Wyświetlanie danych punktów odzwierciedlających czas / wiek


10

Mam warstwę 3000 punktów dla stanu, z których każdy wskazuje wiek określonego typu budynku. Jest to zalecany wyświetlacz wizualny, który skutecznie i równo podkreśla wiek tych struktur.

Pomyślałem o użyciu mapy temperatur, ale może to prowadzić do pewnych uprzedzeń, ponieważ w niewielkim sąsiedztwie możesz mieć 3 nowe budynki i 1 stary lub odwrotnie, zabierając prawdę. Chciałbym jednak wizualnej pomocy, która po krótkim spojrzeniu lub migawce może opowiedzieć historię o wieku tych struktur.


Jak rozłożone są twoje 3000 punktów? Czy mają tendencję do skupiania się w niektórych obszarach, czy są bardziej równomiernie rozmieszczone?
Andy W

IMHO kilka przedstawionych sugestii jest równie dobrych, ale musimy dowiedzieć się więcej o celu mapy, aby zdecydować między nimi; kim są użytkownicy, jaką „historię” opowiadają dane i jak skupione są dane w czasie (zgodnie z pytaniem Andy'ego W), jak w przestrzeni kosmicznej.
Trevesy,

Odpowiedzi:


4

Podoba mi się twój pomysł na mapę cieplną dla skali całego stanu. Drobne nieregularności można przedstawić za pomocą map wstawianych (papierowych) lub zależności skali (mapa internetowa).

Jeśli naprawdę odczuwasz potrzebę pokazywania dyskretnych wartości, możesz uruchomić skrypt, aby rozproszyć cechy punktowe, tak aby nie były one ułożone jeden na drugim (wbudowane narzędzie ArcMap nazywa się „Rozpraszaj markery”) i symbolizuje wiek bldgs. na kolorowej rampie.


FYI: W QGIS istnieje również „Rozproszenie markerów”. Nazywa się to „Przemieszczenie punktu”.
podmrok

3

Jeśli te budynki są zapakowane w miastach, możesz użyć wykresów kołowych, aby zobrazować stosunek starych i nowych budynków (lub tyle klas, ile chcesz użyć).

Imho, mapa cieplna powinna reprezentować ciągłe zjawiska. Wiek określonego typu budynku może wcale nie być ciągły.


Nie zgadzam się i uważam, że mapa oparta na cieple lub rastrze może dobrze reprezentować zjawisko nieciągłe, szczególnie w przypadku, gdy punktów jest tak wiele, że się pokrywają.
Andy W

@Andy W: Zgadzam się, jeśli twoim celem jest mapowanie gęstości punktów. Ale w tym przypadku myślę, że celem jest zmapowanie rozkładu atrybutów. Mapa termiczna niweluje różnice (np. Naprawdę stare i zupełnie nowe budynki blisko siebie). To może nie być pożądany efekt.
podmroku

Zgadzam się z twoją tezą, ale agregacja do miast ma ten sam efekt wygładzania. Mapa gęstości jądra w tym kontekście byłaby uważana za reprezentację średniego wieku budynku w bliskiej przestrzennej odległości od piksela (co może, ale nie musi być przydatne dla oryginalnego plakatu). Wiek budynku może być porównywalny do powiedzenia stężenia metalu w glebie lub odczytów temperatury w różnych punktach. Dokonujesz pewnego rodzaju rozróżnienia między starym a nowym w swojej sugestii, tak jakby były to różne cechy dychotomiczne.
Andy W

2

Podoba mi się odpowiedź Briana (i myślę, że wstawiane mapy mogą być naprawdę fajne i pouczające, aby podkreślić określone fragmenty lub nieprawidłowości), ale na początku po prostu użyłbym symbolu proporcjonalnego do reprezentowania wieku budynku (i stworzyłem dwie mapy, jedna ze starszymi budynkami otrzyma większy symbol i jeden z nowszymi budynkami otrzymuje większy symbol). Te dwie mapy są spowodowane tym, że jeśli masz obszary, które są przesadzone z próbkowania, prawdopodobnie będą miały większą liczbę zarówno nowych, jak i starych budynków.

Nie zadziała to tak dobrze, jeśli budynki są zbyt skupione, ponieważ symbole proporcjonalne będą się nakładać (jak zasugerowałeś w swoim pytaniu). Dlatego tutaj bardzo pomocne może być oszacowanie gęstości jądra (które tworzy ciągłą mapę cieplną).

Powiedziałbym również, że statystyki podsumowujące w twoim przypadku mogą być pomocne. Obliczanie globalnych miar autokorelacji przestrzennej (np. Morana I, Getisa Orda, Geary'ego C) będzie informowało o rozkładzie. Możesz także mapować lokalne miary powiązania przestrzennego, aby wizualizować skupiska starych lub młodych budynków.


2

Jeśli celem twojej wizualizacji jest pokazanie rozłożenia wieku budynków w całym stanie bez większego zagłębiania się w podobszary, wówczas prostym rozwiązaniem byłoby zebranie wieków budynków razem (np. 1850–1900) i pokazanie oddzielnych map stanów za każdym razem kropka z kropkami. 4 mapy działają dobrze, ponieważ wszystkie sąsiadują ze sobą i są szybko skanowane. Jest to bardzo użyteczne ze względu na swoją prostotę i możesz używać małych kropek do budynków, co oznacza, że ​​możesz pokazać rozkład tysięcy punktów danych na raz - bardziej złożone symbole nakładałyby się na siebie.

Jeśli jednak celem mapy jest umożliwienie użytkownikowi drążenia w dół i zobaczenia rozkładu wieku w podsekcji stanu lub jeśli ważne są dokładne rozróżnienia wieku, to prawdopodobnie nie jest to odpowiednie rozwiązanie.


1

Podobnie jak w przypadku mapy cieplnej, możesz renderować wiek jako wartość Z i tworzyć zacienioną mapę reliefową, która może nieco pomóc w zmniejszeniu odchylenia - naprawdę „wysokie” (stare) nadal by się wyróżniały , ale nie zniszczyłby „krótszych” (nowszych) budynków.

W zależności od tego, co próbujesz pokazać (próbujesz wyróżnić starsze budynki?), Możesz eksperymentować ze skalą logarytmiczną lub wykładniczą.

Na dużym obszarze stanu bardzo trudno byłoby uzyskać szczegółowe informacje na temat wieku budowania, z wyjątkiem średniej wizualnej. Dopiero gdy spojrzysz na poziom blokowy, każda reprezentacja będzie pomocna.


Naprawdę nie próbuję niczego podkreślać i jak najbardziej chcę od tego uciec.
dassouki

Wtedy nie próbujesz niczego wygładzać - jak na przykład mapa cieplna, a punkty jakby wyskakiwały na ciebie. (Przewiduję), że naprawdę mówisz o generowaniu powierzchni 3D, która wygląda jak pęczek stalagmitów wyrastających z niej. Może „mapa wypukłości” byłaby lepszym opisem?
Herb

1
Może to być skuteczne, ale jestem ostrożny z takimi powierzchniami 3D. Po pierwsze, duże szczyty zasłaniają mniejsze szczyty za nimi. Po drugie, odczyt wartości bezwzględnej na mapie 3D jest mniej precyzyjny niż w przypadku rampy koloru.
Trevesy,
Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.