Analyse des points chauds émergents (Outils d'exploration des modèles spatio-temporels)
Résumé
Identifie les tendances d’agrégation des densités de points (totaux) ou des valeurs dans un cube spatio-temporel créé à l’aide de l’outil Créer un cube spatio-temporel en agrégeant des points, Créer un cube spatio-temporel à partir de localisations définies ou Créer un cube spatio-temporel à partir d’une couche raster multidimensionnelle. Les catégories sont notamment les points chauds et froids nouveaux, consécutifs, d'intensification, persistants, diminuants, sporadiques, oscillants et historiques.
En savoir plus sur le fonctionnement de l’outil Analyse des points chauds émergents
Illustration
Utilisation
Cet outil accepte les fichiers netCDF créés par divers outils de la boîte à outils Exploration des modèles spatio-temporels.
Chaque groupe dans le cube spatio-temporel présente une valeur
LOCATION_ID,time_step_IDetCOUNT, ainsi que les valeurs Summary Fields (Champs de récapitulation) ou Variables qui ont été agrégées lors de la création du cube. Les groupes associés à la même localisation physique partagent le même ID de localisation et constituent ensemble une série chronologique. Les groupes associés au même intervalle temporel partagent le même ID d’intervalle temporel et constituent ensemble une tranche temporelle. La valeur de nombre de chaque groupe représente le nombre d’incidents ou d’enregistrements présents à la localisation associée dans l’intervalle temporel associé.
Cet outil analyse une variable dans le cube Input Space Time Cube (Cube spatio-temporel en entrée) netCDF à l’aide d’une implémentation spatio-temporelle de la statistique Getis-Ord Gi*.
Les entités indiquées dans Output Features (Entités en sortie) sont ajoutées à la fenêtre Contents (Contenu) avec un rendu qui résume les résultats de l’analyse spatio-temporelle pour toutes les localisations analysées. Si vous spécifiez le paramètre Polygon Analysis Mask (Masque d’analyse surfacique), les localisations analysées sont celles qui figurent dans le masque d’analyse. Sinon, les localisations analysées sont celles qui présentent au moins un point pour au moins un intervalle temporel.
Outre l’option Output Features (Entités en sortie), un résumé de l’analyse est généré sous forme de messages apparaissant en bas de la fenêtre Geoprocessing (Géotraitement) pendant l’exécution de l’outil. Vous pouvez accéder aux messages en survolant la barre de progression, en cliquant sur le bouton de menu contextuel
ou en développant la section des détails des messages dans la fenêtre Geoprocessing (Géotraitement). Vous pouvez également consulter les messages provenant d’un outil déjà exécuté via l’option Geoprocessing History (Historique de géotraitement).L’outil Analyse des points chauds émergents peut détecter huit tendances de points chauds ou froids spécifiques : nouveau, consécutif, d’intensification, persistant, diminuant, sporadique, oscillant et historique. Reportez-vous à la section En savoir plus sur le fonctionnement de l’outil Analyse des points chauds émergents pour consulter les définitions de catégorie en sortie et obtenir des informations supplémentaires sur les algorithmes que cet outil utilise.
Pour obtenir une mesure de l’intensité de l’agrégation des entités, cet outil utilise une implémentation spatio-temporelle de la statistique Getis-Ord Gi* qui tient compte de la valeur correspondant à chaque groupe dans le contexte des valeurs des groupes voisins.
Pour déterminer les groupes à inclure dans chaque voisinage d’analyse, l’outil identifie d’abord les groupes voisins inclus dans la valeur spécifiée dans Conceptualization of Spatial Relationships (Conceptualisation des relations spatiales). Ensuite, pour chacun de ces groupes, il inclut les groupes se trouvant aux mêmes localisations séparés par N intervalles temporels précédents, N représentant la valeur Neighborhood Time Step (Intervalle temporel de voisinage) que vous spécifiez.
Le choix du paramètre Conceptualization of Spatial Relationships (Conceptualisation des relations spatiales) doit refléter les relations inhérentes entre les entités que vous analysez. Plus la modélisation des interactions entre les entités dans l’espace est réaliste, plus les résultats sont précis. Des recommandations sont présentées dans la section Sélection d’une conceptualisation des relations spatiales : bonnes pratiques.
La valeur par défaut du paramètre Conceptualization of Spatial Relationships (conceptualisation des relations spatiales) est Fixed distance (Distance fixe). Un groupe est considéré comme voisin lorsque son centroïde se trouve dans la distance spécifiée dans Neighborhood Distance (Distance de voisinage) et que son intervalle temporel est compris dans la valeur spécifiée pour Neighborhood Time Step (Intervalle temporel de voisinage). Si vous n’indiquez pas de valeur pour le paramètre Neighborhood Distance (Distance de voisinage), une valeur est calculée pour vous en fonction de la distribution spatiale des données ponctuelles. Si vous n’indiquez pas de valeur pour le paramètre Neighborhood Time Step (Intervalle temporel de voisinage), l’outil utilise une valeur par défaut, à savoir 1 intervalle temporel.
Le paramètre Number of Neighbors (Nombre de voisins) peut remplacer le paramètre Neighborhood Distance (Distance de voisinage) pour l’option Fixed distance (Distance fixe) ou étendre la recherche de voisinage pour les options Contiguity edges only (Segments de contiguïté uniquement) et Contiguity edges corners (Angles des segments de contiguïté). Dans ce cas, la valeur spécifiée dans Number of Neighbors (Nombre de voisins) est utilisée comme nombre minimal. Par exemple, si vous spécifiez Fixed distance (Distance fixe) avec une valeur Neighborhood Distance (Distance de voisinage) de 10 miles et la valeur 3 pour le paramètre Number of Neighbors (Nombre de voisins), tous les groupes reçoivent un minimum de 3 voisins spatiaux même si la valeur Neighborhood Distance (Distance de voisinage) doit être augmentée pour les détecter. La distance est augmentée uniquement pour les groupes dans lesquels la valeur minimale de Number of Neighbors (Nombre de voisins) n’est pas satisfaite. De même, avec les options de contiguïté, pour les groupes dont le nombre de voisins contigus est inférieur au nombre spécifié, des voisins supplémentaires sont choisis en fonction de la proximité avec le centroïde.
– La valeur du paramètre Neighborhood Time Step (Intervalle temporel de voisinage) représente le nombre d’intervalles temporels à inclure dans le voisinage d’analyse. Si l’intervalle temporel du cube est de trois mois, par exemple, et que vous indiquez 2 comme valeur pour Neighborhood Time Step (Intervalle temporel de voisinage), le nombre total de groupes compris dans la valeur du paramètre Neighborhood Distance (Distance de voisinage), ainsi que tous les groupes associés pour les deux intervalles temporels précédents (représentant une période de neuf mois) sont inclus dans le voisinage d’analyse.
La couche d’entités Polygon Analysis Mask (Masque d’analyse surfacique) peut inclure un ou plusieurs polygones qui définissent la zone d’étude de l’analyse. Ces polygones doivent indiquer l’endroit où les entités ponctuelles risquent d’être présentes et exclure les zones où les points ne risquent pas d’apparaître. Si, par exemple, vous analysez les tendances en matière de cambriolage d’habitations, vous pouvez utiliser le paramètre Polygon Analysis Mask (Masque d’analyse surfacique) pour exclure un lac étendu, des parcs régionaux ou d’autres zones ne comprenant aucune habitation.
Le paramètre Polygon Analysis Mask (Masque d’analyse surfacique) est intersecté avec l’étendue du paramètre Input Space Time Cube (Cube spatio-temporel en entrée) et n’étend pas les dimensions du cube.
Si le paramètre Polygon Analysis Mask (Masque d’analyse surfacique) que vous utilisez pour définir la zone d’étude couvre une zone qui s’étend au-delà de l’étendue des entités en entrée qui ont servi lors de la création initiale du cube, vous pouvez recréer le cube en utilisant la valeur de Polygon Analysis Mask (Masque d’analyse surfacique) comme environnement Output extent (Étendue en sortie). Cette opération permet de s’assurer que toute la zone couverte par le paramètre Polygon Analysis Mask (Masque d’analyse surfacique) est incluse lors de l’exécution de l’outil Analyse des points chauds émergents. L’utilisation de la valeur du paramètre Polygon Analysis Mask (Masque d’analyse surfacique) comme environnement Output extent (Étendue en sortie) lors de la création du cube permet de s’assurer que l’étendue du cube correspond à l’étendue du paramètre Polygon Analysis Mask (Masque d’analyse surfacique).
L’exécution de l’outil Analyse des points chauds émergents ajoute certains résultats d’analyse dans le paramèètre Input Space Time Cube (Cube spatio-temporel en entrée) netCDF. Trois types d'analyses sont exécutés :
Chaque groupe est analysé par rapport aux groupes voisins pour mesurer l'intensité de l'agrégation des valeurs élevées et faibles. Le résultat de cette analyse est un score z, une valeur p et une catégorie de classification pour chaque bin du cube spatio-temporel.
La série chronologique de ces scores z aux localisations analysées est ensuite évaluée à l’aide de la statistique de Mann-Kendall. Le résultat de cette analyse est un score z de tendance d'agrégation, une valeur p et une catégorie de classification pour chaque emplacement.
Pour terminer, la série chronologique des valeurs aux localisations analysées est évaluée à l’aide de la statistique de Mann-Kendall. Le résultat de cette analyse est un score z de tendance, une valeur p et une catégorie de classification pour chaque emplacement.
Vous trouverez ci-dessous un récapitulatif des variables ajoutées dans Input Space Time Cube (Cube spatio-temporel en entrée) :
Nom de variable
Description
Dimension
EMERGING_{ANALYSIS_VARIABLE}_HS_PVALUEValeur p de la statistique Getis-Ord Gi* qui mesure la signification statistique de l’agrégation de valeurs élevées (point chaud) et faibles (point froid).
Trois dimensions : une valeur p pour chaque groupe du cube spatio-temporel.
EMERGING_{ANALYSIS_VARIABLE}_HS_ZSCOREScore z de la statistique Getis-Ord Gi* qui mesure l’intensité de l’agrégation de valeurs élevées (point chaud) et faibles (point froid).
Trois dimensions : un score z pour chaque groupe du cube spatio-temporel.
EMERGING_{ANALYSIS_VARIABLE}_HS_BINCatégorie de résultats permettant de classer chaque bin en tant que valeur de point chaud ou froid statistiquement significatif. Ce groupe est basé sur une correction FDR.
-3 : point froid, niveau de confiance de 99 pour cent
-2 : point froid, niveau de confiance de 95 pour cent
-1 : point froid, niveau de confiance de 90 pour cent
0 : point chaud ou froid statistiquement non significatif
1 : point chaud, niveau de confiance de 90 pour cent
2 : point chaud, niveau de confiance de 95 pour cent
3 : point chaud, niveau de confiance de 99 pour cent
Tridimensionnel : une catégorie de classification pour chaque groupe du cube spatio-temporel. Ce groupe est basé sur une correction FDR.
{ANALYSIS_VARIABLE}_TREND_PVALUEValeur p de Mann-Kendall qui mesure la signification statistique de la tendance des valeurs à une localisation donnée.
Deux dimensions : une valeur p pour chaque localisation analysée.
{ANALYSIS_VARIABLE}_TREND_ZSCOREScore z qui mesure la tendance de Mann-Kendall, vers le haut ou vers le bas, associée aux valeurs à une localisation donnée. Un score z positif indique une tendance vers le haut et un score z négatif indique une tendance vers le bas.
Deux dimensions : un score z pour chaque localisation analysée.
{ANALYSIS_VARIABLE}_TREND_BINCatégorie de résultats permettant de classer chaque emplacement qui présente une tendance statistiquement significative vers le haut ou vers le bas pour les valeurs.
-3 : tendance vers le bas, niveau de confiance de 99 pour cent
-2 : tendance vers le bas, niveau de confiance de 95 pour cent
-1 : tendance vers le bas, niveau de confiance de 90 pour cent
0 : aucune tendance significative
1 : tendance vers le haut, niveau de confiance de 90 pour cent
2 : tendance vers le haut, niveau de confiance de 95 pour cent
3 : tendance vers le haut, niveau de confiance de 99 pour cent
Bidimensionnel : une catégorie de classification pour chaque emplacement analysé.
EMERGING_{ANALYSIS_VARIABLE}_TREND_PVALUEValeur p de Mann-Kendall qui mesure la signification statistique de la tendance des scores z de points chauds/froids à une localisation donnée.
Deux dimensions : une valeur p pour chaque localisation analysée.
EMERGING_{ANALYSIS_VARIABLE}_TREND_ZSCOREScore z qui mesure la tendance de Mann-Kendall, vers le haut ou vers le bas, associée à la tendance des scores z de points chauds/froids à une localisation donnée. Un score z positif indique une tendance vers le haut et un score z négatif indique une tendance vers le bas.
Deux dimensions : un score z pour chaque localisation analysée.
EMERGING_{ANALYSIS_VARIABLE}_TREND_BINCatégorie de résultats permettant de classer chaque emplacement qui présente une tendance statistiquement significative vers le haut ou vers le bas pour les scores z des points chauds/froids.
-3 : tendance vers le bas, niveau de confiance de 99 pour cent
-2 : tendance vers le bas, niveau de confiance de 95 pour cent
-1 : tendance vers le bas, niveau de confiance de 90 pour cent
0 : aucune tendance significative
1 : tendance vers le haut, niveau de confiance de 90 pour cent
2 : tendance vers le haut, niveau de confiance de 95 pour cent
3 : tendance vers le haut, niveau de confiance de 99 pour cent
Bidimensionnel : une catégorie de classification pour chaque emplacement analysé.
EMERGING_{ANALYSIS_VARIABLE}_CATEGORYUne des 17 catégories, de 1 à 8, 0, et de -1 à -8.
1, nouveau point chaud
2, point chaud consécutif
3, intensification de point chaud
4, point chaud persistant
5, point chaud diminuant
6, point chaud sporadique
7, point chaud oscillant
8, point chaud historique
0, aucun modèle détecté
-1, nouveau point froid
-2, point froid consécutif
-3, point froid s’intensifiant
-4, point froid persistant
-5, point froid diminuant
-6, point froid sporadique
-7, point froid oscillant
-8, point froid historique
Bidimensionnel : une catégorie pour chaque emplacement analysé.
Paramètres
| Etiqueter | Explication | Type de données |
|---|---|---|
|
Cube spatio-temporel en entrée |
Le cube spatio-temporel contenant la variable à analyser. Les cubes spatio-temporels présentent une extension de fichier |
File |
|
Variable d'analyse |
Variable numérique dans le fichier netCDF que vous voulez analyser. |
String |
|
Entités en sortie |
Résultats de la classe d’entités en sortie. Cette classe d'entités sera une représentation cartographique en deux dimensions des tendances des points chauds et froids dans vos données. Elle présentera, par exemple, les points chauds nouveaux ou d'intensification. |
Feature Class |
|
Distance du voisinage (Facultatif) |
Etendue spatiale du voisinage d’analyse. Cette valeur désigne les entités qui sont analysées ensemble en vue d’évaluer l’agrégation spatio-temporelle locale. |
Linear Unit |
|
Intervalle temporel de voisinage (Facultatif) |
Nombre d’intervalles temporels à inclure dans le voisinage d’analyse. Cette valeur désigne les entités qui sont analysées ensemble en vue d’évaluer l’agrégation spatio-temporelle locale. |
Long |
|
Masque d’analyse surfacique (Facultatif) |
Couche d’entités surfaciques dont un ou plusieurs polygones définissent la zone d’étude de l’analyse. Un masque d’analyse surfacique permet, par exemple, d’exclure un lac de grande envergure de l’analyse. Les groupes définis dans le paramètre Input Space Time Cube (Cube spatio-temporel) en entrée qui se situent en dehors du masque ne sont pas inclus dans l’analyse. Ce paramètre est uniquement disponible pour les cubes de grille. |
Feature Layer |
|
Conceptualisation de relations spatiales (Facultatif) |
Indique comment les relations spatiales entre les entités sont définies.
|
String |
|
Nombre de voisins spatiaux (Facultatif) |
Entier spécifiant le nombre minimal ou exact de voisins à inclure dans les calculs du groupe cible. Pour K nearest neighbors (K voisins les plus proches), chaque groupe comporte exactement ce nombre spécifié de voisins. Pour Fixed distance (Distance fixe), chaque groupe comporte au moins ce nombre de voisins (la distance seuil est temporairement étendue pour garantir ce nombre de voisins, le cas échéant). Si l’une des conceptualisations de contiguïté est sélectionnée, ce nombre minimal de voisins est attribué à chaque groupe. Pour les groupes dont le nombre de voisins contigus est inférieur à celui spécifié, les voisins supplémentaires reposeront sur la proximité avec le centroïde des entités. |
Long |
|
Définir la fenêtre globale (Facultatif) |
La statistique compare une statistique locale, calculée d’après les voisins de chaque groupe, à une valeur globale. Ce paramètre permet de contrôler les groupes à utiliser pour calculer la valeur globale.
|
String |
Environnements
Espace de travail courant, Espace de travail temporaire, Système de coordonnées en sortie, Transformations géographiques
Informations de licence
- Basic: Oui
- Standard: Oui
- Advanced: Oui
Rubriques connexes
- Vue d’ensemble du jeu d’outils Analyse des modèles spatio-temporels
- Fonctionnement de l’outil Analyse des points chauds émergents
- Créer un cube spatio-temporel en agrégeant des points
- Visualiser le cube spatio-temporel
- Qu’est-ce qu’un score z ? Qu’est-ce qu’une valeur p ?
- Fonctionnement de l’outil Analyse des points chauds (Getis-Ord Gi*)
- Vue d’ensemble de la boîte à outils Exploration des modèles spatio-temporels
- Rechercher un outil de géotraitement