Importante

Translation is a community effort you can join. This page is currently translated at 88.89%.

17.14. Primeiro exemplo de análise

Nota

Nesta lição vamos fazer uma análise real utilizando apenas a caixa de ferramentas para que possa ter mais familiaridade com os elementos da área de trabalho de processamento.

Agora que tudo está configurado e podemos usar algoritmos externos, temos uma ferramenta muito poderosa para realizar análises espaciais. É hora de fazer um exercício maior com alguns dados do mundo real.

Usaremos o conhecido conjunto de dados que John Snow usou em 1854, em seu trabalho inovador (https://en.wikipedia.org/wiki/John_Snow_%28physician%29), e teremos alguns resultados interessantes. A análise desse conjunto de dados é bastante óbvia e não há necessidade de técnicas sofisticadas de SIG para obter bons resultados e conclusões, mas é uma boa maneira de mostrar como esses problemas espaciais podem ser analisados ​​e resolvidos usando diferentes ferramentas de processamento.

O conjunto de dados contém shapefiles com mortes por cólera e locais de bombas de água, e um mapa OSM renderizado no formato TIFF. Abra o projeto QGIS correspondente para esta lição.

../../../_images/project2.png

The first thing to do is to calculate the Voronoi diagram (a.k.a. Thiessen polygons) of the pumps layer, to get the influence zone of each pump. The Voronoi Diagram algorithm can be used for that.

../../../_images/voronoi.png

Muito fácil, porém ele nos dará informação interessantes.

../../../_images/voronoi2.png

Claramente, muitos casos estão dentro de um dos polígonos

Para obter um resultado mais quantitativo, podemos contar o número de mortes em cada polígono. Como cada ponto representa um imóvel onde as mortes ocorreram e o número de mortes é armazenado em um atributo, não podemos apenas contar os pontos. Precisamos de uma contagem ponderada, então vamos usar a ferramenta * Contagem de pontos em polígono (ponderado)*.

../../../_images/pointsinpoly.png

O novo campo será denominado de MORTES e usamos o campo CONTAGEM como campo ponderado. A tabela resultante reflete claramente que o número de mortes no polígono correspondente à primeira bomba é muito maior do que as outras.

../../../_images/pointsinpolytable.png

Outra boa maneira de visualizar a dependência de cada ponto na camada Cholera_deaths com um ponto na camada Pumps é desenhar uma linha para o ponto mais próximo. Isso pode ser feito com a ferramenta * Distância até o hub mais próximo*, e usando a configuração mostrada a seguir.

../../../_images/nearest.png

O resultado se parece com isso:

../../../_images/nearestresult.png

Embora o número de linhas seja maior no caso da bomba central, não se esqueça que isso não representa o número de mortes, mas o número de locais onde os casos de cólera foram encontrados. É um parâmetro representativo, mas não está considerando que alguns locais possam ter mais casos do que outros.

Uma camada de densidade também nos dará uma visão muito clara do que está acontecendo. Podemos criá-la com o algoritmo densidade Kernel. Usando a camada Cholera_deaths a extensão e o tamanho da célula da camada raster da rua, poderá ser analisado pela densidade Kernel com o campo CONTAGEM como campo de ponderação, com um raio de 100.

../../../_images/density.png

Lembre-se que, para obter a extensão de saída, você não precisa digitá-lo. Clique no botão no lado direito e selecione Use camada/extensão da área do mapa.

../../../_images/layerextent.png

Seleccione la capa de calles ráster y su extensión automáticamente se añadirá al campo de texto. Debe hacer lo mismo con el tamaño de celda, seleccionando el tamaño de celda de esa capa también.

La combinación con la capa de bombas, vemos que hay una bomba claramente en el punto de acceso donde se encuentra la máxima densidad de los casos de muerte.