื่น ๆ มาก่อนหรือไม่

ดังนั้น TLDR คือ:

  • ฉันสามารถใช้เทคนิคทางสถิติใดสำหรับคำถามประเภทนี้
  • มีเครื่องมือใด ๆ ในตัวสำหรับ QGIS (หรือมีให้เป็นปลั๊กอิน) ที่สามารถทำได้หรือไม่?
  • หากไม่มีอะไรเช่นนี้ใน QGIS มีห้องสมุด Python ใดบ้างที่สามารถทำการวิเคราะห์แบบนี้ได้?

เพียงเพื่อจะชัดเจน, ฉันรู้ว่ามีตันของปัจจัยอื่น ๆ ที่เข้ามาเล่นที่มีอัตราความรุนแรง (ความยากจนความหนาแน่นของเมือง ฯลฯ ) แต่โปรดสมมติเพื่อประโยชน์ของความเรียบง่ายว่าไม่มีตัวแปรรบกวนอย่างมีนัยสำคัญและที่ฉันเป็นเพียง ดูความสัมพันธ์ระหว่างตัวแปรสองตัวนี้ (ระดับกองกำลังและอัตราความรุนแรง) ณ จุดนี้นี่เป็นเพียงแบบฝึกหัดการเรียนรู้และฉันพยายามคิดว่ามีเครื่องมืออะไรให้ฉันบ้าง ขอบคุณ!
J. Taylor

1
เพื่อตอบคำถามที่สามของคุณฉันพบ PySAl ซึ่งพัฒนาโดยศาสตราจารย์ Luc Anselin ที่คุ้มค่าที่จะให้ความสนใจของคุณ นอกจากนี้เขายังทำงานกับ GeoDa ซึ่งเป็นโซลูชันที่ไม่เหมาะกับสิ่งที่คุณกำลังมองหา อาจมีปลั๊กอิน PySAl สำหรับ QGIS? pysal.readthedocs.org/en/latest
raphael

คำตอบ:


2

ขยายความคิดเห็นของฉันด้านบน

สิ่งที่คุณอาจจะต้องการทำคือการถดถอยเชิงเส้นด้วยความล่าช้าเชิงพื้นที่ซึ่งอธิบายความสัมพันธ์เชิงพื้นที่ของตัวแปรบางตัวของคุณ (ฉันจะต้องดูบันทึกของฉันในเรื่องนี้)

ลุคแอนเซลินได้รับการบุกเบิกในพื้นที่นี้และคุณควรมีลักษณะที่การทำงานของเขาโดยเฉพาะอย่างยิ่ง (ฟรี) เครื่องมือและเอกสารที่เป็นGeoDa ศูนย์ เครื่องมือทั้งสองนี้อาจเป็นที่สนใจของคุณ:

  1. GeoDa เป็นซอฟต์แวร์อิสระในการสำรวจความสัมพันธ์เชิงพื้นที่ (อัตโนมัติ)
  2. PySALซึ่งเป็นห้องสมุดการวิเคราะห์เชิงพื้นที่ของ Python

การค้นหาปลั๊กอิน PySAL ของฉันสำหรับ QGIS พบสิ่งที่ไม่ได้รับการปรับปรุงในปีที่ผ่านมา แต่คุณอาจมีโชคมากขึ้น


ขอบคุณกราฟิลส์ ฉันจะดูเพิ่มเติมเกี่ยวกับแนวคิดของ "การถดถอยเชิงเส้นด้วยความล่าช้าเชิงพื้นที่" ฉันเจอ PySAL / GeoDa แล้วขอบคุณคำแนะนำใน #qgis IRC channel คุณถูกต้องว่าเอกสารจำนวนมากในหน้า GeoDa นั้นมีประโยชน์ ฉันยังไม่พบสิ่งใดที่ทำสิ่งที่ฉันต้องการอย่างแน่นอน แต่ถ้าฉันต้องเขียนโค้ดด้วยตัวเองมีเครื่องมือมากมายที่ดูเหมือนว่าพวกมันจะมีประโยชน์ "บล็อกอาคาร"
เจเทย์เลอร์
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.