الدرس الحادي عشر الجزء 3 مجموعة أدوات Spatial Statistics and Tracking Analyst Tools

القائمة الرئيسية

الصفحات

الدرس الحادي عشر الجزء 3 مجموعة أدوات Spatial Statistics and Tracking Analyst Tools

لمتابعة موقعنا ليصلك كل جديد إضغط هنا


للرجوع الى الجزء الثاني من هنا

3-11-2 مجموعة الأدوات

  Spatial Statistics, Analyzing Patterns, Mapping Clusters, Measuring Geographic Distributions, Modeling Spatial Relationships, Utilities Toolset and Tracking Analyst toolbox

شرح أدوات Spatial Statistics, Analyzing Patterns, Mapping Clusters, Measuring Geographic Distributions, Modeling Spatial Relationships, Utilities Toolset and Tracking Analyst


1.    Spatial Statistics Tools أدوات الإحصاء المكاني

تحتوي مجموعة أدوات الإحصاء المكاني على أدوات إحصائية لتحليل التوزيعات والأنماط والعمليات والعلاقات المكانية. في حين أنه قد تكون هناك أوجه تشابه بين الإحصاءات المكانية وغير المكانية (التقليدية) من حيث المفاهيم والأهداف ، إلا أن الإحصاءات المكانية فريدة من نوعها من حيث أنها تم تطويرها خصيصًا للاستخدام مع البيانات الجغرافية.

على عكس الأساليب الإحصائية غير المكانية التقليدية ، فإنها تدمج الفضاء (القرب ، المنطقة ، الاتصال ، و / أو العلاقات المكانية الأخرى) مباشرة في الرياضيات الخاصة بهم:

·       Analyzing Patterns toolset مجموعة أدوات تحليل الأنماط

يعد تحديد الأنماط الجغرافية أمرًا مهمًا لفهم كيفية تصرف الظواهر الجغرافية ، على الرغم من أنه يمكنك التعرف على النمط العام للميزات والقيم المرتبطة بها عن طريق تعيينها ، إلا أن حساب الإحصاء يحدد النمط. هذا يجعل من السهل مقارنة الأنماط لتوزيعات مختلفة أو فترات زمنية مختلفة.

غالبًا ما تكون الأدوات الموجودة في مجموعة أدوات تحليل الأنماط نقطة بداية لمزيد من التحليلات المتعمقة. قد يساعدك استخدام أداة الارتباط التلقائي التزايدي المكاني لتحديد المسافات حيث تكون العمليات التي تعزز التجميع المكاني أكثر وضوحًا ، على سبيل المثال ،

في تحديد مسافة مناسبة (مقياس التحليل) لاستخدامها في فحص النقاط الساخنة (تحليل النقاط الساخنة). مجموعة أدوات تحليل الأنماط عبارة عن إحصائيات استنتاجية ؛ يبدأون بالفرضية الصفرية التي مفادها أن ميزاتك ، أو القيم المرتبطة بميزاتك ، تعرض نمطًا عشوائيًا مكانيًا.

ثم يحسبون قيمة p  تمثل احتمال صحة الفرضية الصفرية (أن النمط المرصود هو ببساطة أحد الإصدارات العديدة الممكنة من العشوائية المكانية الكاملة). قد يكون حساب الاحتمالية مهمًا إذا كنت بحاجة إلى مستوى عالٍ من الثقة في قرار معين. إذا كانت هناك تداعيات تتعلق بالسلامة العامة أو قانونية مرتبطة بقرارك ، على سبيل المثال ،

فقد تحتاج إلى تبرير قرارك باستخدام الأدلة الإحصائية. توفر أدوات تحليل الأنماط إحصاءات تحدد الأنماط المكانية الواسعة. تجيب هذه الأدوات على أسئلة مثل ، "هل الميزات الموجودة في مجموعة البيانات ، أو القيم المرتبطة بالميزات في مجموعة البيانات ، متجمعة مكانيًا؟" و "هل تصبح المجموعات أكثر أو أقل حدة بمرور الوقت؟". يسرد الجدول التالي الأدوات المتاحة ويقدم وصفًا موجزًا ​​لكل منها:

1.    Average Nearest Neighbor متوسط​​أقرب الجار

تحسب فهرس الجار الأقرب بناءً على متوسط​​المسافة من كل معلم إلى أقرب معلم مجاور له.

2.    High/Low Clustering الكتلة العالية / المنخفضة

يقيس درجة التجميع للقيم العالية أو المنخفضة باستخدام إحصاء Getis-Ord General G.

3.    Incremental Spatial Autocorrelation ارتباط ذاتي مكاني تزايدي

يقيس الارتباط التلقائي المكاني لسلسلة من المسافات وينشئ اختياريًا رسمًا بيانيًا خطيًا لتلك المسافات ودرجات z المقابلة لها. تعكس درجات Z شدة التجميع المكاني ، وتشير درجات الذروة ذات الدلالة الإحصائية إلى المسافات التي تكون فيها العمليات المكانية التي تعزز التجميع أكثر وضوحًا. غالبًا ما تكون مسافات الذروة هذه قيمًا مناسبة لاستخدامها في الأدوات ذات معلمة نطاق المسافة أو معامل المسافة.

4.    Multi-Distance Spatial Cluster Analysis (Ripley's k-function) التحليل العنقودي متعدد المسافات (وظيفة Ripley's k)

يحدد ما إذا كانت الميزات ، أو القيم المرتبطة بالمعالم ، تعرض تجمعات ذات دلالة إحصائية أو تشتت عبر نطاق من المسافات.

5.    Spatial Autocorrelation الارتباط التلقائي المكاني

يقيس الارتباط التلقائي المكاني بناءً على مواقع المعالم وقيم السمات باستخدام إحصائية Global Moran I.

·       Mapping Clusters toolset مجموعة أدوات رسم الخرائط

تقوم أدوات Mapping Clusters بإجراء تحليل الكتلة لتحديد مواقع النقاط الساخنة ذات الدلالة الإحصائية ، والنقاط الباردة ، والقيم المتطرفة المكانية ، والميزات المماثلة. تعتبر مجموعة أدوات Mapping Clusters مفيدة بشكل خاص عند الحاجة إلى اتخاذ إجراء بناءً على موقع مجموعة أو أكثر من المجموعات. ومن الأمثلة على ذلك تكليف ضباط شرطة إضافيين للتعامل مع مجموعة من عمليات السطو. من المهم أيضًا تحديد موقع التجمعات المكانية عند البحث عن الأسباب المحتملة للتكتل ؛ يمكن أن يوفر مكان حدوث تفشي مرض في كثير من الأحيان أدلة حول سبب حدوثه. على عكس الطرق الموجودة في مجموعة أدوات تحليل الأنماط ، والتي تجيب على السؤال "هل هناك مجموعات مكانية؟" بنعم أو لا ،تسمح أدوات تعيين المجموعات بتصور مواقع المجموعات ومداها. تجيب هذه الأدوات على الأسئلة "أين التجمعات (النقاط الساخنة / البقع الباردة)؟" ، "أين هي القيم المتطرفة المكانية؟" ، و "ما هي السمات الأكثر تشابهًا؟":

1.    Cluster and Outlier Analysis التحليل العنقودي والانعزالي

بالنظر إلى مجموعة من الميزات الموزونة ، يحدد النقاط الساخنة ذات الدلالة الإحصائية ، والبقع الباردة ، والقيم المتطرفة المكانية باستخدام إحصائية Anselin Local Moran I.

2.    Grouping Analysis تحليل التجميع

تعتمد ميزات المجموعات على سمات الميزة والقيود الاختيارية المكانية أو الزمنية.

3.    Hot Spot Analysis تحليل النقاط الساخنة

نظرًا لمجموعة من الميزات الموزونة ، يحدد النقاط الساخنة ذات الدلالة الإحصائية والبقع الباردة باستخدام إحصائية Getis-Ord Gi *.

4.    Optimized Hot Spot Analysis تحليل النقاط الساخنة الأمثل

نظرًا لنقاط الحادث أو المعالم الموزونة (النقاط أو المضلعات) ، يُنشئ خريطة النقاط الساخنة والباردة ذات الدلالة الإحصائية باستخدام إحصائية Getis-Ord Gi *. يقوم بتقييم خصائص فئة ميزة الإدخال للحصول على أفضل النتائج.

5.    Optimized Outlier Analysis التحليل الناشز الأمثل

نظرًا لنقاط الحادث أو الميزات الموزونة (النقاط أو المضلعات) ، يُنشئ خريطة النقاط الساخنة ذات الدلالة الإحصائية ، والنقاط الباردة ، والقيم المتطرفة المكانية باستخدام إحصاء Anselin Local Moran I. يقوم بتقييم خصائص فئة ميزة الإدخال للحصول على أفضل النتائج.

6.    Similarity Search بحث التشابه

يحدد الميزات المرشحة الأكثر تشابهًا أو اختلافًا مع ميزة إدخال واحدة أو أكثر استنادًا إلى سمات الميزة.

·       Measuring Geographic Distributions toolset مجموعة أدوات قياس التوزيعات الجغرافية

يتيح لك قياس توزيع مجموعة من الميزات حساب القيمة التي تمثل خاصية التوزيع ، مثل المركز أو الاكتناز أو الاتجاه. يمكنك استخدام هذه القيمة لتعقب التغييرات في التوزيع بمرور الوقت أو مقارنة توزيعات الميزات المختلفة.

تتناول مجموعة أدوات قياس التوزيعات الجغرافية أسئلة مثل:

اين المركز؟

ما هو شكل واتجاه البيانات؟

ما مدى تشتت الميزات؟

1.    Central Feature المعلم المركزي

يحدد الميزة الأكثر موقعًا مركزيًا في فئة معلم نقطة أو خط أو مضلع.

2.    Directional Distribution التوزيع الاتجاهي

يُنشئ علامات حذف انحراف معيارية لتلخيص الخصائص المكانية للسمات الجغرافية: الاتجاه المركزي ، والتشتت ، والاتجاهات الاتجاهية.

3.    Linear Directional Mean المتوسط الاتجاهي الخطي

يحدد متوسط الاتجاه والطول والمركز الجغرافي لمجموعة من الخطوط.

4.    Mean Center يعني المركز

يحدد المركز الجغرافي (أو مركز التركيز) لمجموعة من المعالم.

5.    Median Center مركز الوسيط

يحدد الموقع الذي يقلل المسافة الإقليدية الكلية للميزات في مجموعة البيانات.

6.    Standard Distance المسافة المعيارية

يقيس درجة تركيز العناصر أو تشتيتها حول مركز المتوسط الهندسي.

 

·       Modeling Spatial Relationships toolset مجموعة أدوات نمذجة العلاقات المكانية

إلى جانب تحليل الأنماط المكانية ، يمكن استخدام تحليل نظم المعلومات الجغرافية لفحص أو تحديد العلاقات بين الميزات. تُنشئ أدوات نمذجة العلاقات المكانية مصفوفات أوزان مكانية أو نماذج علاقات مكانية باستخدام تحليلات الانحدار. تقيس ملفات مصفوفة الأدوات التي تنشئ أوزانًا مكانية كيفية ارتباط الميزات في مجموعة البيانات ببعضها البعض في الفضاء. مصفوفة الأوزان المكانية هي تمثيل للبنية المكانية لبياناتك: العلاقات المكانية الموجودة بين الميزات في مجموعة البيانات الخاصة بك. تدمج الإحصاءات المكانية الصحيحة معلومات حول العلاقات المكانية والمكانية في رياضياتهم. بعض الأدوات الموجودة في مربع أدوات الإحصاء المكاني التي تقبل ملف مصفوفة الأوزان المكانية هي الارتباط التلقائي المكاني (Global Moran's I) والتحليل العنقودي والانعزالي (Anselin Local Moran's I) وتحليل النقاط الساخنة (Getis-Ord Gi *). الأدوات المتوفرة في علاقات نموذج مربع أدوات الإحصاء المكاني بين متغيرات البيانات المرتبطة بالميزات الجغرافية ، مما يسمح لك بعمل تنبؤات لقيم غير معروفة أو لفهم العوامل الرئيسية التي تؤثر على متغير تحاول نمذجته بشكل أفضل. تسمح لك طرق الانحدار بالتحقق من العلاقات وقياس مدى قوة تلك العلاقات. يسمح لك الانحدار الاستكشافي بفحص عدد كبير من نماذج المربعات الصغرى العادية (OLS) بسرعة ، وتلخيص العلاقات المتغيرة ، وتحديد ما إذا كانت أي مجموعة من المتغيرات التوضيحية المرشحة تفي بجميع متطلبات طريقة OLS:

1.    Exploratory Regression الانحدار الاستكشافي

تقوم أداة Exploratory Regression بتقييم جميع المجموعات الممكنة من المتغيرات التوضيحية لمرشح الإدخال ، وتبحث عن نماذج OLS التي تشرح بشكل أفضل المتغير التابع في سياق المعايير المحددة من قبل المستخدم.

2.    Generate Network Spatial Weights توليد شبكة الأوزان المكانية

ينشئ ملف مصفوفة للأوزان المكانية (.swm) باستخدام مجموعة بيانات الشبكة ، ويحدد العلاقات المكانية للميزات من حيث بنية الشبكة الأساسية.

3.    Generate Spatial Weights Matrix إنشاء مصفوفة الأوزان المكانية

ينشئ ملف مصفوفة أوزان مكانية (.swm) لتمثيل العلاقات المكانية بين المعالم في مجموعة البيانات.

4.    Geographically Weighted Regression الانحدار المرجح جغرافيا

يقوم بتنفيذ الانحدار الموزون جغرافيًا (GWR) ، وهو شكل محلي من الانحدار الخطي المستخدم لنمذجة العلاقات المتغيرة مكانيًا.

5.    Ordinary Least Squares المربعات الصغرى العادية

ينفذ الانحدار الخطي العام للمربعات الصغرى (OLS) لإنشاء تنبؤات أو لنمذجة متغير تابع من حيث علاقاته بمجموعة من المتغيرات التفسيرية.

·       Utilities toolset مجموعة أدوات المرافق

تؤدي البرامج النصية المساعدة هذه مجموعة متنوعة من مهام تحويل البيانات. تم تصميمها لاستخدامها مع الأدوات الأخرى في مربع أدوات الإحصاء المكاني:

1.    Calculate Distance Band from Neighbor Count حساب المسافة نطاق من الجار العد

لعرض الحد الأدنى والحد الأقصى ومتوسط المسافة إلى أقرب الجوار رقم N (N معلمة إدخال) لمجموعة من المعالم. تتم كتابة النتائج كرسائل تنفيذ الأداة.

2. جمع الحدث Collect Events

 يحول بيانات الأحداث ، مثل حوادث الجريمة أو المرض ، إلى بيانات النقطة الموزونة.

3.    Convert Spatial Weights Matrix To Table تحويل مصفوفة الأوزان المكانية إلى جدول

يحول ملف مصفوفة للأوزان المكانية الثنائية (.swm) إلى جدول.

4.    Export Feature Attributes To ASCII تصدير سمات ميزة إلى ASCII

يصدر إحداثيات فئة المعالم وقيم السمة إلى ملف نصي ASCII بمسافة أو فاصلة أو فاصلة منقوطة.

 

2.    Tracking Analyst toolbox صندوق أدوات تحليل التتبع

يحتوي مربع أدوات Tracking Analyst على الأدوات المستخدمة لتحليل البيانات الزمنية وإعداد البيانات الزمنية للاستخدام مع ملحق ArcGIS Tracking Analyst:

·       Concatenate Date And Time Fields تسلسل حقول التاريخ والوقت

يربط حقلي تاريخ ووقت منفصلين في فئة المعالم أو طبقة في حقل واحد يحتوي على التاريخ والوقت.

·       Make Tracking Layer اصنع طبقة تتبع

تقوم هذه الأداة بإنشاء طبقة تعقب من فئة المعالم أو طبقة تحتوي على بيانات مؤقتة.

·       Track Intervals To Feature فترات تعقب لتمييز

لحساب القيم التي يتم حسابها من الفرق بين المعالم المرتبة تباعاً في المسار. تتم إضافة الحقول الجديدة إلى فئة أو طبقة معالم الإدخال لتخزين القيم المحسوبة (المسافة ، والمدة ، والسرعة ، والمسار).

·       Track Intervals To Line تتبع الفواصل الزمنية للخط

لحساب القيم التي يتم حسابها من الفرق بين المعالم المرتبة تباعاً في المسار. يتم إنشاء فئة معالم خطية جديدة لتمثيل فترات المسار وتخزين القيم المحسوبة (المسافة ، والمدة ، والسرعة ، والمسار).

 للإنتقال الى الجزء الأول من هنا

مشاهدة فيديو الدرس الحادي عشر من المرحلة الثانية لتعلم على برامج ArcGIS بثلاثة مراحل تعرف على مجموعة الأدوات Spatial Analyst ,Spatial Statistics ,Tracking Analyst 

لمشاهدة ملف شرح الدرس الحادي عشر من المرحلة الثانية لتعلم على برامج ArcGIS بثلاثة مراحل تعرف على مجموعة الأدوات Spatial Analyst ,Spatial Statistics ,Tracking Analyst   هنا

 اليك صفحه ومجموعة على الفيس بوك لتعلم أكثر بما يخص نظم المعلومات الجغرافية (GIS) و برنامج ArcGIS Pro من خلال هذه الروابط:


مجموعة على الفيس بوك ArcGIS Pro من هنا.
مجموعة على الفيس بوك GIS for WE - ArcGIS Pro من هنا.
صفحة الفيس بوك GIS for WE من هنا.

 

GIS for WE

تعليقات

التنقل السريع
    >