Zastosowanie analizy rozmieszczenia punktów (point pattern analysis)
Transkrypt
Zastosowanie analizy rozmieszczenia punktów (point pattern analysis)
Zastosowanie analizy rozkładu punktów (Point Pattern Analisys) w badaniach osadniczych Jarosław Jasiewicz Iwona Holdebrandt-Radke Typy rozkładu punktów regularny losowy skupiony regularny: efekt „świadomego” działania, nienaturalny ●losowy: powstaje, gdy na punkty nie działa żaden czynnik, lub działa wiele czynników, nawzajem znoszących się ●skupiony: powstaje, gdy na rozmieszczanie się punktów wpływa jakiś czynnik ● Jak określić typ rozkładu ● Testowanie czy rozkład ma charakter całkowitej losowości przestrzennej (CRS – complete spatial randomness) ● metody oparte na próbkowaniu (subsampling) ● metody najmniejszej odległości ● metody odległościowo-bazowe Ddistance-Based) – zdarzenie – zdarzenie (funkcja G) – punkt siatki – zdarzenie (funkcja F) – odchylenie od wartości oczekiwanej (K) – J: 1-G/1-F – L: K/2*Pi*r Funkcja F („pustej przestrzeni”) Funkcja bada odległości pomiędzy każdym punktem siatki obszaru, a najbliższym punktem zbioru (zdarzeniem - event) ● wykres funkcji przedstawia skumulowaną odległość od dowolnego stacjonarnego punktu w przestrzeni do zdarzenia najbliższego w zbiorze ● F(r) = 1 − e −λπr2 lambda – intensywność – spodziewana ilość punktów na jednostkę powierzchni, w rozkładzie Poissona ●r – promień przeszukiwania ● F r = licz. punktów najbl. zdarzeniu w odległ.r całkowitalicz. punktów Funkcja F szczególnie dobrze „nadaje się” do wykrywania obszarów skupionych Porównanie krzywych empirycznych z krzywą teoretyczną regularny losowy skupiony F F ⇒ regularny ; F F ⇒ skupiony Funkcja G („najbliższego sąsiada”) Funkcja bada odległości pomiędzy każdym punktem zbioru, a najbliższym sąsiadem (zdarzeniem - event) ● wykres funkcji przedstawia skumulowaną odległość od dowolnego punktu ze zbioru do zdarzenia najbliższego w zbiorze ● G(r) = 1 − e −λπr2 lambda – intensywność – spodziewana ilość punktów na jednostkę powierzchni, w rozkładzie Poissona ●r – promień przeszukiwania ● G r= licz. zdzrzeńnajbl. zdarzeniu w odległ.r całkowitalicz. zdarzeń Funkcja G szczególnie dobrze „nadaje się” do wykrywania obszarów o regularnym zagęszczeniu Porównanie krzywych empirycznych z krzywą teoretyczną regularny losowy skupiony GG ⇒ regularny ; GG ⇒ skupiony Funkcja K (odchylenie od modelu) inny termin Rippley-K function ● zredukowany drugi moment centralny, określa zróżnicowanie, odchylenie od wartości oczekiwanej (CSR) ● W praktyce określa liczbę dodatkowych punktów w obszarze określonym promieniem r. ● K(r) = πt2 lambda – intensywność – spodziewana ilość punktów na jednostkę powierzchni, w rozkładzie Poissona ●r – promień przeszukiwania ● Funkcja K można stosować zarówno w małej jak i dużej skali. Pozwala wykrywać skupienia w małej skali, a regularność w dużej Porównanie krzywych empirycznych z krzywą teoretyczną regularny losowy skupiony K K ⇒ regularny ; K K ⇒ skupiony Funkcje L i J funkcja J jest złożeniem funkcji F iG ● poprzez porównanie do 1, dla całkowicie losowego rozkładu dobrzw wykrywa zarówno skupienia jak i rozkłady regularne ● 1−G r J= 1−F r funkcja L jest przekształceniem funkcji K wg wzoru. ● poprzez porównanie do 1, dla całkowicie losowego rozkładu pozwala na bardziej złożoną analizę, poprzez wyszukiwanie minimów i maximów ● K r L r = −r w praktyce stosuje się funkcje J i L, jako bardziej czytelne ● Obwiednia CSR CSR -complete spatial randomness całkowita losowość przestrzenna. ● Obwiednie stosuje się aby wyznaczyć przedziały ufności na poziomie 90% stosuje się 10 symulacji, na poziomie 98 procent 100 symulacji ● Obwiednia wyznaczana jest metodą Monte Carlo – tj metodą losowania zestawu punktów i wyliczania dla nich krzywej empirycznej ● Modelowanie przestrzennej zmienności układu punktów ● ● Dopasowanie empirycznego rozkładu do modelu matematycznego Mapa gęstościowa (Kernel Density Map) Mapy gęstościowe Zależność mapy gęstościowej od σ Dopasowanie trendu Studium przypadku Zróżnicowanie osadnictwa wczesnośrednioweicznego na obszerze Wysoczyzny Kościańskiej Obszar badań A - osady stałe (osady, grodziska, cmentarzyska) B - osady sezonowe (punkty i ślady osadnicze Zakres analizy ● ● ● ● Eksploracja danych i określenie typów rozkładów w różnych skalach (exploratory data analisys) Analiza gęstościowa (kernel density estimation) analiza rozkładów wielopunktowych i ich wzajemnych relacji (Analysis of multiple points pattern) Dopasowanie danych do trendu - modele rozkładu (Fitting points process model to data) Eksploracja danych funkcja J stałe tymczasowe Analiza gęstościowa md + std Porównanie rozkładów Dopasowanie rozkładu do modelu Trend liniowy stałe sezonowe Trend wielomianowy 3st stałe sezonowe Dopasowanie trendu z użyciem kowariancji stałe sezonowe Literatura podstawowa Ripley 1981 – Spatial Statistic, Villey Diggle 1983, 2003 - Statistical Analisys od Spatial Point Bivand 1998 - A review of Spatial statistical techniques for location studies Cliff, Ord 1981 - Spatial processes: models and applications Pion, London Baddeley, Turner 2005 - An R package for Analizing Spatial Point Patterns Bivand 2001 Getis, Ord 1992, 1996 Griffith 1988 Diggle 1985, 1990 Bailey, Gatrell, 1996 Cressie 1993 Baddeley, Turner 2005-2006: Podręcznik pakietu spatstat Bivand 2002-2006 Podręcznik pakietu splancs w języku polskim ??