কার্যকর তাপ-মানচিত্র তৈরি?


65

আরকজিআইএস, কিউজিআইএস, গ্রাস এবং / বা জিভিএসআইজি ব্যবহার করে:

  • কার্যকর তাপের মানচিত্র তৈরিতে জড়িত কিছু সরঞ্জাম এবং প্রক্রিয়া কী কী?
  • জড়িত প্লাগইনগুলি কী কী?
  • প্রধান তথ্য প্রয়োজনীয়তা কি?
  • বিদ্যমান তাপের মানচিত্রের কিছু ত্রুটিগুলি কী কী?
  • উত্তাপের মানচিত্রগুলি কার্যকরভাবে কভার করতে পারে না এমন কয়েকটি বিষয় কী?
  • তাপের মানচিত্র কীভাবে করবেন না?
  • ডেটা উপস্থাপনের জন্য তাপের মানচিত্রের চেয়ে আরও ভাল বিকল্প (একই প্রসঙ্গে) কী আছে?

যদিও এটি আপনার উল্লেখ করা কোনও সরঞ্জাম ব্যবহার না করে, আপনি এই পাইথন স্ক্রিপ্টটিও দেখতে চান jjguy.com/heatmap
রাডেক

1
দাসৌকি, আপনি "হিট-ম্যাপ" বলতে কী বোঝাতে চান তা পরিষ্কার করে বলতে পারেন? উইকিপিডিয়াকে মনে হয় এটি মানগুলির একটি অ্যারেটির কোরোপলথ উপস্থাপনা। এটি সূক্ষ্মভাবে, তবে গুরুত্বপূর্ণভাবে, এই থ্রেডের সমস্ত জবাব থেকে পৃথক , যার ধারনা এটি সহজভাবে কোনও গ্রিড- (বা চিত্র-) ভিত্তিক বৈশিষ্ট্যের মানচিত্র, বিশেষত পয়েন্ট ডেটা থেকে গ্রিডের মধ্যে বিভক্ত হয়েছে এমন একটি মানচিত্র। সত্যিকারের তাপের মানচিত্রের জন্য আপনার প্রতিটি বুলেটযুক্ত প্রশ্নের উত্তর আলাদা হবে।
whuber

উত্তর:


74

এই প্রশ্নটিকে সম্প্রদায় উইকি এবং উইকি লক করা হয়েছে কারণ এটি এমন প্রশ্নের একটি উদাহরণ যা উত্তরের তালিকার সন্ধান করে এবং এটি বন্ধ হতে রক্ষা করার জন্য যথেষ্ট জনপ্রিয় বলে মনে হয়। এটিকে একটি বিশেষ কেস হিসাবে বিবেচনা করা উচিত এবং এ বিষয়ে উত্সাহিত হওয়া প্রশ্নের ধরণ, বা কোনও স্ট্যাক এক্সচেঞ্জ সাইট হিসাবে দেখা উচিত নয়, তবে আপনি যদি এটিতে আরও বিষয়বস্তু অবদান রাখতে চান তবে এই উত্তরটি সম্পাদনা করে নির্দ্বিধায় দ্বিধা বোধ করবেন ।


কমপক্ষে দুটি ভিন্ন ধরণের তাপের মানচিত্র রয়েছে:

  1. পয়েন্টের ঘনত্বের প্রতিনিধিত্বকারী হিটম্যাপস এবং
  2. বৈশিষ্ট্য মানগুলির বিতরণ উপস্থাপন করে এমন হিটম্যাপস ps

প্রতিটি পদ্ধতির সুবিধাগুলি এবং সমস্যা রয়েছে, আমি ভয় করি বিস্তারিতভাবে যাওয়া এই প্রশ্নোত্তর থেকে অনেক দূরে।

আমি কিউজিআইএস এবং গ্রাসের জন্য কিছু পদ্ধতি এবং ফাংশন তালিকাভুক্ত করার চেষ্টা করব।

পয়েন্টের ঘনত্ব

আপনি যদি বন্যজীবন, যানবাহন ইত্যাদির চলাফেরার উপর নজর রাখছেন তবে অবস্থানের বার্তাগুলির উচ্চ ঘনত্ব সহ অঞ্চলগুলি মূল্যায়ণে এটি কার্যকর হতে পারে।

সরঞ্জামগুলি: যেমন কিউজিআইএস হিটম্যাপ প্লাগইন (সংস্করণে উপলব্ধ> 1.7.x ) বা গ্রাস v.neighbors বা v.kernel

বৈশিষ্ট্য মান বিতরণ

এখানে, আমরা মূলত ইন্টারপোলেশন পদ্ধতি সম্পর্কে কম বেশি কথা বলছি। পদ্ধতিগুলির মধ্যে রয়েছে:

  1. IDW

    বাস্তবায়নের উপর নির্ভর করে এটি বৈশ্বিক (সেটে সমস্ত উপলভ্য পয়েন্ট ব্যবহার করে) বা স্থানীয় (পয়েন্ট সংখ্যা দ্বারা সীমাবদ্ধ বা পয়েন্ট এবং ইন্টারপোলেটেড অবস্থানের মধ্যে সর্বাধিক দূরত্ব) হতে পারে।

    সরঞ্জামগুলি: কিউজিসআইএস ইন্টারপোলেশন প্লাগইন (গ্লোবাল), গ্রাএস ভি.সুরফ.আইডিউ বা আর.সুরফ.আইডিউ (স্থানীয়)

  2. Splines

    আবার, সম্ভাব্য বাস্তবায়নের বিশাল সংখ্যা। বি স্প্লিংস জনপ্রিয়।

    সরঞ্জামগুলি: গ্রাস ভি.সুরফ.এসপলাইন

  3. Kriging

    বিভিন্ন উপ-প্রকারের সাথে পরিসংখ্যান পদ্ধতি।

    সরঞ্জামগুলি: GRASS v.krige (টিপটির জন্য ওম_হেনার্সকে ধন্যবাদ) বা আর ব্যবহার করে


1
ক্রিগিংয়ের জন্য জিআরএসএসের মাধ্যমে একটি ইন্টারফেস রয়েছে, ভি.সি.রিজ ( ঘাস.ওসজিও.আর / উইকি / ভি.ক্রিজ_জিএসসিসি ৩০০৯ ) তবে এটি এখনও আর, এবং গ্রাস উইকি পৃষ্ঠায় উল্লিখিত বিভিন্ন আর প্যাকেজ এবং বাইন্ডিংয়ের প্রয়োজন।
ওম_হেনার্স

কিউজিআইএস ২.৮ থেকে পয়েন্ট স্তরগুলির জন্য হিটম্যাপ রেন্ডারার রয়েছে। নতুন ডেটা তৈরি করার দরকার নেই।
আলেকজান্দ্রে নেটো

34

পরিসংখ্যানগতভাবে, তাপের মানচিত্রটি কীভাবে করা উচিত তা এখানে রয়েছে:

1) পয়েন্ট বৈশিষ্ট্য ইন্টিগ্রেট । একীকরণের ধারণাটি এমন পয়েন্টগুলি গ্রহণ করা যাগুলিকে কাকতালীয় বিবেচনা করা উচিত এবং সেগুলি একক অবস্থান হিসাবে একত্রিত করা হয়েছে। আমি নিকটতম প্রতিবেশী বিশ্লেষণ ব্যবহার করতে এবং সেখান থেকে একটি উপযুক্ত মান ব্যবহার করতে চাই । (উদাহরণস্বরূপ, কোনও ক্রাইম হিট ম্যাপ করার সময়, আমি অন্তর্নিহিত পার্সেল ডেটাসেটের জন্য অপরাধগুলির জিওকোড করা হয় যার জন্য গড় 1 ম নিকটতম প্রতিবেশী ব্যবহার করি)।

2) ইভেন্ট সংগ্রহ করুন । এটি আপনার সমস্ত ইন্টিগ্রেটেড পয়েন্টের জন্য একটি স্থানিক ওজন তৈরি করে। উদাহরণস্বরূপ, যদি আপনার একক স্থানে 5 ইভেন্ট থাকে তবে এটি ওজন সহ 5 পয়েন্ট হয়ে উঠবে This এটি পরবর্তী দুটি পদক্ষেপের জন্য প্রয়োজনীয়। যদি আপনাকে পুল করা ইভেন্টগুলিতে কোনও গুণকে সমষ্টি করতে হয়, অর্থাত্ বিভিন্ন ইভেন্টের ওজন বেশি থাকে, তবে আপনি এক-এক-এক স্থানিক যোগটি ব্যবহার করতে পারেন । লক্ষ্য হিসাবে 'সংগ্রহ ইভেন্ট' আউটপুট এবং যোগদানের বৈশিষ্ট্য হিসাবে আপনার মূল সংহত ইভেন্টগুলি ব্যবহার করুন। ক্ষেত্রের মানচিত্রের সংশ্লেষের নিয়মগুলি সংহত ইভেন্টগুলিতে অ্যাট্রিবিউটকে সংখ্যার সাথে সংযুক্ত করে সেট করে (সাধারণত আপনি একটি এসএমএম দিয়ে থাকেন, যদিও আপনি অন্যান্য পরিসংখ্যান ব্যবহার করতে পারেন)।

3) গ্লোবাল মুরানের আই ব্যবহার করে শিখর স্থানিক স্বতঃসংশোধন নির্ধারণ করুন । ঠিক যেমনটি বলা হয়েছে, আপনি যে বিশ্লেষণটি করছেন তার জন্য উপযুক্ত স্কেল অবলম্বনীয় স্বতঃসংশোধনের পিক ব্যান্ড নির্ধারণ করতে বিভিন্ন ব্যবধানে গ্লোবাল মুরান আই চালান। আপনার মুরানের আই পরীক্ষার জন্য প্রারম্ভিক সীমা নির্ধারণ করতে আপনি আপনার সংগৃহীত ইভেন্টগুলিতে আবার কাছের প্রতিবেশী চালাতে চাইতে পারেন। (যেমন প্রথম নিকটবর্তী প্রতিবেশীর জন্য সর্বাধিক মান ব্যবহার করুন)

4) গেটিস-অর্ডার জিআই * চালান । আপনার মুরানের আই বিশ্লেষণের উপর ভিত্তি করে একটি নির্দিষ্ট দূরত্ব ব্যান্ড ব্যবহার করুন বা উদাসীনতার অঞ্চল হিসাবে স্থির দূরত্ব ব্যান্ডটি ব্যবহার করুন। সংগ্রহ ইভেন্টগুলি থেকে আপনার স্থানিক ওজন আপনার সংখ্যা গণনা ক্ষেত্র। এটি আপনাকে আপনার সেটের প্রতিটি ইভেন্ট পয়েন্টের জন্য জেড-স্কোর দেবে।

5) চালান IDW * Getis-অধ্যাদেশ সিপাহী থেকে আপনার ফলাফলের বিরুদ্ধে।

এই ফলাফলটি আপনি কার্নেল ঘনত্বের সাথে যা পান তা থেকে উল্লেখযোগ্যভাবে পৃথক। এটি আপনাকে দেখিয়ে দেবে যে কার্নেল ঘনত্বের মতো ক্লাস্টারিংয়ের বিষয়টি বিবেচনা না করে যেখানে উচ্চতর মান এবং নিম্ন মানগুলি একসাথে ক্লাস্টার করা হয়।


20

আমি যখন তাপের মানচিত্র পছন্দ করি তখন বুঝতে পারি সেগুলি প্রায়শই ভুল ব্যবহার হয়।

সাধারণত আমি যা দেখেছি তা হ'ল একটি প্রক্রিয়া যার মাধ্যমে প্রতিটি পিক্সেলের রঙ পয়েন্টগুলির সংকলনে প্রয়োগ হওয়া একটি বিপরীত দূরত্বের ওজনযুক্ত ফাংশনের ফলাফলের উপর ভিত্তি করে তৈরি হয় । যে কোনও সময় মানচিত্রে প্রচুর ওভারল্যাপিং পয়েন্ট চিহ্নিতকারী রয়েছে, আমি হিটম্যাপ বিবেচনা করা উপযুক্ত বলে মনে করি।

এখানে একটি ওয়েব ভিত্তিক এপিআই

জিওচালকবোর্ডের এটির জন্য একটি ভাল টিউটোরিয়াল রয়েছে

আপনি ব্যবহার করতে পারেন IDW ArcGIS হবে।


7
কেবল সচেতন থাকুন যে IDW ডেটা সংগ্রহের অবস্থানগুলির জন্য অত্যন্ত সংবেদনশীল। উদাহরণস্বরূপ, যদি ডেটা ক্লাস্টার করা থাকে তবে আপনি সম্ভবত গাণিতিক ব্যর্থতা অর্জন করবেন।
রিড কোপসি

@ রিড কোপসি আপনি কোন বিকল্প প্রস্তাব করবেন?
ফমার্ক

2
@ ফারমার্ক: প্রাকৃতিক প্রতিবেশী / ত্রিভুজ নির্ভর ভিত্তিক পদ্ধতি, ক্রিগিং, স্প্লাইনিং / ন্যূনতম উত্তেজনা ইত্যাদিসহ আইডিডব্লিউয়ের পরিবর্তে প্রচুর আন্তঃসম্পূর্ণ রুটিন আপনি ব্যবহার করতে পারেন
রেড কোপসি

@ রেড আমি হিটম্যাপগুলির গাণিতিক সঠিকতার সম্পর্কে সত্যই উদ্বিগ্ন হয়েছি না (সম্ভবত আমার হওয়া উচিত)। তবে আমি মনে করি তারা অনেক পরিস্থিতিতে ক্লাস্টারগুলিকে কার্যকরভাবে যোগাযোগ করে। এখানে একটি মানচিত্র আমি মনে করি যে গুরুত্বপূর্ণভাবে হিটম্যাপ হিসাবে রেন্ডার করা পারে একটি উদাহরণ www2.clustrmaps.com/counter/maps.php?url=http://clustrmaps.com
কার্ক Kuykendall

2
আমি মনে করি তারা দুর্দান্ত সরঞ্জাম। গাণিতিক / পরিসংখ্যানগত যথাযথতা কেবলমাত্র তখনই গুরুত্বপূর্ণ যখন আপনি সিদ্ধান্ত গ্রহণের জন্য ফলাফলগুলি ব্যবহার করছেন তবে এটি যদি বিতরণের সাধারণ জ্ঞান প্রকাশ করতে হয় তবে আইডিডাব্লু সম্ভবত ঠিক আছে। (এটি আরও বেশি ক্লাস্টারগুলির ফলে হিটম্যাপের ফলাফলগুলিতে, বিশেষত ক্লাস্টারদের মধ্যে, গাণিতিক অসংগতির কারণে বড় "স্কিউ" সৃষ্টি করে causing)
রিড কোপসি

12

সাধারণ তাপের মানচিত্র এবং কাউন্টারের লাইনগুলি উত্পন্ন করার জন্য আমি গ্রাসের সংহতকরণের সাথে কিউজিস ব্যবহার করেছি:

  1. ডেটা-পয়েন্টগুলি লোড করুন
  2. একটি সীমাবদ্ধ আকার লোড করুন - যেমন কাউন্টি সীমানা
  3. গ্রাসের মানচিত্রটি তৈরি করুন
  4. গ্রাস টুলবক্সটি খুলুন এবং প্রতিটি সরঞ্জাম অনুসন্ধান করার জন্য মডিউল তালিকায় ক্লিক করুন
  5. লোড v.in.ogr.qgis মডিউল এবং উভয় বিন্দু ডেটা এবং সীমানা আকৃতি লোড, প্রতিটি সময় ক্লিক করুন স্মরণ দৃশ্য আউটপুট জন্য প্রতিটি - মত প্রতিটি একটি দরকারী নাম দিতে pointdata এবং maskshape
  6. রূপান্তর করুন maskshape সঙ্গে একটি মাস্ক হিসাবে এটি ব্যবহার করার জন্য একটি রাস্টার করার v.to.rast এটা মত কল - এবং mapset যোগ maskraster - এই জটিল বহুভুজ জন্য সময় নিতে পারে।
  7. পরবর্তী কর্মটি বাফার অঞ্চলে সীমাবদ্ধ করতে বাধ্য করতে r.mask মডিউলটি লোড করুন ।
  8. চালান v.surf.rst থেকে একটি ইন্টারপোলেট গ্রিড উত্পাদন করতে pointdata - ক্ষেপক করছেন জন্য অ্যাট্রিবিউট ক্ষেত্র উপযুক্ত কলামের চয়ন, এবং এটি মত কল rastersurface । এটি সেই বিট যা সময় নেয় এবং একটি রাস্টার তৈরি করে যা তাপের মানচিত্রের জন্য ব্যবহার করা যেতে পারে বা 3 ডি শেড হতে পারে।
  9. গ্রাস টুলবক্সটি বন্ধ করুন
  10. জিআডিএল রাস্টার কনট্যুর্স প্লাগ-ইন ব্যবহার করুন জিআরএসএস রাস্টারকে ইনপুট হিসাবে বেছে নেওয়া; ডিফল্ট স্তরের মান 10 এ রেখে দিন এবং একটি আউটপুট ডিরেক্টরি চয়ন করুন যেখানে প্রতিচ্ছবি শেফফিল সংরক্ষণ করা হবে। "অ্যাট্রিবিউট নাম" পরীক্ষা করে একটি নাম টাইপ করুন।

এনবি: এটি কাজ করার জন্য, ডেটাসেট একই প্রক্ষেপণে থাকা উচিত!


4

আমি মনে করি এই সমস্যা সম্পর্কে বেশ কয়েকটি পয়েন্ট বাদে মূলত উত্তর দেওয়া হয়েছে।

উত্তাপের মানচিত্রগুলি দুর্দান্ত হতে পারে তবে একটি ধ্রুপদী ত্রুটি এবং ব্যাখ্যা দিয়ে থাকে। অপরাধের হারের তাপমাত্রার সাথে মানচিত্রের তুলনায় অপরাধের হার / অনুপাতের মান (তাপ বা অন্যথায়) তুলনা করুন। ইভেন্টের তাপের মানচিত্র সামগ্রিক ইভেন্টের ঘনত্ব সনাক্তকরণের ক্ষেত্রে কার্যকর হতে পারে তবে এটি ঝুঁকির প্রাক্কলন হিসাবে অন্ধ, তবে প্রায়শই এইভাবে ব্যাখ্যা করা বা অপব্যবহার করা যেতে পারে। একই আকার এবং আকারের অঞ্চলে একই সংখ্যার ইভেন্টগুলি বিবেচনা করুন, তবে ভিন্ন জনসংখ্যার সাথে, অপরাধ কোনও ক্ষেত্রে কেন্দ্রীভূত হতে পারে, এটি কেবল কারণ হতে পারে কারণ সেই জায়গাতে আরও বেশি লোক রয়েছে। অতিরিক্ত হিসাবে, অপরাধের মতো ইভেন্টের ডেটার হারগুলিও মডেল করা কঠিন হতে পারে, কারণ হিট ম্যাপের রাস্টার তৈরি করতে তাদের জনসংখ্যার মডেলের মতো ইভেন্টের প্রয়োজন হতে পারে তবে লোকেরা স্থির থাকে না।

দ্বিতীয় সমস্যাটি হ'ল উত্তাপের মানচিত্রটি একটি একক স্পেস-স্কেল বিবেচনা করেই সীমাবদ্ধ এবং এই স্পেস-স্কেল নির্বাচন করা, অর্থাৎ কর্নেলের আকার বা ক্ষয়ের হার, জটিল হতে পারে এবং অধ্যয়নের লক্ষ্যগুলির উপর নির্ভর করে, তবে এটি অবশ্যই ন্যায়সঙ্গত হতে হবে । বিন্দুটি যদি সবচেয়ে শক্তিশালী গুচ্ছের কেন্দ্র চিহ্নিত করতে হয় এবং এটি যে স্কেলটি দেখা দেয় (সম্ভবত কোনও রোগের প্রাদুর্ভাবের উত্স চিহ্নিত করতে এবং এর বিস্তার ঘটানোর একটি কারণকে চিহ্নিত করতে) একাধিক স্কেল বিবেচনা করার জন্য আরও ভাল বিকল্প হতে পারে। স্কেল / এরিয়ার সাথে আনুপাতিক সমানুপাতিক 3 টি মাত্রিক রাস্টার উত্পাদন করতে, যেখানে 3 ডি স্পেস-স্কেল রাস্টার স্থানীয় সর্বাধিক ক্লাস্টারগুলির কেন্দ্র এবং তাদের নিজ নিজ আকারের অবস্থান এবং স্কেলগুলির মধ্যে দৃ pers়তা নির্দেশ করে।


1
আপনি কিছু খুব বৈধ পয়েন্ট। এই দুটি সমস্যা আসলে ভূগোলের ক্লাসিক সমস্যা। প্রথম ইস্যুটি স্থানের অন্তর্নিহিত অ-অভিন্নতার ব্যাখ্যার সাথে সম্পর্কিত, কারণ যেহেতু লোকদের বিতরণ অ-অভিন্ন (কিছু অঞ্চল খুব কম জনবহুল), তাই অপরাধের সুযোগও অ-অভিন্ন। একের প্যাটার্নটি অন্যটিতে নিদর্শন দ্বারা বাধ্য করা হয়। স্কেলের দ্বিতীয় সংখ্যাটি সংশোধনযোগ্য অঞ্চল ইউনিট সমস্যা (এমএইউপি) এর অংশ যা পরিমাপের জন্য কোনও অঞ্চলের উপর নির্ভরশীল যে কোনও পরিমাপকে প্রভাবিত করবে, যেমন ঘনত্ব। এটি বেশিরভাগ ভৌগলিক কাজের একটি ক্লাসিক সমস্যা।
হোয়াইটবক্সদেভ

থাইসেন বহুভুজকে স্থানিক নিদর্শনগুলির প্রথম কাটা চেহারা হিসাবে বিবেচনা করুন। এগুলি বেশ সহজ, তবে অনেকগুলি বিশদ প্রদর্শন করতে সক্ষম, একটি নির্ভুল ইন্টারপোলটর, এবং এমন কিছু স্কেল ইস্যুগুলি পাওয়া যায় যা অন্যান্য আরও পরিশীলিত ইন্টারপোলেশন পদ্ধতিতে জর্জরিত
টম দিল্টস
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.