Общая
Географы среди других ученых ищут географические структуры, надеясь, что это поможет им лучше понять процессы, которые породили эти модели. Как вы показали, этот процесс начинается с картирования мест, в которых расположены явления. Часто такие карты, которые вы создали выше, известны как карты точечных рисунков .
Пространственное распределение
Когда читатель изучает такую карту, он пытается найти пространственное распределение (или пространственное или географическое расположение) интересующей переменной и наличие какого-либо паттерна. Обычно существует четыре типа распределения, которые определены для карты точечного рисунка (которую вы также нарисовали выше). Эти:
- кластерный
- обычный
- случайный
- регулярная / форма / рассредоточены
Из Википедии :
Помимо визуального исследования, часто необходимо использовать анализ частоты или плотности точек в регионе (выполненный с помощью квадратичного анализа ) или расстояния между соседними точками (выполненный с помощью анализа ближайшего соседа ).
Проблема изменяемых единиц
Вы также упомянули проблему модифицируемых ареальных единиц (также известную как проблема модифицируемых единиц ).
В пространственном анализе четыре основные проблемы мешают точной оценке статистического параметра: краевая задача, проблема масштаба, проблема структуры (или пространственная автокорреляция) и проблема модифицируемых площадных единиц (Barber 1988)
Я думаю, что это уместно в этом примере, но я также хотел бы упомянуть некоторые другие проблемы:
Краевая проблема
Краевая задача анализа представляет собой явление , в котором географические модели различаются по форме и расположению границ , которые нарисованы для административных целей или для измерений.
В качестве простого примера, если ваши баллы представляют количество людей определенной этнической группы, в зависимости от используемых границ вы можете получить другое представление о распределении баллов, например, по районам переписи.
Если точки расположены близко друг к другу, но расположены в разных переписных районах, вы можете получить неверное представление о распределении, поскольку это будет указывать на равномерное распределение этнической группы в этой области исследования. Напротив, если бы вы использовали некоторые другие границы, вы могли бы получить другое представление, которое указывает на значительную ареальную концентрацию этической группы. В конце концов, вы можете запутаться, наблюдаете ли вы этническую сегрегацию или этническую интеграцию.
Проблема изменяемых единиц
Это можно обсудить в двух аспектах - с точки зрения «масштаба» и «формы».
Проблема масштаба
Значения для различных описательных статистических данных могут систематически меняться, когда вы используете все больше и больше агрегированных площадных данных.
Простая иллюстрация: каждая ячейка - это наша область многоугольника с количеством точек.
6 10 3
5
2
6
4
12
3
5
8
12
4
12
1
3
Затем мы объединяем полигоны, чтобы получить среднее количество точек:
8 4
4
8
4
10
8
2
И еще раз:
6
6
6
6
Эй, мы получили равномерное распределение! Одним словом: пространственная агрегация обычно имеет тенденцию минимизировать отклонения, отображаемые на карте.
Для другого действительно простого примера, это действительно зависит от того, в каком масштабе вы смотрите на свои точки. Посмотрите на изображение из Википедии для точечного рисунка; нормальное распределение может выглядеть кластерным при уменьшении масштаба на вашей цифровой карте.
Проблема формы
Мы могли бы объединить полигоны в таблице выше, используя вертикальные или горизонтальные (соединяя смежные север-юг, а не соседей восток-запад). Это означает, что различные определения площадей могут оказать существенное влияние на значения вашего распределения данных и описательную статистику.
Проблема шаблона
Короче говоря, вышеупомянутые методы не очень хороши для оценки типа проблемы, которую человек мог бы легко прочитать на карте. Чтобы иметь возможность различать ареальные закономерности и точечные распределения, необходимо использовать методы пространственной автокорреляции ).
