Intervalo de confianza a partir de los datos ráster

Question

Tengo una trama de datos que representa una distribución de probabilidad, es decir, cada celda tiene un valor de probabilidad (en mi caso la probabilidad de que un animal puede ser encontrado en la celda), y todas las células del complemento hasta el 100% (estoy seguro de que el animal está dentro de los alcances de mi raster). Quiero ser capaz de generar el vector de datos para los valores de confianza. Por ejemplo, el 95% de la línea/polígono indica el límite en el que yo estoy 95% seguro de que voy a encontrar al animal.

Del mismo modo, si tengo un kernel de la estimación de la densidad, ¿Cómo puedo generar el XX% de la línea/polígono que limita con la parte más densa de la trama que contiene XX% del total de la población?

Estoy dispuesto a utilizar ArcGIS, o software de código abierto. Si no existe una herramienta para realizar esto por mí, ¿qué es un algoritmo puedo implementar?

Answer 1

La confianza no es un concepto aplicable, aunque es superficialmente similar. La pregunta suena más bien como desea identificar la región más pequeña que tiene un total de probabilidad de al menos el 95%. Esta región se puede obtener (al menos conceptualmente) al ordenar todas las probabilidades y de la acumulación de puntos desde la más alta a la más baja hasta la suma parcial primera sea igual o superior al 95%, a continuación, seleccionar las celdas que corresponden a los valores que se han acumulado. Esto conduce a una solución sencilla, como ejemplificado por esta R (open source) ejemplo:

library(raster)
set.seed(17)                   # Seed a reproducible random sequence
nr <- 30                       # Number of rows                    
nc <- 50                       # Number of columns
#
# Create a zone raster for normalizing the probabilities.
#
zone <- raster(ncol=nc, nrow=nr)
zone[] <- 0
#
# Create a probability raster (for illustrating the algorithm later).
#
p <- raster(ncol=nc, nrow=nr)
p[] <- (1:(nc*nr) - 1/2) / (nc*nr) + rnorm(nc*nr, sd=0.5)
p <- abs(focal(p, ngb=5, run=mean))
z <- zonal(p, zone, stat='sum')
p <- p / z[[2]] # This normalizes p to sum to unity as required
#------------------------------------------------------------------------------#
#
# The algorithm begins here.
#
pvec <- sort(getValues(p), decreasing=TRUE) # The probabilities, sorted
d <- cumsum(pvec)                           # Cumulative probabilities
dpos <- d[d <= 0.95]                        # Position to stop
region <- p                                 # Initialize the output
region[p < pvec[length(dpos)]] <- NA        # Exclude the last 5% of the probability
plot(region)                                # Display the result

Aquí está la imagen resultante de la probabilidad del 95% de la región con el original de las probabilidades que se muestran en color: se suma a poco más de un 95%, por construcción, y la eliminación de incluso el más pequeño valor de reducir la suma a menos de 95%. El área en blanco en la parte superior incluye el 5% restante de la probabilidad de fuera de esta región. El contorno deseado es el límite entre las células blancas y el color de las células.

El mismo método de trabajo en una KDE cuadrícula.

No es sencillo de ArcGIS solución para este problema.

Answer 2

En ArcGIS...

• Herramientas De Estadísticas Espaciales > Reclass > Reclasificar Herramienta
  • Crear 2 reclasificar métodos:
  • OldValues = 0-94.99 | NewValues = 0
    OldValues = 95-100 | NewValues = 1

Esto creará un nuevo raster con valores de 2, 0 = fuera de intervalo de confianza, 1 = dentro de un 95% de intervalo de confianza.

• Herramientas de conversión De Raster > Raster a la herramienta Polígono
  • De Entrada = Reclassed Ráster
    Campo = Valor

Esto creará un vector polígono con 2 FIDs, uno con la forma de su intervalo de confianza 95% y el otro el resto de trama área. Yo sugeriría a explorar el simplificar opción para ver qué resultados se adapte mejor a tus necesidades.

FYI, aplicar el mismo método para obtener los polígonos para su Kernel estimaciones de Densidad.