Важно

Translation is a community effort you can join. This page is currently translated at 90.32%.

6.4. Lesson: Spatial Statistics

Примечание

Урок подготовлен Linfiniti и S Motala (Технологический университет Кейп-Пенинсула).

Пространственная статистика позволяет вам сделать анализ и понять, что происходит в данном наборе векторных данных. QGIS имеет множество полезных инструментов для статистического анализа.

Цель этого урока: Узнать, как использовать инструменты пространственной статистики QGIS внутри Processing Toolbox.

6.4.1. ★☆☆ Follow Along: Create a Test Dataset

Мы создадим случайный набор точек и получим набор данных для работы.

Чтобы это сделать вам понадобится набор данных полигона, чтобы определить местность, в которой вы хотите создать точки.

Мы будем использовать площадь, покрытую улицами.

  1. Начните новый проект.

  2. Добавьте свой набор данных roads, а также srtm_41_19 (данные о высоте) в exercise_data/raster/SRTM/.

    Примечание

    Вы возможно обнаружите, что слой SRTM DEM имеет другую ССК, которая отличается от слоя дорог. QGIS пере-проецирует оба слоя в одной ССК. Для следующих упражнений эта разница не имеет значения, но вы можете пере-проецировать (как было показано ранее в этом модуле).

  3. Откройте ящик для инструментов Processing.

  4. Используйте инструмент Vector Geometry ► Minimum bounding geometry для создания местности, привязав все дороги, выбрав Convex Hull в качестве Geometry Type:

    ../../../_images/roads_hull_setup.png

    Как известно, если вы не укажете выход, Обработка создаст временные слои. Вы можете сразу сохранить слои или сделать это позже.

Создание случайных точек

  • Создайте 100 случайных точек в этой местности, используя инструмент в Vector Creation ► Random points in layer bounds с минимальным расстоянием 0.0:

    ../../../_images/random_points_setup.png

    Примечание

    Желтый предупреждающий знак говорит вам, что этот параметр относится к расстояниям. Слой Bounding geometry находится в географической системе координат и алгоритм просто напоминает вам об этом. В этом примере мы не будем использовать этот параметр, поэтому вы можете его проигнорировать.

Если надо, переместите сгенерированные случайные точки в верхнюю часть условного обозначения, чтобы лучше их увидеть:

../../../_images/random_points_result.png

Выборка данных

Для создания выборочного набора данных из растра, вам надо использовать алгоритм Raster Analysis ► Sample raster values. Этот инструмент производит выборку растра в местах расположения точек и добавляет значения растра в новое поле (поля) в зависимости от количества каналов в растре.

  1. Откройте диалоговое окно алгоритма Sample raster values.

  2. Выберите Random_points как слой, содержащий точки выборки, и растр SRTM как диапазон, из которого нужно получить значения. Название нового поля по умолчанию: rvalue_N, где N - номер полосы растра. Вы можете изменить название приставки, если хотите.

    ../../../_images/sample_raster_dialog.png

  3. Кликните на кнопку Run.

Вы теперь сможете проверить выборочные данные из растрового файла в таблице атрибутов слоя Sampled Points. Они появятся в новом поле с названием, которое вы выбрали.

Возможный образец слоя показан здесь:

../../../_images/random_samples_result.png

Выборочные точки классифицируются с использованием поля rvalue_1 так, чтобы красные точки находились на большей высоте.

Вы будете использовать этот слой для остальных статистических упражнений.

6.4.2. ★☆☆ Follow Along: Basic Statistics

Вам теперь надо получить базовую статистику для этого слоя.

  1. Кликни на значок Показать статистку sum Show statistical summary в Attributes Toolbar. Появится новая панель.

  2. В появившемся диалоговом окне укажите слой Sampled Points в качестве источника.

  3. Выберите поле rvalue_1 в поле со списком полей. Это поле, для которого вы будете рассчитывать статистику.

  4. Панель Statistics автоматически обновится с расчетными статданными:

    ../../../_images/basic_statistics_results.png

    Примечание

    Вы можете скопировать значения, нажав на кнопку editCopy Copy Statistics To Clipboard и вставив результаты в таблицу.

  5. Закройте панель Statistics когда закончите.

Появятся много команд, связанных со статистикой:

Count/Считать

Количество выборок /значений.

Sum/Сумма

Сложение значений.

Mean/Среднее значение

Среднее (среднее) значение - это просто сумма значений, разделенная на количество значений.

Median/Медиана

Если вы расположите все значения от наименьшего к наибольшему, значение в середине (или среднее из двух средних значений, если N - четное число) будет медианным значением.

St Dev (pop)/Стандартное отклонение

Стандартное отклонение. Указывает, насколько близко значения сгруппированы вокруг среднего. Чем меньше стандартное отклонение, тем ближе значения к среднему.

Minimum/Минимум

Минимальное значение.

Maximum/Максимум

Максимальное значение.

Range/Диапазон

Разница между минимальным и максимальным значениями.

Q1

Первый квартиль данных.

Q3

Третий квартиль данных.

Missing (null) values/Пропущенные (нулевые) значения

Количество пропущенных значений.

6.4.3. ★☆☆ Follow Along: Compute statistics on distances between points

  1. Создайте новый временный точечный слой.

  2. Зайдите в режим редактирования и оцифруйте три точки где-нибудь среди других точек.

    В качестве альтернативы вы можете использовать тот же метод генерации случайных точек, как ранее мы делали, но надо указать только три точки.

  3. Сохраните ваш новый слой как distance_points в том формате, к котором вам хочется.

Чтобы получить статистику расстояний между точками в двух слоях необходимо сделать следующее:

  1. Откройте инструмент Vector Analysis ► Distance matrix.

  2. Выберите слой distance_points в качестве входного слоя, а слой Sampled Points - в качестве целевого слоя.

  3. Сделайте это так:

    ../../../_images/distance_matrix_setup.png

  4. Если хотите, вы можете сохранить выходной слой как файл или просто можете запустить алгоритм и сохранить временный выходной слой позже.

  5. Кликните на кнопку Run чтобы получить слой матрицы расстояний.

  6. Откройте таблицу с атрибутами сгенерированного слоя: значения относятся к расстояниям между объектами distance_points и их двумя ближайшими точками в слое Sampled Points:

    ../../../_images/distance_matrix_example.png

С помощью этих параметров инструмент Матрица расстояний рассчитает статистику расстояний для каждой точки входного слоя по отношению к ближайшим точкам целевого слоя. Поля выходного слоя содержат среднее значение, стандартное отклонение, минимальные и максимальные значения в отношении расстояний до ближайших соседних точек входного слоя.

6.4.4. ★☆☆ Follow Along: Nearest Neighbor Analysis (within layer)

Чтобы выполнить анализ методом «ближайший сосед» точечного слоя, необходимо сделать следующее:

  1. Выберите Vector analysis ► Nearest neighbor analysis.

  2. В появившемся диалоговом окне выберите слой Random points и кликните Run.

  3. Результаты появятся в панели «Обработка» Result Viewer.

    ../../../_images/result_viewer.png

  4. Кликните синюю ссылку, чтобы открыть страницу html с результатами:

    ../../../_images/nearest_neighbour_example.png

6.4.5. ★☆☆ Follow Along: Mean Coordinates

Для того, чтобы получить средние координаты набора данных необходимо сделать следующее:

  1. Запустите Vector analysis ► Mean coordinate(s).

  2. В появившемся диалоговом окне укажите Random points как Input layer, и оставьте необязательные варианты без изменений.

  3. Кликните на кнопку Run.

Давайте сравним это с центральной координатой полигона, который был использован для создания случайной выборки.

  1. Запустите Vector geometry ► Centroids.

  2. В появившемся диалоговом окне выберите Bounding geometry в качестве входного слоя.

Как видите, средние координаты (розовая точка) и центр исследуемой местности (зеленый) не обязательно совпадают.

Центроид - это барицентр слоя (барицентр квадрата - это центр квадрата), а средние координаты представляют собой среднее значение всех координат узлов.

../../../_images/polygon_centroid_mean.png

6.4.6. ★☆☆ Follow Along: Image Histograms

Гистограмма набора данных показывает распределение его значений. Самый простой способ показать это в QGIS – через использование гистограммы изображения, которая имеется в диалоговом окне Layer Properties любого слоя изображения (набор растровых данных).

  1. В вашей панели Layers кликните правой кнопкой мыши на слой srtm_41_19.

  2. Выберите Properties.

  3. Выберите Histogram. Вам надо кликнуть на кнопку Compute Histogram для того, чтобы создать график. Вы увидите график, показывающий частотное распределение значений растра.

    ../../../_images/histogram_export.png

  4. График можно экспортировать как изображение с помощью кнопки с fileSave Save plot.

  5. Более подробную информацию можно получить о слое нажав на вкладку Information (среднее и максимальное значения являются расчетными и могут быть неточными).

Среднее значение 332.8 (расчетная 324,3), а максимальное значение равно 1699 (расчетная 1548)! Вы можете увеличить гистограмму. Поскольку там много пикселей со значением 0, гистограмма выглядит сжатой по вертикали. Увеличьте масштаб чтобы охватить все, кроме пика на 0, и вы увидите более подробную информацию:

../../../_images/histogram_export_zoom.png

Примечание

Если средние и максимальные значения не такие, как выше, это может быть из-за вычисления минимального/максимального значения. Откройте вкладку Symbology и расширьте меню Min / Max Value Settings. Выберите radioButtonOnMin / max и кликните на кнопку Apply.

Помните, что гистограмма показывает вам распределение значений и не все значения обязательно должны отображаться на графике.

6.4.7. ★☆☆ Follow Along: Spatial Interpolation

Предположим, что у вас набор точек выборки, на базе которого вы хотите экстраполировать данные. Например, у вас может быть доступ к набору данных Sampled points, который мы создали ранее, и вы хотели бы иметь некоторое представление о том, как выглядит местность.

  1. Для начала вам надо запустить инструмент GDAL ► Raster analysis ► Grid (IDW with nearest neighbor searching), который находится в Processing Toolbox.

  2. В качестве Point layer выберите Sampled points.

  3. Установите Weighting power на 5.0.

  4. Внутри Advanced parameters, установите Z value from field на rvalue_1.

  5. И наконец, кликните на кнопку Run и подождите до окончания обработки.

  6. Закройте диалоговое окно.

Вы сможете сравнить исходный набор данных (слева) с тем, который был построен на базе наших точек выборки (справа). Ваш набор данных может выглядеть иначе из-за случайного расположения точек.

../../../_images/interpolation_comparison.png

Как вы можете видеть, 100 выборочных точек недостаточно, чтобы получить подробное представление о местности. Вы получите только очень общее представление, но оно может вводить в заблуждение.

6.4.8. ★★☆ Try Yourself: Different interpolation methods

  1. Следуйте описанному выше процессу для того, чтобы создать набор из 10 000 случайных точек.

    Примечание

    Если точек действительно много, обработка может занять много времени.

  2. Используйте эти точки для того сделать выборку исходной DEM / Цифровой модели рельефа.

  3. Используйте инструмент Grid (IDW with nearest neighbor searching) в этом наборе данных.

  4. Установите Power и Smoothing на 5.0 и 2.0, соответственно.

Результаты (в зависимости от расположения ваших случайных точек) будут примерно такими:

../../../_images/interpolation_comparison_10000.png

Это более улучшенное представление ландшафта, так как плотность выборочных точек выше. Помните, что чем больше выборка, тем лучше результат.

6.4.9. In Conclusion

У QGIS есть ряд инструментов для анализа пространственных статистических свойств набора данных.

6.4.10. What’s Next?

Теперь, после того как мы рассмотрели векторный анализ, почему бы не посмотреть, что можно сделать с растрами? Этим мы и займемся в следующем модуле!