Comment puis-je faire la moyenne spatiale des entités ponctuelles dans QGIS?


9

J'ai un fichier GPX avec des points de suivi et je veux faire la moyenne spatiale des points pour améliorer la précision de la fonction de point. Je ne peux pas simplement créer un polygone et trouver son centre de gravité car le nombre de points qui se chevauchent à un certain endroit devrait "pondérer" le résultat plus qu'un autre endroit avec peu de points. c'est à dire. si le collecteur de données de terrain se tenait au même endroit pendant 2 minutes, je devrais avoir la majeure partie des points `` dérivant '' autour de l'emplacement probable du point, et j'ai dispersé les valeurs aberrantes autour de cela, en faisant la moyenne spatiale sur la base de tous les points que les valeurs aberrantes seraient actualisé en faveur des points groupés dans la moyenne .

Dois-je créer une grille raster avec une petite résolution et la superposer sur mes points, puis compter les points dans chaque cellule, ou existe-t-il une sorte de fonction de géotraitement plus simple pour simplement me dire les coordonnées centrales (ou créer un nouveau point) pour le centre moyen?


1
Je suggère que cette question soit rouverte. La spécification sur l'élimination des valeurs aberrantes en fait un problème très différent de la simple prise d'une moyenne de coordonnées selon la question et la réponse liées.
Simbamangu du

1
Pourriez-vous partager des exemples de données? Ou autrement décrire à quel point les «valeurs aberrantes» sont extrêmes? Avez-vous des données GPS HDOP enregistrées?
Simbamangu

Réponses:


7
  1. Ouvrez le volet de la fenêtre Boîte à outils de traitement: menu Traitement -> Boîte à outils
  2. Au bas du volet de la fenêtre, activez l'interface avancée
  3. Dans la boîte à outils de traitement -> Algorithmes QGIS -> Outils d'analyse vectorielle -> Coordonnées moyennes.

Modifier pour réduire les valeurs aberrantes: voici une façon de réduire les valeurs aberrantes en utilisant la pondération de distance inverse. Dans cette approche, les points qui ont une petite distance moyenne à d'autres points auront un poids plus élevé et plus d'influence sur l'emplacement du point moyen.

  1. Créez une matrice de distance avec des statistiques récapitulatives qui décrivent les séparations de points:

    • Boîte à outils de traitement -> Algorithmes QGIS -> Outils d'analyse vectorielle -> Matrice de distance
    • Sous type: Résumé matrice de distance
    • Choisissez le nombre de points qui, selon vous, devraient être pris en compte. Un nombre plus élevé jusqu'au nombre de points que vous avez sera plus précis, mais le calcul prendra plus de temps.
  2. Joignez la matrice de distance à votre couche de points:

    • Faites un clic droit sur votre calque vectoriel dans le volet de la fenêtre des calques
    • Accéder aux propriétés
    • Sur le côté gauche, choisissez Jointures
    • Appuyez sur le signe plus vert en bas pour ajouter une table
    • La couche de jointure est la matrice de distance
    • Le champ de jointure et le champ cible doivent être un identifiant unique, par exemple, un numéro de ligne
  3. Une fois qu'ils sont joints, calculez la distance inverse. Cela sera utilisé pour pondérer le point moyen:

    • Ouvrez la table attributaire de la couche de points
    • Cliquez sur le calculateur de champ ouvert
    • Nom du champ de sortie: inv_dist (ou autre)
    • Type de champ de sortie: nombre décimal (réel)
    • Expression: 1 / "Distance matrix_MEAN"
    • cliquez sur ok pour calculer
  4. Exécutez les coordonnées moyennes avec la distance moyenne inverse comme champ de pondération:

    • Boîte à outils de traitement -> Algorithmes QGIS -> Outils d'analyse vectorielle -> Coordonnées moyennes
    • Le calque d'entrée est votre calque vectoriel de points d'origine
    • Le champ de poids est inv_dist
    • frapper ok

Le résultat sera un emplacement moyen dans lequel les points qui sont en moyenne loin des autres points auront été actualisés.


5

Tout d'abord, vous n'avez pas besoin de créer un raster et de compter des points pour y parvenir. Vous dites que votre objectif est de calculer un "centre moyen". Si vous voulez dire cela littéralement, alors vous voulez calculer un "centre moyen", ce qui se fait en faisant la moyenne des coordonnées X pour trouver la moyenne X et les coordonnées Y pour trouver la moyenne Y. Ceci est accompli dans QGIS avec Vector→Analysis Tools→Mean Coordinates…. Si vos coordonnées sont dans des lots distincts (levé 1, levé 2), mais contenues dans le même fichier de données, vous pouvez désigner un champ d'identification unique et les coordonnées moyennes seront calculées séparément pour chaque groupe.

Vous dites que vous vous inquiétez des valeurs aberrantes. Si vous souhaitez minimiser l'influence des valeurs aberrantes, vous pouvez calculer le centre médian , au lieu du centre moyen. Cependant, bien que cette capacité soit disponible dans ArcGIS , elle n'est pas (à ma connaissance) disponible dans QGIS (core ou plugins). Le calcul du centre médian, qui représente le point avec la distance de déplacement totale minimale à tous les autres points, est itératif et peut avoir plusieurs solutions. Si vous voulez le faire dans QGIS, vous devrez le programmer.

Cependant, d'après votre description de votre problème, je pense que vous pouvez oublier le centre médian et simplement calculer le centre moyen avec l'outil Coordonnées moyennes. Si vous avez plusieurs points près du centre «réel» de votre lieu d'intérêt, ils auront tendance à surmonter l'attraction des valeurs aberrantes uniques. Il convient de noter que 1) les valeurs qui ne sont pas proches de la moyenne ne sont pas nécessairement des valeurs aberrantes, et 2) à moins que les valeurs aberrantes ne soient biaisées dans une direction particulière (par exemple, les points sont GPS sur une colline orientée à l'est et l'arpenteur a tendance à dériver vers le bas / vers l'est) , ils auront tendance à annuler et à ne pas influencer la moyenne.

En guise de démonstration courte et totalement non scientifique, un tas de points placés au hasard, pas vraiment aléatoires, produisent un centre moyen qui ne semble pas être fortement influencé par quelques points distants.

Tri des points aléatoires et du centre moyen

En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.