18.14. 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.

We will be using the well-known dataset that John Snow used in 1854, in his groundbreaking work (http://en.wikipedia.org/wiki/John_Snow_%28physician%29), and we will get some interesting results. The analysis of this dataset is pretty obvious and there is no need for sofisticated GIS techniques to end up with good results and conclusions, but it is a good way of showing how these spatial problems can be analyzed and solved by using different processing tools.

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.

../../../_images/project2.png

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.

../../../_images/voronoi.png

Bastante fácil, pero ya nos dará información interesante.

../../../_images/voronoi2.png

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).

../../../_images/pointsinpoly.png

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.

../../../_images/pointsinpolytable.png

Otra buena forma de visualizar la dependencia de cada punto de la capa Cholera_deaths con un punto en la capa Pumps es dibujar una línea al más cercano. Esto se puede hacer con la herramienta Distancia al centro más cercano, y el uso de la configuración que se muestra a continuación.

../../../_images/nearest.png

El resultado se parece a esto:

../../../_images/nearestresult.png

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.

../../../_images/density.png

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.

../../../_images/layerextent.png

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.