Descriptive Measures of Point Distributions Summarized with Respect to Spatial Scale in Visualization
Descriptive Measures of Point Distributions Summarized with Respect to Spatial Scale in Visualization
复制标题
DOI：
10.3138/cart.53.3.2017-0023
复制
发表时间：
2018-09
期刊：
影响因子：
--
通讯作者：
Y. Sadahiro
中科院分区：
文献类型：
--
作者：
Y. Sadahiro
摘要：视觉探索在点模式分析中起着至关重要的作用。它允许分析人员掌握各种各样的空间模式的点分布，不一定是可检测的数学和统计方法。由于空间模式是尺度相关的，网格和核密度图在分析中是有效的，可以可视化从小到大的各种尺度上的点分布。然而，即使这些地图是在GIS软件中自动生成的，对这些地图的视觉探索也需要相当多的时间。此外，视觉探索不可避免地变得主观和不稳定时，同时处理许多地图。以一致和客观的方式评估和记忆地图中的空间模式并不容易。为了解决这一问题，本文提出了新的量化措施，总结点分布的特点。这些测量可以被可视化为地图，帮助分析人员有效地捕获点分布的整体空间模式。数值实验和应用于真实的数据分析进行了测试所提出的措施的有效性。研究结果表明了这些措施的有效性，同时也揭示了它们的不足之处，有待于在今后的研究中加以解决。在空间分布中，空间轮廓的变化非常复杂，因此，借助数学和统计学方法，这种分析是不可能的。空间分布依赖于网格、四边形和密度的噪声分布，这是可视化器对不同空间点的分布进行分析的有效方法。L 'exploration visuelle de ces cartes exige toutefois un temps considerable，même si ces dernières sont produites automatiquement à l' aide d 'un logiciel SIG.此外，视觉探索是主观的，不稳定的，多个菜单都是不确定的。Il 'est pas facile d'évaluer et de mmoriser les profils spatiaux de cartes de manière cohérente et objective.为了解决这一问题，作者提出了新的定量测量方法--点分布的特征。Ces mesures puvent être vues comme des cartes permettant aux analystes de mieux appréhender le profile spatial global des distributions de points. L'auteur procède à l'expérimentation numérique des mesures proposées et applique ces mesures à l'analysis de données réelles afin d'en mettre la validité à l'épreuve.这些结果证实了测量的有效性，并提出了与研究结果相一致的缺陷。
ABSTRACT:Visual exploration plays a critical role in point pattern analysis. It permits analysts to grasp a wide variety of spatial patterns in point distributions that are not necessarily detectable by mathematical and statistical methods. Since spatial patterns are scale-dependent, grid and kernel density maps are effective in analysis that can visualize point distributions at various scales from small to large. Visual exploration of these maps, however, takes a considerable amount of time even if the maps are generated automatically in GIS software. In addition, visual exploration inevitably becomes subjective and unstable when treating numerous maps simultaneously. It is not easy to evaluate and memorize spatial patterns in maps in a consistent and objective way. To resolve the problem, this article proposes new quantitative measures summarizing the characteristics of point distributions. The measures can be visualized as maps that help analysts to capture the overall spatial pattern of point distributions efficiently. Numerical experiments and applications to real data analysis are performed to test the validity of the proposed measures. The results reveal the effectiveness of the measures, as well as their shortcomings, to be resolved in future research.RÉSUMÉ:L’exploration visuelle joue un rôle crucial dans l’analyse des schémas de points. Elle permet aux analystes de saisir dans les distributions spatiales une grande variété de profils spatiaux qu’il n’est pas toujours possible de déceler à l’aide des méthodes mathématiques et statistiques. Les profils spatiaux étant dépendants de l’échelle, les cartes quadrillées et les cartes de noyaux de densité sont des outils d’analyse efficaces permettant de visualiser les distributions de points à différentes échelles, des plus petites aux plus grandes. L’exploration visuelle de ces cartes exige toutefois un temps considérable, même si ces dernières sont produites automatiquement à l’aide d’un logiciel SIG. De plus, l’exploration visuelle devient inévitablement subjective et instable lorsque plusieurs cartes sont traitées simultanément. Il n’est pas facile d’évaluer et de mémoriser les profils spatiaux de cartes de manière cohérente et objective. Pour résoudre le problème, l’auteur propose de nouvelles mesures quantitatives agrégeant les caractéristiques des distributions de points. Ces mesures peuvent être vues comme des cartes permettant aux analystes de mieux appréhender le profil spatial global des distributions de points. L’auteur procède à l’expérimentation numérique des mesures proposées et applique ces mesures à l’analyse de données réelles afin d’en mettre la validité à l’épreuve. Les résultats confirment l’efficacité des mesures et en révèlent les déficiences que combleront les recherches à venir.