17.14. Primer ejemplo de análisis¶
Nota
En esta lección vamos a realizar un análisis real utilizando sólo la caja de herramientas, para que pueda tener más familiaridad con los elementos del área de trabajo de procesamiento.
Ahora que todo está configurado y podemos usar algoritmos externos, tenemos una herramienta muy poderosa para realizar análisis espacial. Es tiempo de trabajar un ejercicio más grande con algunos datos reales -del mundo.
Estaremos utilizando el conjunto de datos conocido que John Snow utilizó en 1854 en su trabajo pionero (http://en.wikipedia.org/wiki/John_Snow_%28physician%29), y obtendremos algunos resultados interesantes. El análisis de este conjunto de datos es bastante obvio y no hay necesidad de técnicas SIG sofisticadas para terminar con buenos resultados y conclusiones, pero es una forma de mostrar cómo estos problemas espaciales pueden ser analizados y resueltos mediante el uso de diferentes herramientas de procesamientos.
El conjunto de datos contiene archivos shape con muertes por cólera y ubicaciones de bombas, y un mapa rendido OSM en formato TIFF. Abra el proyecto de QGIS correspondiente para esta lección.
Lo primero que debe hacer es calcular el diagrama de Voronoi (a. k. a polígonos de Thyessen) de la capa de bombas, para obtener la zona de influencia de cada bomba. El algoritmo *Diagrama de Voronoi * se puede utilizar para eso.
Bastante fácil, pero ya nos dará información interesante.
Claramente, muchos de los casos se encuentran dentro de uno de los polígonos
Para obtener un resultado más cuantitativo, podemos contar el número de muertes en cada polígono. Dado que cada punto representa un edificio donde las muertes ocurrieron, y el número de muertes se almacena en un atributo, no podemos contar los puntos. Necesitamos un recuento ponderado, por lo que utilizaremos la herramienta Contar puntos en polígono (ponderada).
El nuevo campo se llamará DEATHS, y usamos el campo COUNT como campo de ponderación. La tabla resultante refleja claramente que el número de muertes en el polígono correspondiente a la primera bomba es mucho más grande que los otros.
Another good way of visualizing the dependence of each point in the Cholera_deaths layer with a point in the Pumps layer is to draw a line to the closest one. This can be done with the Distance to closest hub tool, and using the configuration shown next.
El resultado se parece a esto:
Aunque el número de líneas es mayor en el caso de la bomba central, no se olvide de que esto no representa el número de muertes, pero el número de lugares donde se encontraron casos de cólera. Es un parámetro representativo, pero no está considerando que algunos lugares podrían tener más casos que otros.
Una capa de densidad también nos dará una visión muy clara de lo que está sucediendo. Podemos crearlo con el algoritmo Densidad de Kernel *. Usar la capa *Cholera_deaths, su campo *COUNT * como campo de peso, con un radio de 100, la extensión y tamaño de celda de la capa ráster de calles, obtenemos algo como esto.
Recuerde que, para conseguir la extensión de salida, no tiene que escribirla. Haga clic en el botón en el lado derecho y seleccione Uso capa/extensión del área del mapa.
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.