Wie heißt dieses GIS-Prinzip?

21

Ich habe den Namen eines bestimmten GIS-Prinzips vergessen und brauche eine Auffrischung ...

Szenario: Nehmen wir an, es gibt ein Polygon, das einen Verwaltungsbereich darstellt. Nehmen wir an, es ist der Einfachheit halber ein Quadrat. Nehmen wir auch an, es gibt 9 Häuser irgendwo auf diesem Platz, aber wir wissen nicht, wo sie sind. Wenn ich dieses Quadrat in 9 gleiche Teile teile (wie ein Tic-Tac-Toe-Brett), möchte ich die Anzahl der Häuser in jedem Quadrat berechnen.

Nun ist klar, dass neun Häuser, die in neun kleine Quadrate unterteilt sind, ein Haus pro Quadrat sind. Ich weiß jedoch, dass alle neun Häuser überall sein könnten. Alle neun könnten sich wie folgt im oberen rechten Quadrat befinden:

Bildbeschreibung hier eingeben

Oder es gibt drei in der unteren Reihe und keine in den oberen sechs wie folgt:

Bildbeschreibung hier eingeben

Wenn ich so ein Haus pro Quadrat annehmen würde,

Bildbeschreibung hier eingeben

Wie heißt diese falsche Annahme? Ist dies das Problem der modifizierbaren Flächeneinheit (MAUP) ?

Fezter
quelle

Antworten:

25

Allgemeines

Geographen und andere Wissenschaftler suchen nach geografischen Mustern, in der Hoffnung, dass dies ihnen hilft, die Prozesse, die diese Muster hervorgebracht haben, besser zu verstehen. Wie Sie gezeigt haben, beginnt dieser Prozess mit der Kartierung der Orte, an denen sich die Phänomene befinden. Solche Karten, wie Sie sie oben erstellt haben, werden häufig als Punktmusterkarten bezeichnet .

Räumliche Aufteilung

Wenn ein Leser eine solche Karte untersucht, versucht er, die räumliche Verteilung (oder die räumliche oder geografische Anordnung) der interessierenden Variablen zu ermitteln und festzustellen, ob es irgendeine Art von Muster gibt. Normalerweise gibt es vier Verteilungstypen, die für die Punktmusterkarte definiert sind (die Sie auch oben gezeichnet haben). Diese sind:

  • gruppiert
  • normal
  • zufällig
  • regelmäßig / uniform / verteilt

Aus Wikipedia :

Bildbeschreibung hier eingeben

Neben der visuellen Untersuchung muss häufig die Analyse der Häufigkeit oder Dichte von Punkten in einer Region (mithilfe der Quadratanalyse ) oder des Abstands zwischen benachbarten Punkten (mithilfe der Analyse des nächsten Nachbarn ) verwendet werden.

Problem mit änderbaren Einheiten

Sie haben auch das Problem mit modifizierbaren Flächeneinheiten (auch als Problem mit modifizierbaren Einheiten bezeichnet ) erwähnt.

Bei der räumlichen Analyse stören vier Hauptprobleme eine genaue Schätzung des statistischen Parameters: das Randproblem, das Skalenproblem, das Musterproblem (oder die räumliche Autokorrelation) und das Problem mit modifizierbaren Flächeneinheiten (Barber 1988).

Ich denke, dass es in diesem Beispiel relevant ist, aber ich möchte auch einige andere Probleme erwähnen:

Grenzproblem

Ein Grenzproblem bei der Analyse ist ein Phänomen, bei dem geografische Muster durch die Form und Anordnung von Grenzen unterschieden werden, die zu Verwaltungs- oder Messzwecken gezogen werden.

Ein einfaches Beispiel: Wenn Ihre Punkte eine Anzahl von Personen einer bestimmten ethnischen Gruppe repräsentieren, können Sie in Abhängigkeit von den verwendeten Grenzen eine andere Sicht auf die Verteilung der Punkte z. B. auf Zensusbezirke erhalten.

Wenn die Punkte nahe beieinander liegen, sich jedoch in verschiedenen Zensusbezirken befinden, können Sie ein falsches Verständnis der Verteilung erhalten, da dies eine gleichmäßige Verteilung der ethnischen Gruppe in diesem Untersuchungsgebiet anzeigen würde. Wenn Sie dagegen andere Grenzen verwenden, erhalten Sie möglicherweise eine andere Ansicht, die auf eine signifikante Konzentration der ethischen Gruppe hinweist. Am Ende könnten Sie verwirrt sein, ob Sie ethnische Segregation oder ethnische Integration beobachten.

Problem mit änderbaren Einheiten

Dies kann in zwei Aspekten diskutiert werden - in Bezug auf die "Skala" und die "Form".

Skalierungsproblem

Die Werte für verschiedene deskriptive Statistiken können systematisch variieren, wenn Sie immer mehr aggregierte Flächendaten verwenden.

Ein einfaches Beispiel: Jede Zelle ist unsere Polygonfläche mit der Anzahl der Punkte.

6      10      3       5      
2       6       4       12      
3       5       8       12      
4       12       1       3      

Dann aggregieren wir die Polygone, um eine durchschnittliche Punktzahl zu erhalten:

8      4      
4       8      
4       10      
8       2      

Und noch einmal:

6       6      
6       6      

Hey, wir haben eine gleichmäßige Verteilung! Mit einem Wort: Durch räumliche Aggregation wird in der Regel die auf einer Karte angezeigte Abweichung minimiert.

Für ein anderes wirklich einfaches Beispiel hängt es wirklich davon ab, in welchem ​​Maßstab Sie Ihre Punkte betrachten. Schauen Sie sich das Wikipedia-Bild für Punktmuster an. Die Normalverteilung sieht beim Verkleinern der digitalen Karte möglicherweise wie ein Cluster aus.

Formproblem

Wir hätten die Polygone in der obigen Tabelle vertikal oder horizontal zusammenfassen können (indem wir statt Ost-West-Nachbarn zusammenhängende Nord-Süd-Beziehungen eingehen). Dies bedeutet, dass verschiedene Flächendefinitionen erhebliche Auswirkungen auf die Werte Ihrer Datenverteilung und deskriptiven Statistiken haben können.

Das Musterproblem

Kurz gesagt, die oben genannten Methoden können die Art des Problems, das ein Mensch auf einer Karte leicht lesen würde, nicht sehr gut bewerten. Um zwischen den Flächenmustern und Punktverteilungen unterscheiden zu können, müsste man die räumlichen Autokorrelationsmethoden verwenden.

Alex Tereshenkov
quelle
7

Meiner Meinung nach haben Sie hier zwei unterschiedliche Annahmen. Das modifizierbare Areal Unit Problem ist eines davon, wie Sie geschrieben haben. Dies ist das Problem künstlicher Grenzen von Verwaltungsbereichen.

Das Hauptproblem, das Sie beschreiben, ist jedoch die Annahme einer Wahrscheinlichkeitsverteilung. Sie möchten Ihre Informationsskala hochskalieren. Sie haben jedoch keine Informationen über die Lage der Häuser. In Ihrem ersten Beispiel gehen Sie von einer Clusterverteilung aus, in Ihrem zweiten von einer regulären und in Ihrem letzten von einer einheitlichen. Solange Sie die Verteilung nicht kennen, können Sie keine Aussage über die Wahrscheinlichkeit des Auftretens einer der beiden machen.

Ohne die Verteilung zu kennen, wird häufig die einheitliche verwendet, wenn Sie Bereiche unterteilen müssen. Oder Sie verwenden geostatistische Methoden wie Kriging oder Simulationen, die auf bekannten Verteilungen basieren.

Matte
quelle