Importante
La traduzione è uno sforzo comunitario you can join. Questa pagina è attualmente tradotta al 100.00%.
18.14. Primo esempio di analisi
Nota
In questa lezione eseguiremo alcune analisi reali usando solo il toolbox, in modo che possiate acquisire maggiore familiarità con gli elementi del framework di processing.
Ora che tutto è configurato e possiamo usare algoritmi esterni, abbiamo uno strumento molto potente per eseguire analisi spaziali. È il momento di fare un esercizio più ampio con alcuni dati del mondo reale.
Useremo il ben noto set di dati che John Snow usò nel 1854, nel suo lavoro rivoluzionario (https://en.wikipedia.org/wiki/John_Snow_%28physician%29), e otterremo alcuni risultati interessanti. L’analisi di questo set di dati è abbastanza ovvia e non c’è bisogno di sofisticate tecniche GIS per finire con buoni risultati e conclusioni, ma è un buon modo per mostrare come questi problemi spaziali possono essere analizzati e risolti utilizzando diversi strumenti di processing.
Il set di dati contiene shapefile con le morti di colera e le posizioni delle fontanelle, e una mappa visualizzata da OSM in formato TIFF. Apri il progetto QGIS corrispondente a questa lezione.
La prima cosa da fare è calcolare il diagramma di Voronoi (ovvero i poligoni di Thiessen) del layer delle fontanelle, per ottenere la zona di influenza di ogni fontanella. L’algoritmo Voronoi polygons può essere usato per questo.
Piuttosto semplice, ma ci darà già informazioni interessanti.
È evidente che la maggior parte dei casi si trova all’interno di uno dei poligoni
Per ottenere un risultato più quantitativo, possiamo contare il numero di decessi in ciascun poligono. Poiché ogni punto rappresenta un edificio in cui si sono verificati decessi e il numero di decessi è memorizzato in un attributo, non possiamo semplicemente contare i punti. Abbiamo bisogno di un conteggio ponderato, quindi useremo lo strumento Conta punti nel poligono.
Il nuovo campo sarà denominato DEATHS e utilizzeremo il campo COUNT come campo di ponderazione. La tabella risultante mostra chiaramente che il numero di decessi nel poligono corrispondente alla prima pompa è molto più elevato rispetto agli altri.
Un altro buon modo per visualizzare la dipendenza di ciascun punto nel layer Cholera_deaths da un punto nel layer Pumps è tracciare una linea verso quello più vicino. Questo può essere fatto con lo strumento Distanza dal nodo più vicino e utilizzando la configurazione mostrata di seguito.
Il risultato si presenta così:
Anche se il numero di linee è più grande nel caso della fontanella centrale, non bisogna dimenticare che questo non rappresenta il numero di morti, ma il numero di località dove sono stati trovati casi di colera. È un parametro rappresentativo, ma non considera che alcune località potrebbero avere più casi di altre.
Anche un layer di densità ci darà una visione molto chiara di ciò che sta accadendo. Possiamo crearlo con l’algoritmo Mappa di calore (stima della densità del kernel). Utilizzando il layer Cholera_deaths, il suo campo COUNT come campo di peso, con un raggio di 100, l’estensione e la dimensione delle celle del layer raster delle strade, otteniamo qualcosa di simile a questo.
Ricorda che, per ottenere l’estensione del risultato, non è necessario digitarla. Fai clic sul pulsante sul lato destro e seleziona Usa l’estensione layer/mappa.
Seleziona il layer raster delle strade e la sua estensione sarà automaticamente aggiunta al campo di testo. Devi fare lo stesso con la dimensione della cella, selezionando anche la dimensione della cella di quel layer.
Combinando con lo strato delle fontanelle, vediamo che c’è una fontanella chiaramente nell’hotspot dove si trova la massima densità di casi di morte.