- •1. Понятие о пространственном распределении
- •2. Методы анализа пространственных распределений точек. Плотность точек.
- •3. Методы анализа пространственных распределений точек. Анализ квадратов.
- •3. Методы анализа пространственных распределений точек: анализ ближайшего соседа
- •5. Полигоны Тиссена
- •6. Распределения полигонов.
- •7. Методы анализа пространственных распределения линий: плотность линий.
- •9. Связность линейных объектов: гамма- индекс и альфа-индекс
3. Методы анализа пространственных распределений точек. Анализ квадратов.
Равномерные точечные распределения определяются на основе отношений меж-
ду одинаковыми подобластями, называемыми квадратами (quadrats).
Это очень распространенный метод анализа дискретных зоологических и агрономи-
ческих данных. Точками здесь могут быть отдельные растения, муравейники и т. д. Если
каждый квадрат содержит примерно одинаковое число точек, то распределение является
равномерным. Равномерные распределения редко встречаются среди биологических явле-
ний, так как живым организмам свойственно мигрировать в сторону большей концентрации
питательных веществ, лучшего орошения, определенного типа почвы и т. д. Если распреде-
ление действительно равномерное, то мы можем предположить, что нет существенного ме-
ханизма, управляющего расположением объектов.
В стандартном методе анализа квадратов (quadrat analysis) [для равномерного рас-
пределения] мы предполагаем, что примерно одно и то же число объектов будет находиться
в каждой подобласти, равное общему числу объектов, поделённому на количество подобла-
стей. Для проверки равномерности распределения может использоваться относительно про-
стой статистический показатель, который называется критерием X
2
(хи- квадрат) (chi-square
test) и выражается формулой:
X
2
= ∑ [(Q-E)/E]
где Q — наблюдаемое число точек в квадрате,
Е — ожидаемое число точек в квадрате;
∑ - суммирование, проводится по всем квадратам.
Результат этого вычисления может быть сравнен с табулированными критически-
ми величинами.
Если полученное число незначительно отличается от ожидаемого, то распределение
является равномерным; заметное отличие говорит о некоторой неравномерности, что мо-
жет означать наличие какого-то процесса, лежащего в основе неравномерности. Хотя этот
метод может считаться чисто статистическим, он может быть реализован в некоторых ГИС, 4
особенно в растровых. Такой анализ могут выполнять и многие специализированные про-
граммы. Достаточно помнить, что чем больше значение х
2
, тем ниже равномерность рас-
пределения.
Хотя результатом анализа в ГИС обычно считается карта, в данном случае результа-
том является одно лишь число. Здесь уместен такой вопрос: "Если распределение не равно-
мерно, то какой механизм может быть ответственен за это?" Чаще всего наблюдаемые нами
точечные распределения связаны с другими показателями (покрытиями) карты той же об-
ласти исследования. Эти возможно связанные покрытия могут быть не только точечными,
но и площадными. В нашем примере с биологией это могли бы быть параметры почв.
Помимо информации о равномерном распределении анализ квадратов может дать,
например, отношение дисперсии к среднему (математическому ожиданию). Здесь также
используется критерий х
2
, который вычисляется как произведение отношения дисперсии
d
2
к среднему x на число подобластей n за вычетом одной.
X
2
= (n-1) d
2
/x
Высокие значения х
2
указывают на большой разброс между числом точек в каждой
области и средним для всей области, то есть на то, что мы имеем кластерное (групповое)
распределение. И наоборот, малые значения х
2
означают, что распределение более равно-
мерное. Промежуточные значения указывают на то, что распределение более тесно связано
с некоторым случайным процессом, где некоторые квадраты имеют несколько большее, а
другие — несколько меньшее число, чем среднее.
Как и раньше, результаты анализа говорят, что если распределение не является стати-
стически случайным (т.е. если оно либо равномерное, либо кластерное), то вы можете попы-
таться определить возможную причину, разумно выбрав набор показателей для сравнения с
вашим точечным покрытием. Например, равномерные распределения могут быть регуляр-
ными, как плодовые деревья в саду, или случайными, что более свойственно деревьям в ле-
су. В первом случае в каждой подобласти будет встречаться одинаковое число точек, во вто-
ром случае числа будут разными.