Beispielanwendungen für die Toolbox "Spatial Statistics"
Epidemiologen, Kriminalbeamte, Demographen, Mitarbeiter in Notdienstzentralen, Verkehrsanalysten, Archäologen, Tierforscher, Einzelhandelsanalysten und viele andere GIS-Benutzer benötigen zunehmend fortschrittliche räumliche Analysewerkzeuge. Mit räumlichen Statistiken kann diese Anforderung erfüllt werden.
Mit räumlichen Statistiken können Sie:
- Die wichtigsten Eigenschaften einer Verteilung zusammenfassen
- Statistisch signifikante räumliche Cluster (Hot Spots/Cold Spots) und räumliche Ausreißer identifizieren
- Allgemeine Muster der Cluster-Bildung oder Dispersion bewerten
- Features in ähnliche Gruppen einteilen
- Räumliche Beziehungen modellieren
|
Fragen |
Werkzeuge |
Beispiele |
|---|---|---|
|
Wo ist der Mittelpunkt? |
Wo liegt das Bevölkerungszentrum und wie ändert es sich im Zeitverlauf? |
|
|
Welches Feature ist am besten zugänglich? |
Wo sollte sich das neue Support Center befinden? |
|
|
Was ist die vorherrschende Richtung oder Ausrichtung? |
Was ist die hauptsächliche Windrichtung im Winter? Wie werden Fehlerlinien in dieser Region ausgerichtet? |
|
|
Wie verteilt, kompakt oder integriert sind Features? |
Standardentfernung oder Gerichtete Verteilung (Standardabweichungsellipse) |
Welche Gang ist über das größte Gebiet aktiv? Welcher Krankheitsstamm hat die größte Verteilung? In welchem Umfang sind Tierarten auf der Grundlage von Sichtungen integriert? |
|
Gibt es Richtungstrends? |
Was ist die Ausrichtung des Trümmerfeldes? Wo sind die Trümmer am stärksten konzentriert? |
|
Fragen |
Werkzeuge |
Beispiele |
|---|---|---|
|
Wo sind die Hot Spots? Wo sind die Cold Spots? Wie stark ist die Cluster-Bildung? |
Wo liegen die schärfsten Grenzen zwischen Reichtum und Armut? Wo sind biologische Vielfalt und Lebensraumqualität am höchsten? |
|
|
Wo liegen die Ausreißer? |
Wo ist ein anomales Ausgabeverhalten in Los Angeles zu beobachten? |
|
|
Wie können Ressourcen am effektivsten bereitgestellt werden? |
Wo sind unerwartet hohe Diabetesraten vorzufinden? Wo nehmen Küchenbrände einen höheren Anteil als erwartet von Wohnungsbränden ein? Weisen Verbrechen, die tagsüber begangen wurden, dasselbe räumliche Muster wie Verbrechen auf, die nachts begangen werden? |
|
|
Welche Orte befinden sich am weitesten entfernt von dem Problem? |
Wo sollten sich Evakuierungsorte befinden? |
|
Welche Features sind sich am ähnlichsten? Wie sieht die räumliche Fabric der Daten aus? | Welche in der Datenbank erfassten Verbrechen ähneln dem jetzt begangenen am stärksten? Gibt es auffällige räumliche Ordnungen von Testergebnissen? Welche Bereiche sind mit hohen Testergebnissen und welche mit niedrigen Testergebnissen verknüpft? Welche Krankheitsfälle sind anhand von Raum, Zeit und Symptomen wahrscheinlich Teil desselben Ausbruchs? |
|
Fragen |
Werkzeuge |
Beispiele |
|---|---|---|
|
Unterscheiden sich die räumlichen Eigenschaften? |
Welche Arten von Verbrechen sind am stärksten räumlich konzentriert? Welche Pflanzenarten sind im Untersuchungsgebiet am weitesten verbreitet? |
|
|
Ändert sich das räumliche Muster im Zeitverlauf? |
Werden reiche und arme Bevölkerungsschichten stärker oder weniger stark räumlich getrennt? Gibt es eine unerwartete Spitze im Hinblick auf den Einkauf von Arzneimitteln? Bleibt die Krankheit im Zeitverlauf geographisch fixiert oder breitet sie sich auf benachbarte Orte aus? Sind die Eindämmungsmaßnahmen wirksam? |
|
|
Sind die räumlichen Prozesse ähnlich? |
Analyse eines räumlichen Clusters mit mehreren Entfernungen (Ripleys K Function) |
Spiegelt das räumliche Muster der Krankheit das räumliche Muster der gefährdeten Bevölkerung wider? Weicht das räumliche Muster für Ladeneinbrüche von dem räumlichen Muster für gewerbliche Einrichtungen ab? |
|
Sind die Daten räumlich korreliert? |
Weisen Regressionsresiduen statistisch signifikante räumliche Autokorrelation auf? |
|
In welchen Entfernungen ist das räumliche Clustering am auffälligsten? | Welche Entfernung gibt einen angemessenen Maßstab für meine Analyse am besten wieder? |
|
Fragen |
Werkzeuge |
Beispiele |
|---|---|---|
|
Gibt es eine Korrelation? Wie stark ist die Beziehung? Welche Variablen sind die zuverlässigsten Prädiktoren? Sind die Beziehungen im gesamten Untersuchungsgebiet einheitlich? |
Kleinste Quadrate (Ordinary Least Squares, OLS), Regressionsanalyse und Geographisch gewichtete Regression |
Welche Beziehung besteht zwischen dem Bildungsabschluss und dem Einkommen? Ist die Beziehung im gesamten Untersuchungsgebiet konsistent? Besteht eine positive Beziehung zwischen Vandalismus und Wohnungseinbrüchen? Welche Kombinationen der infrage kommenden erklärenden Variablen ergibt korrekt angegebene Regressionsmodelle? Nehmen Krankheiten mit der Nähe zu Wasserflächen zu? |
|
Welche Faktoren könnten zu bestimmten Ergebnissen beitragen? Wo sonst könnte es eine ähnliche Reaktion geben? |
Kleinste Quadrate (Ordinary Least Squares, OLS), Regressionsanalyse und Geographisch gewichtete Regression |
Was sind die Hauptvariablen, die eine hohe Waldbrandhäufigkeit erklären? Welche demografischen Eigenschaften tragen zu hohen Nutzungsraten für öffentliche Transportmittel bei? Welche Umgebungen sollten geschützt werden, um die Wiedereinführung einer gefährdeten Spezies zu fördern? |
|
Wo sind Entschärfungsmaßnahmen am effektivsten? |
Wo erzielen Kinder durchwegs hohe Prüfungsergebnisse? Welche Eigenschaften scheinen verknüpft zu sein? Wo sind die einzelnen Eigenschaften am wichtigsten? Welche Faktoren sind mit einem höheren Verkehrsunfallanteil als erwartet verknüpft? Welche Faktoren sind die stärksten Prädiktoren an den einzelnen Orten mit hoher Unfallquote? |
|
|
Wie könnte sich das Muster ändern? Was kann als Vorbereitung unternommen werden? |
Wo sind die Hot Spots für Notrufe? Mit welchen Variablen kann das Anrufvolumen effektiv vorhergesagt werden? Wie sieht angesichts der Vorhersagen für die Zukunft die erwartete Nachfrage für Notdienste aus? |
|
|
Warum ist diese Position ein Hot Spot? Warum ist diese Position ein Cold Spot? |
Warum sind Krebsraten in bestimmten Gebieten so hoch? Warum ist die Alphabetisierungsrate in manchen Regionen so niedrig? Gibt es Orte in den USA, an denen Personen immer sehr jung sterben? Weshalb? |
GIS bietet viele unterschiedliche Ansätze für die Analyse von räumlichen Daten. Manchmal ist eine visuelle Analyse ausreichend: Es wird eine Karte erstellt, die alle für eine Entscheidung erforderlichen Informationen enthält. Manchmal ist es jedoch schwierig, Schlüsse allein aus einer Karte zu ziehen. Kartografen treffen Entscheidungen, wenn eine Karte erstellt wird: welche Features eingeschlossen bzw. ausgeschlossen werden, wie Features symbolisiert werden, die ausgewählten Klassifizierungsschwellenwerte zum Bestimmen, ob ein Feature hellrot oder in einem weniger kräftigen pink angezeigt werden, wie Titel lauten usw. All diese kartografischen Elemente helfen, den Kontext und den Bereich des analysierten Problems zu übermitteln, sie können jedoch auch die Merkmale davon, was wir sehen, ändern und folglich unsere Interpretation beeinflussen. Räumliche Statistiken helfen, einen Teil der Subjektivität zu beseitigen, um ein direktes Verhältnis zu räumlichen Mustern, Trends, Prozesses und Beziehungen zu bekommen. Wenn die analytischen Fragen besonders schwierig sind, oder die Entscheidungen, die auf Grundlage der Analyse getroffen wurden, besonders kritisch sind, müssen Sie unbedingt die Daten und den Kontext des Problems von unterschiedlichen Perspektiven aus überprüfen. Räumliche Statistiken bietet leistungsstarke Werkzeuge, mit denen visuelle, kartografische und herkömmliche (nicht räumliche) statistische Ansätze für die räumliche Datenanalyse ergänzt und verbessert werden können.
Zusätzliche Ressourcen
- Mitchell, Andy. The Esri Guide to GIS Analysis, Volume 2. Esri Press 2005.
- Eine aktuelle Liste kostenloser Online-Seminare, Lernprogramme, Kurzvideos, Präsentationen und Artikel des Esri Virtual Campus finden Sie unter Spatial Statistics Resources.