Konfidenzintervall aus Rasterdaten

Ich habe Rasterdaten, die eine Wahrscheinlichkeitsverteilung darstellen, dh jede Zelle hat einen Wahrscheinlichkeitswert (in meinem Fall die Wahrscheinlichkeit, dass ein Tier in der Zelle gefunden wird), und alle Zellen addieren sich zu 100% (ich kenne das Tier mit Sicherheit liegt im Rahmen meines Rasters). Ich möchte in der Lage sein, Vektordaten für Konfidenzwerte zu generieren. Zum Beispiel bezeichnet die 95% Linie / das Polygon die Grenze, an der ich zu 95% sicher bin, dass ich das Tier finden werde.

Wenn ich eine Schätzung der Kerneldichte habe, wie generiere ich die XX% -Linie / das Polygon, die / das an den dichtesten Teil des Rasters grenzt und XX% der Gesamtbevölkerung enthält?

Ich bin bereit, ArcGIS oder Open-Source-Software zu verwenden. Welchen Algorithmus kann ich implementieren, wenn es für mich kein Tool gibt, das dies ausführt?

Vertrauen ist kein anwendbares Konzept, obwohl es oberflächlich ähnlich ist. Die Frage klingt eher so, als ob Sie die kleinste Region mit einer Gesamtwahrscheinlichkeit von mindestens 95% identifizieren möchten. Dieser Bereich kann (zumindest konzeptionell) erhalten werden, indem alle Wahrscheinlichkeiten sortiert und vom höchsten zum niedrigsten akkumuliert werden, bis die Teilsumme zuerst 95% beträgt oder überschreitet, und dann die Zellen ausgewählt werden, die den akkumulierten Werten entsprechen. Dies führt zu einer einfachen Lösung, wie dieses R-Beispiel (Open Source) zeigt:

library(raster)
set.seed(17)                   # Seed a reproducible random sequence
nr <- 30                       # Number of rows                    
nc <- 50                       # Number of columns
#
# Create a zone raster for normalizing the probabilities.
#
zone <- raster(ncol=nc, nrow=nr)
zone[] <- 0
#
# Create a probability raster (for illustrating the algorithm later).
#
p <- raster(ncol=nc, nrow=nr)
p[] <- (1:(nc*nr) - 1/2) / (nc*nr) + rnorm(nc*nr, sd=0.5)
p <- abs(focal(p, ngb=5, run=mean))
z <- zonal(p, zone, stat='sum')
p <- p / z[[2]] # This normalizes p to sum to unity as required
#------------------------------------------------------------------------------#
#
# The algorithm begins here.
#
pvec <- sort(getValues(p), decreasing=TRUE) # The probabilities, sorted
d <- cumsum(pvec)                           # Cumulative probabilities
dpos <- d[d <= 0.95]                        # Position to stop
region <- p                                 # Initialize the output
region[p < pvec[length(dpos)]] <- NA        # Exclude the last 5% of the probability
plot(region)                                # Display the result

Hier ist das resultierende Bild des 95% -Wahrscheinlichkeitsbereichs mit den ursprünglichen Farbwahrscheinlichkeiten: Sie summieren sich konstruktionsbedingt zu etwas mehr als 95%, und das Eliminieren selbst des kleinsten Werts reduziert die Summe auf weniger als 95%. Der weiße Bereich oben enthält die verbleibenden 5% der Wahrscheinlichkeit außerhalb dieser Region. Die gewünschte Kontur ist die Grenze zwischen den weißen und den farbigen Zellen.

Die gleiche Methode funktioniert in einem KDE-Raster.

Für dieses Problem gibt es keine einfache ArcGIS-Lösung.

In ArcGIS ...

• Spatial Statistics Tools> Reclass> Reclassify Tool
  • Erstellen Sie zwei Neuklassifizierungsmethoden:
  • OldValues ​​= 0-94.99 | NewValues ​​= 0
    OldValues ​​= 95-100 | NewValues ​​= 1

Dadurch wird ein neues Raster mit 2 Werten erstellt: 0 = außerhalb des Konfidenzintervalls, 1 = innerhalb des 95% -Konfidenzintervalls.

• Konvertierungswerkzeuge> Von Raster> Raster zu Polygon-Werkzeug
  • Eingabe = Neu klassifiziertes Rasterfeld
    = Wert

Dadurch wird ein Vektorpolygon mit 2 FIDs erstellt, eine mit der Form Ihres 95% -Konfidenzintervalls und die andere mit Ihrem verbleibenden Rasterbereich. Ich würde vorschlagen, die Option "Vereinfachen" zu untersuchen, um festzustellen, welche Ergebnisse Ihren Anforderungen besser entsprechen.

Wenden Sie zur Information dieselbe Methode an, um die Polygone für Ihre Kerndichteschätzungen zu erhalten.