Patrones de punto de incendios forestales

- por Sumeeta Srinivasan

Introducción

Problema

¿Los patrones de los incendios forestales cambian con el tiempo? Se producen los incendios forestales en racimos, y no los grupos cambian con el tiempo? Es
útil en la lucha contra los incendios forestales esta información?

Este ejercicio de laboratorio tratará de responder a estas preguntas usando la estadística espacial en un sistema de información geográfica
contexto (SIG).

Ubicación

Montana, Estados Unidos

Tiempo para completar el laboratorio

Tres horas

Requisitos previos

§ La comprensión de la estadística espacial básicos

§ Las habilidades básicas en el uso de ArcGIS ® 10

§ comprensión elemental de los siguientes: elipses de desviación estándar (que se aplica a

modelos de puntos), la I de Moran para analizar patrones de punto, media vecino más cercano, y estadística K de Ripley,
así como la densidad de kernel (para analizar racimos)

Palabras clave: patrones espaciales de incendios forestales; la estimación de la densidad del núcleo; K de Ripley; centroides; elipse de desviación estándar; I de Moran; media distancia del

vecino más cercano

Patrones de punto de incendios forestales Sumeeta Srinivasan

Los datos utilizados en este laboratorio

§ la historia de los incendios forestales en Montana 2005, 2009

§ sistema de coordenadas: Estado de Montana avión

§ Datum: North American Datum 1983

§ Proyección: cónica conforme de Lambert

§ historia de incendios de datos / metadatos:

http://www.fs.fed.us/r1/gis/thematic_data/fire_history_r1_1985_2009_poly
. htm

la actividad del estudiante

En este ejercicio de laboratorio, que va a utilizar varios métodos de estadística espacial para analizar los patrones de incendios forestales en Montana
durante dos años no consecutivos.

promedio y desviación estándar son dos de las medidas estadísticas bien conocidas utilizadas para explicar la distribución de los datos no espaciales. En
el contexto espacial, una media o centroide espacial y elipse de desviación estándar se pueden calcular para los datos de patrón de puntos. El centro
medio está determinado por la media coordenada x y el promedio de coordenada y de todos los puntos (o centroides de características) en la zona de
estudio. La elipse de desviación estándar proporciona una nueva clase de elemento de centrado en el centro media de todas las características (o de
todos los casos cuando se proporciona un campo de caso). Los valores de atributo para estos polígonos de la elipse de salida incluyen las longitudes de
los ejes largos y cortos; el ángulo de orientación de la elipse; y el campo caso, si se especifica. Puede especificar las longitudes de eje como un múltiplo
de la desviación estándar. Si los centroides de características se distribuyen normalmente, una desviación estándar (el valor predeterminado) cubrirá
aproximadamente el 68 por ciento de todos los centroides de entidad de entrada. Tres desviaciones estándar cubren aproximadamente el 99 por ciento
de todos los centroides de características.

autocorrelación espacial es una de las estadísticas descriptivas espaciales más importantes. independencia espacial es una disposición
de ubicaciones incidente en el que no hay relaciones espaciales entre ninguno de los incidentes. El concepto intuitivo es que la ubicación
de un incidente (por ejemplo, un incendio o un crimen) no está relacionada con la ubicación de cualquier otro incidente, o que se colocan
al azar con respecto a la otra. Por otro lado, la autocorrelación espacial positiva es una disposición de ubicaciones incidente en el que las
ubicaciones de punto están relacionados. Cuando los hechos o las personas o instalaciones están agrupados juntos, esta disposición
indica autocorrelación espacial positiva, y la I de Moran se suele utilizar para cuantificarlo.

La distribución de la distancia al vecino más cercano es otra estadística espacial útil • En particular, el promedio de distancia del
vecino más cercano se puede utilizar para distinguir entre la agrupación y la dispersión. Si esta distancia es menor que lo que
estaría bajo aleatoriedad espacial, que se interpreta como la agrupación. Si es mayor, la distancia se interpreta como dispersión.
Una estadística de prueba se puede construir tomando la diferencia entre la media observada y aleatoria vecino más cercano

2
Patrones de punto de incendios forestales Sumeeta Srinivasan

la distancia y la normalización por el error estándar. En particular, un valor inferior a 1 sugiere agrupamiento. El índice de vecino más cercano es
sólo un indicador de los efectos de primer orden. En él se compara la distancia promedio para el vecino más cercano a una distancia aleatoria
esperado. Pero no proporciona ninguna información sobre la segunda, tercera o k th vecino más cercano. Las estadísticas distancia del vecino más
cercano se llaman primer orden estadísticas, ya que sólo tienen en cuenta la distancia al punto más cercano. estadísticas distancia de segundo
orden consideran la distribución completa de todas las distancias en el patrón de puntos. función K de Ripley es una estadística de segundo orden
y es esencialmente una prueba de la función de distribución acumulada de todo el conjunto de distancias entre puntos. Esta distribución puede
ser comparado con una distribución de referencia en virtud de aleatoriedad espacial completa. Una mayor proporción de más corto para
distancias aleatorias implica la agrupación, mientras que una mayor proporción de más tiempo para distancias aleatorias implica dispersión.

Otra forma de visualizar la distribución de los incendios es a través de la estimación de la densidad del núcleo. la estimación de la densidad del
núcleo requiere el uso de un ancho de banda. software de ArcMap ™ le permite especificar un ancho de banda del núcleo como un intervalo fijo o
para seleccionar un intervalo de adaptación. El ancho de banda es una distancia; Por lo tanto, las coordenadas del punto deben estar en unidades
apropiadas tales como pies, metros o millas en lugar de grados (es decir, universal transversal de Mercator [UTM] coordenadas en contraste con la
latitud y longitud). Algunos experimentos con la elección del ancho de banda suele ser necesario. Los valores de kernel se calculan como totales, o
densidad absoluta (puntos por área de la cuadrícula, reajustarán de tal manera que la suma sobre todas las rejillas se suma al total observado); como
puntos por unidades de área; o como densidad relativa (por ejemplo, puntos por milla cuadrada), o probabilidades.

En este ejercicio, vamos a hacer todo lo siguiente, tanto para los datos de 2005 y 2009:

1. Mira las pautas generales utilizando estadísticas descriptivas espaciales llamado el centro medio
y la elipse de desviación estándar.
2. Utilice I de Moran para cuantificar autocorrelación espacial y ver si existe la agrupación mundial
en los fuegos forestales.

3. estadísticas de uso de patrones de puntos, tales como la distancia del vecino más cercano y K de Ripley, a
buscar la agrupación sobre la distancia.

4. Utilice mapas de densidad kernel para buscar posibles ubicaciones de la agrupación en base a
diferentes anchos de banda.

5. Comparación de los resultados para los dos años para ver si hay alguna diferencia.

Preparar el área de trabajo

Para empezar, crear un espacio de trabajo para mantener todos los datos para este laboratorio.

1 Crear un FireHistory bajo la carpeta Mis documentos carpeta.

2 Crear un Datos bajo la carpeta FireHistory carpeta.

No utilice espacios en los nombres de archivos y carpetas, ya que algunas de las funciones de análisis espacial en ArcGIS requiere que
los nombres de ruta no tienen espacios en ellos.

3
Patrones de punto de incendios forestales Sumeeta Srinivasan

Recopilar y procesar datos

Descargar, extraer y procesar los datos de la página web en Montana

http://www.fs.fed.us/r1/gis/thematic_data/fire_history_r1_1985_2009_poly.zip .

1 extraer el fire_history_r1_1985_2009 geodatabase en el archivo ZIP descargado a sus datos

espacio de trabajo usando el software de extracción de archivos (por ejemplo, podría nombrarlo
Mis documentos \ FireHistory \).

Es importante para ver los datos antes de pasar al análisis.

2 lanzar ArcCatalog ™.

3 Examinar la geodatabase en el Datos carpeta.

4 Convertir los incendios forestales (formas poligonales) a los puntos para los años 2005 y 2009. En

ArcToolbox ™, ampliar Herramientas de administración de datos »Características y haga doble clic en el Característica de punto herramienta. Debe

crear dos archivos de formas de punto y el nombre de manera adecuada, por ejemplo,

fire_points_2005.shp y fire_points_2009.shp .

Tenga en cuenta que necesitará ArcGIS Desktop avanzada para que esta herramienta funcione. Como alternativa, utilizar los datos suministrados con este
ejercicio de laboratorio.

mi PATRONES XAMINE GENERALES DE INCENDIOS FORESTALES

UNA NALYZE

1 Lanzar ArcMap.

2 Añadir los archivos de forma de puntos para los incendios forestales en 2005 y 2009 para el documento de mapa.

3 Abrir las tablas de atributos de ambos conjuntos de datos.

Observe que la distribución espacial de los incendios forestales en 2005 es diferente de la de 2009.

4 En ArcToolbox, expanda Estadísticas espaciales Herramientas » Medición de distribuciones geográficas y entonces

haga doble clic Distribución direccional (Elipse de desviación estándar).

4
Patrones de punto de incendios forestales Sumeeta Srinivasan

5 Utilice el archivo de formas de ubicaciones de los puntos de los incendios forestales en 2005 como la clase de entidad de entrada. Introduzca el
parámetros para la salida y el tamaño elipse como se muestra en la imagen de abajo:

La salida se añadirá automáticamente al documento de mapa.

6 Repita el paso 5 para los datos de 2009.

7 En ArcToolbox, expanda Estadísticas espaciales Herramientas » Medición de distribuciones geográficas y entonces

haga doble clic Centro significar.

5
Patrones de punto de incendios forestales Sumeeta Srinivasan

8 Las variables de entrada como se muestra en la siguiente captura de pantalla. La función de punto resultante, mostrando
el centro medio de incendios forestales en el año 2005, se añadirá a su documento de mapa. Repita este procedimiento para los datos de 2009.

6
Patrones de punto de incendios forestales Sumeeta Srinivasan

V isualize

El mapa 1 muestra las elipses de dirección para los patrones de incendios forestales de 2005 y 2009. Tenga en cuenta que el mapa utiliza diferentes colores
para los dos años de distinguir los patrones visuales. También incluye los límites del estado de los Estados Unidos. También tenga en cuenta que cada lugar del
incendio se pueden etiquetar para nombres de ubicaciones específicas. El contexto es muy importante en la discusión de los lugares relativos con los
planificadores o formuladores de políticas.

Mapa 1: Los incendios forestales elipses de desviación estándar

Pregunta 1: ¿Había lugares que tenían los incendios forestales en los dos años? ¿Si es así, donde?

Pregunta 2: ¿Ha cambiado el centro medio 2005-2009? Si es así, ¿de dónde se mueve, y por qué es interesante?

Pregunta 3: ¿Las elipses de desviación estándar cambian 2005-2009? Explicar lo que esto significa sobre los cambios en los patrones
espaciales de distribución de los incendios forestales durante los dos años.

do PUÑETAS para el agrupamiento

UNA NALYZE

1 En ArcToolbox, expanda Estadísticas espaciales Herramientas » Análisis de Patrones y haga doble clic Espacial
Autocorrelación (Moran I).

7
Patrones de punto de incendios forestales Sumeeta Srinivasan

2 Utilice los incendios forestales para el año 2005 como la clase de entidad de entrada. Utilizar COSTO como el campo de entrada. Asegúrate de eso

la Generar informe (opcional) casilla está marcada. Tenga en cuenta que en el apartado anterior, se veía en la ubicación relativa
de los incendios sin ponderación por el costo del fuego. Es posible que desee repetir la sección anterior con COSTO como el
campo de peso y comparar las elipses y centroides resultantes.

Puede ver los resultados en ArcMap yendo a la barra de menú y haciendo clic geoprocesamiento »
resultados o el uso de un archivo .html que se genera de forma automática y se puede abrir en cualquier lector de código HTML de su
elección, como Firefox o Internet Explorer. El archivo html se guardará en el directorio predeterminado de ArcGIS (por ejemplo, Bibliotecas
\ Documents \ ArcGIS \).

8
Patrones de punto de incendios forestales Sumeeta Srinivasan

9
Patrones de punto de incendios forestales Sumeeta Srinivasan

Los resultados sugieren que, a nivel mundial, los incendios no fueron CLUSTERED basan en el costo de la mitigación en
2005.

3 Repita los pasos 1 y 2 para los datos de 2009.

Pregunta 4: ¿Qué indica esto acerca de la agrupación de los costes de la lucha contra los incendios forestales en 2005 y 2009?

4 En ArcToolbox, expanda Estadísticas espaciales Herramientas » Análisis de Patrones y haga doble clic Promedio
Vecino más cercano. Utilice el archivo de forma de los incendios forestales en 2005 como la clase de entidad de entrada y otros parámetros como se

muestra en la captura de pantalla siguiente. Tenga en cuenta que los resultados no son ponderados por el costo. También tenga en cuenta que los

resultados son visibles en el ventana de resultados como antes y como un archivo .html.

10
Patrones de punto de incendios forestales Sumeeta Srinivasan

5 Repita el paso 4 para el año 2009.

11
Patrones de punto de incendios forestales Sumeeta Srinivasan

Pregunta 5: ¿Qué significan las distancias de vecinos más cercanos indican sobre la distribución de los incendios forestales en 2005 y 2009?

6 En el lugar mismo de ArcToolbox ( Estadísticas espaciales Herramientas » El análisis de patrones), haga doble clic Multi-
Análisis distancia espacial Cluster (Ripley K Función). Utilice los incendios forestales en el archivo de forma 2005 como la clase de entidad de

entrada. Salida de la mesa a la carpeta de resultados. Vea la captura de pantalla que sigue para los otros parámetros. Asegúrese de seleccionar 99_PERMUTATIONS

para el sobre confianza y seleccionar la Display resultados gráficamente (opcional) casilla de verificación; no utilice un campo de peso. Tenga en

cuenta que los resultados también se guardan en un archivo .dbf que se puede abrir en cualquier hoja de cálculo o software estadístico para crear

sus propios gráficos.

12
Patrones de punto de incendios forestales Sumeeta Srinivasan

Ver el gráfico a continuación los resultados de 2005 y compararla con la gráfica se muestra en la captura de pantalla de la función K de
Ripley anterior. Tenga en cuenta que el patrón observado es más dispersa de lo esperado en todas las distancias que se han trazado.

7 Repita el paso 6 para el año 2009.

Pregunta 6: ¿Qué sugieren los resultados? ¿A qué distancia parece estar agrupados, en todo caso el patrón? ¿Cuáles son las diferencias
entre los resultados obtenidos en 2005 y 2009?

Tenga en cuenta que la estimación de la densidad del núcleo sólo funciona con líneas o puntos.

8 Asegúrese de que la extensión Spatial Analyst se ha activado (se puede hacer esto de ir a la
barra de menú y haciendo clic Personalizar »Extensiones» Spatial Analyst).

13
Patrones de punto de incendios forestales Sumeeta Srinivasan

9 En ArcToolbox, expanda Espacial herramientas de análisis »Densidad, y haga doble clic Densidad del núcleo. Utilizar

el shapefile de puntos para los incendios forestales como las características de punto de entrada. Además, identificar el nombre de la trama densidad

de salida de incendios como fire05cost1km. Introduzca los otros parámetros como se muestra en la siguiente captura de pantalla. Asegúrese de

seleccionar COSTO como el campo de la población, 500 como el tamaño de celda de salida, y 10000 como el radio de búsqueda.

10 Repita el paso 9 para otros anchos de banda (búsqueda radios). A continuación, examine la salida de datos cambiando
la simbología y clasificación. Intentar por lo menos tres o cuatro radios de búsqueda, que oscila entre 5.000 y 20.000 metros. Además,
trata de generar la densidad del núcleo con y sin ponderación por el costo como el campo de la población.

11 Repita los pasos 9 y 10 para los datos de 2009.

12 Añadir estos raster a su documento de ArcMap. Comparar las densidades de 2005 y 2009 uno al lado del
lado con el mismo radio de búsqueda (ancho de banda) y los valores de campo de población. Cambiar las leyendas para que tengan los mismos
puntos de interrupción leyenda de clasificación.

Pregunta 7: ¿Qué sugieren los resultados? ¿Dónde se producen los racimos en 2005 con respecto a 2009? ¿Cómo ponderación por el costo afecta a
los patrones observados?

14
Patrones de punto de incendios forestales Sumeeta Srinivasan

V isualize

Esta imagen muestra la densidad del núcleo de incendios forestales en 2005 ponderado por el costo con un ancho de banda (radio de búsqueda)
de 10 kilómetros.

Envía tus trabajos

Presentar respuestas a las preguntas 1 - 7 junto con capturas de pantalla correspondientes. Describen cómo estos mapas y estadísticas podrían informar a
la política de control de incendios forestales.

15
Patrones de punto de incendios forestales Sumeeta Srinivasan

créditos

Datos

Los datos utilizados en esta actividad cortesía del Servicio Forestal de Estados Unidos.

dieciséis