使用ArcGIS,QGIS,Grass和/或GVSIG:
- 建立有效的热图涉及哪些工具和过程?
- 涉及哪些插件?
- 主要数据要求是什么?
- 现有热点图有哪些缺陷?
- 热点图无法有效解决哪些问题?
- 怎么不做热图?
- 在相同的情况下,是否有比热图更好的替代方法来表示数据?
使用ArcGIS,QGIS,Grass和/或GVSIG:
Answers:
该问题已转换为“社区Wiki”,并且Wiki已锁定,因为它是一个问题的示例,它寻求答案列表,并且似乎很受欢迎,可以防止其被关闭。应该将其视为特殊情况,并且不应将其视为鼓励在此站点或任何Stack Exchange网站上使用的问题类型,但是如果您希望向其中提供更多内容,请随时编辑此答案。
至少有两种不同的热图:
每种方法都有其优点和问题,恐怕要详细介绍远远超出此问答。
我将尝试列出一些QGIS和GRASS的方法和功能。
点集中
如果要跟踪野生生物,车辆等的移动,则对评估位置信息高度集中的区域可能很有用。
工具:例如QGIS Heatmap插件(版本> 1.7.x中可用)或GRASS v.neighbors或v.kernel
属性值的分布
在这里,我们基本上或多或少地谈论插值方法。方法包括:
IDW
根据实现的不同,它可以是全局的(使用集合中的所有可用点)或局部的(受点数或点与插值位置之间的最大距离的限制)。
工具:QGIS插值插件(全局),GRASS v.surf.idw或r.surf.idw(本地)
花键
同样,大量可能的实现。B样条曲线很受欢迎。
工具:GRASS v.surf.bspline
克里格
具有各种子类型的统计方法。
工具:GRASS v.krige(感谢om_henners提供技巧)或使用R。
从统计上讲,这是制作热图的方法:
1)集成点功能。集成的想法是获取应该被视为重合的点,并将它们合并为一个位置。我喜欢使用最近邻居分析并从那里使用适当的值。(例如,在制作犯罪热点图时,我对犯罪进行地理编码的基础宗地数据集使用平均最近的第一个邻居)。
2)收集事件。这会为您的所有积分点创建空间权重。例如,如果您在一个位置上有5个事件,则权重为5将变为1分。这对于接下来的两个步骤至关重要。如果您需要在合并的事件中聚合属性,即不同事件的权重较高,则可以使用一对一的空间连接。使用“收集事件”输出作为目标,并使用原始的集成事件作为联接功能。设置字段映射合并规则,以统计方式将合并事件上的属性组合在一起(通常可以使用SUM,尽管您可以使用其他统计信息)。
3)使用Global Moran's I确定峰值空间自相关。就像它说的那样,以不同的时间间隔运行全局moran的I,以适合您正在执行的分析的比例确定空间自相关的峰带。您可能希望对收集到的事件再次运行最近的邻居,以确定您的ran鼠I测试的起始范围。(例如,将最大值用于第一个最近的邻居)
4)运行Getis-Ord Gi *。根据您的moran的I分析使用固定的距离带,或将固定的距离带用作无差异区域。来自收集事件的空间权重是您的数字计数字段。这将为您的集合中的每个事件点提供z得分。
5)针对Getis-Ord Gi *的结果运行IDW。
这个结果与内核密度得到的结果明显不同。它会向您显示高值和低值在哪里聚在一起,而不是高值在哪里,而无需考虑聚类,例如内核密度。
当我喜欢热图时,我意识到它们经常被滥用。
通常,我所看到的是一个过程,其中每个像素的颜色基于应用于点集合的反距离加权函数的结果。每当地图上有很多重叠的点标记时,我认为都值得考虑使用热图。
这是一个基于Web的api。
GeoChalkboard有一个很好的教程。
您可以在ArcGIS中使用IDW。
对于简单的热图和生成countour线,我在Grass积分中使用了QGis:
注意:要使此工作有效,数据集应该在同一投影中!
我认为这个问题已经得到了很大的回答,但关于该问题有几点。
热图可能很棒,但是经典的缺陷和问题在于解释。取犯罪事件的热图与犯罪率/比例的图(热或其他)之间的差。尽管事件热图在识别总体事件密度方面可能很有用,但它作为风险的估计是盲目的,但通常会以这种方式被解释或滥用。考虑在相同大小和形状,但人口不同的区域中发生的事件数量相同,而犯罪可能集中在某个区域,这可能仅仅是因为该空间中有更多的人。此外,事件数据的比率(例如犯罪)可能难以建模,因为要生成热图栅格,它们可能需要像人口模型一样的事件,但人们并不会停滞不前。
第二个问题是,热图仅限于考虑单个空间比例,选择该空间比例即内核大小或衰变速率可能很复杂,并取决于研究目标,但必须证明其合理性。 。如果重点是确定最强集群的中心及其发生的规模(也许是确定疾病暴发的源头及其传播因素),那么更好的选择可能是考虑多个尺度。使用与比例尺/区域成比例的适当权重以生成3维栅格,其中3D空间比例尺栅格中的局部最大值表示群集中心及其各自大小的位置以及比例尺之间的持久性。