Formati di geodati: vettoriali (shp), raster (tif) Fonti di geodati

Per approfondire:
Formati di geodati: vettoriali (shp), raster (tif)
Fonti di geodati
Georiferimento tramite coordinate e indirizzi
(geocodifica)
Testi base / manuali:
La gestione delle tabelle degli attributi
- Pielou E.C. (1977) Mathematical Ecology. Wiley.
Strumenti di selezione manuale, by attributes, by
spatial location
- Upton G., Fingleton B. (1985) Spatial data analysis by examples, Wiley
Table join: per associare alla tabella del layer una
tabella esterna
- Cliff A.-Ord J. (1981) Spatial Processes, Models and Applications. Pion.
- Arbia G., Espa G. (1996) Statistica economica territoriale. Cedam.
- Haining P. (2001) Spatial Data Analysis: Theory and Practice.
Cambridge University Press.
- Fotheringham A.S., Rogerson P.A. (2009) The Sage handbook of
spatial analysis. Sage.
- Chun Y., Griffith D.A. (2013), Spatial Statistics and Geostatistics. Sage
Per approfondire (2):
Applicazioni su R: Bivand R.S., Pebesma E.J., Gómez Rubio V. (2008)
Applied spatial data analysis with R. Springer.
Approfondimenti:
- Cressie N. (1993) Statistics for spatial data. Wiley.
- Diggle P.J. (2003) Statistical Analysis of Spatial Point Patterns (2nd
edition). Hodder Arnold
- Diggle P.J.-Ribeiro P.J. (2007) Model-based Geostatistics. Springer.
- LeSage J., Pace R.K. (2009), Introduction to Spatial Econometrics.
Chapman and Hall.
- Fischer M.-Getis A. (2010) Handbook of applied spatial analysis.
Springer
SLIDES: http://www.memotef.uniroma1.it/users/celata-filippo
- Join spaziale: associa alla tabella del layer i valori della
tabella di un altro layer sulla base di una relazione spaziale
Associazione di dati tabellari (Table join) 2
Aggiungi all’area di lavoro:
-lezgis14/tablejoin/rm_immig.shp
-lezgis14/tablejoin/rm_immig_dt.dbf
Individua il field di raccordo
Esegui il join di .dbf a .shp:
-tasto destro sullo shapefile / Join and
relates/Join/Join attributes from a table
- Specifica il field per il join nello
shapefile e nella tabella
-Esegui il join / Verifica
Esporta per consolidare: tasto destro
SUL LAYER / data / export data
Analisi di prossimità: = interazione, attrazione,
influenza, contagio, interdipendenza, somiglianza,
clustering, autocorrelazione spaziale, concentrazione,
squilibrio, segregazione, ecc...
-Buffering
Il toolbox
Buffering
Esegui un buffer di 500 mt da rm_immig.shp
1) Arctoolbox / Analysis / Proximity / Buffer / input feature: rm_immig.shp,
linear unit: 500 mt, dissolve: none
2) Crea uno shapefile dall’output del buffer (Tasto destro sul buffer / Data /
Export data)
Analisi di ‘prossimità’: strumenti di calcolo della
distanza = measure, near (tutti al più vicino), point
distance (tutti a tutti), standard distance (misura di
compattezza), buffering, (spatial join..)
Tipi di distanza:
- euclidea / manhattan
- distanza su un network
- cost-weighted: utilizzando un raster di “costo” (es.
land use, slope)
Distanza tra poligoni: centroid-to-centroid (poligoni
regolari e simili), border-to-border (poligoni irregolari)
Analisi di prossimità
1) Prossimità e influenza: inverse distance function / ID
weighting (influenza = 1/d)
2) Prossimità e interazione spaziale: distance decay
theory = la possibilità di un’interazione diretta diminuisce
con (il quadrato de) la distanza (I = 1/d2)
Distanza (geografica, funzionale, economica..)
Euclidea vs. Manhattan vs. Network based
Walking distance: quanto le persone sono disposte a
camminare?
Ottimale: 150-300
Media: 400-450
Comoda: 600
Km/h
Walking
6,5
Jogging
14,5
Running
20
Cycling
40
Slow car
60
Fast car
120
*San Francisco Area
10 min
3) Prossimità, gravitazione, accessibilità
(potenziale) = 1/distanza tra elementi geografici
(impredence function) * "massa" di opportunità di
interazione (popolazione, reddito, activity function)
Ref*
1
2,4
3,3
6,6
10
20
0,8
3,2
8
0
4) Prossimità e somiglianza: prima legge della
geografia (Tobler) = tutto è correlato con tutto, ma le
cose vicine sono più correlate delle cose lontane (->
AUTOCORRELAZIONE SPAZIALE)
5) Prossimità e spatial clustering
Il metodo di identificazione dell’Atlas of Economic Clusters in
London (GaWC): “A clustered firm is defined as one whose
average distance to its 10 nearest neighbours (in its sector)
is less than 100 metres”
Moran’s Index (I)
Le “ethnic
enclaves” e la
concentrazione
spaziale
(clustering) delle
imprese condotte
da immigrati
Esercizio: individua le aree con almeno 10 imprese
condotte da immigrati in un raggio di 500 mt:
Inputs:
-> Shape puntuale delle imprese condotte da immigrati
-> Shape poligoniale dei buffer
Quanti punti sono compresi in ogni poligono? -> Attribuire ad ogni
poligono il numero di punti in esso compreso / Associare alla tabella
del buffer una colonna contenente la somma dei punti in esso
compresi = Spatial join / “Each polygon will be given a summary of
the numeric attributes” del layer puntuale (colonna: “CNT”)
Quali punti soddisfano la condizione richiesta? -> Selezionare i
punti compresi in poligoni nei quali sono compresi almeno 10 punti =
Select by location
Esercizio: individua le aree con almeno 10 imprese
condotte da immigrati in un raggio di 500 mt:
Esercizio: individua le aree con almeno 10 imprese
condotte da immigrati in un raggio di 500 mt:
3) Esegui un Join spaziale per attribuire al buffer il numero di punti
localizzati all’interno: Tasto destro sul buffer / Join and relates / Join /
Join data from another layer base on spatial location / “Each polygon
will be given a summary…”
Oppure (meglio..):
4) Nello shapefile di output: seleziona i poligoni con “CNT” > 10 /
crea layer con i poligoni selezionati
5) Seleziona i punti compresi nei poligoni di output del punto 4:
Selection / Select by location / Target layer: rm_immig.shp / Source
layer: poligoni di output del punto 4 / Spatial selection method:
“Target layer features are within the source layer” / Esegui
6) Crea layer con punti selezionati (tasto destro su layer / create layer
from selected features) -> Crea shapefile da selezione (Export data)
- Tematismi
5) Individua i punti centrali di buffer che comprendono almeno 10
imprese = Tasto destro su rm_immig.shp / Join / Table Join con la
tabella degli attributi del buffer usando la colonna in comune
“NAME”
6) Crea layer con punti selezionati (tasto destro su layer / create layer
from selected features) -> Crea shapefile da selezione (Export data)
7) Menu “VIEW” / Layout view: sistema carta di output evidenziando
con la simbologia tutte le imprese condotte da immigrati e quelle che
fanno parte dei cluster
Quante sono? Dove stanno? Da chi sono condotte?
I simboli
cartografici
Sistemi di coordinate e proiezioni
Export map
come
immagine
(layout view)
Come riportare
una superficie
(quasi) sferica su
una superficie a
2D con il minimo
di distorsione?
Il problema dei sistemi di coordinate
Proiezioni
isogoniche
-Projected coordinate systems vs. geographic coordinate
systems
Mantengono
inalterati gli angoli
del reticolo
carografico
-Sistemi di coordinate equidistanti / equivalenti / isogonici
(/conformi)
-Il sistema di coordinate del dataframe vs. il sistema di
coordinate dei singoli layer
La regola “aurea”: sistema di coordinate del dataframe =
sistema di coordinate dei singoli shapefile = sistema di
coordinate della carta di output
- Proiezione di
Mercatore:
Proiezione cilindrica e conforme: rappresenta gli angoli e le
forme in maniera corretta. La distanza varia con la latitudine.
Al diminuire della scala (grandi aree) i rapporti tra i valori di
superficie sono molto distorti (Googlemap).
Adatta per la navigazione (bussola): linee rette sulla carta
rappresentano la rotta effettiva da seguire (non la più corta…)
Proiezionie
equivalenti
Mantengono
inalterato il rapporto
tra le aree
Proiezione di Lambert o (migliore) proiezioni Albers equalarea conic con due paralleli standard. Quasi conforme.
Proiezioni cylindrical equal-area rappresentano
correttamente le aree, ma distorcono gli angoli e
conseguentemente (su grandi aree) anche la forma.
Buone per carte continentali (es. Europa), carte tematiche e per
analisi che implicano il calcolo di aree.
Proiezioni equidistanti
Mantengono inalterato il rapporto tra le distanze
(Polar azimuthal equal-area projection): mantiene
inalterati i rapporti tra le aree. Le direzioni sono corrette solo
a partire dal centro. Il pattern di distorsione è radiale. Le
distanze diminuiscono allontanandosi dal centro.
Adatta per carte di continenti o regioni che hanno forma rotonda (Asia,
oceano pacifico).
Proiezione
Universal
Transverse
Mercator
(UTM)
60 fusi (nord
e sud)
Proiezione Plate Carrée: proiezione equidistant
cylindrical. Sia la forma che le aree sono abbastanza ben
rappresentate (tranne che ai poli). E’ equidistante solo lungo
i meridiani, nord-sud (o alternativamente sui paralleli).
Buona per carte tematiche e per analisi che implicano il calcolo di
distanze.
Proiezioni cilindrica conforme e equidistante: per carte
topografiche e a grande scala (piccole aree): United Nations
Cartography Committee, 1952.
Settare il sistemi di coordinate
- Per impostare il sistema di coordinate del dataframe:
layers / properties / coordinate system
- Per cambiare il
sistema di
coordinate
dello shapefile:
data / export
data / same
coordinate
system as the
data frame
Per modificare la geometria dei geodati:
1) (Shapefile) editing: strumenti manuali di disegno e
modifica della geometria dei geodati
2) Geoprocessing: procedure automatiche di modifica e
costruzione di geodati
Strumenti di EDITING:
Editing / es.: reshape existing feature
Editing in ArcGIS 10
-tasto destro sul layer che
si vuole editare / start
editing
-Crea nuovi punti nel
layer rm_immig.shp:
seleziona il template nella
finestra a destra / clicca
sulla carta per creare
nuovi punti / verifica e
popola tabella attributi
Editing: creare nuovo shape puntuale da zero
- Apri Arc-catalog e apri la
cartella in cui intendi creare
il nuovo shapefile
- Tasto destro nella cartella /
/ New / Shapefile (puntuale,
importando il sistema di
coordinate tramite “select”)
-Add lo shapefile in Arcmap
- Start editing
- Create new features:
digitalizza i nuovi feature
puntuali (e popola la tabella
degli attr.)
Aggiungere campi (colonne) alle tabelle
Field calculator
Formati
delle colonne:
String (testo)
Integer (es. 3)
Double (3,21)
Ecc.
Calculate geometry
Geprocessing
Area
Perimeter
Merge
Centroid
Lenght
Ecc.
- calcola l’area delle zone urbanistiche in Km2: add field (name: “areaKM”;
type: double; precision: 12, scale: 2) / tasto destro sul field / calculate
geometry (area in sq km)
- calcola indicatore di densità della popolazione straniera per zona
urbanistica: add field (name: “dens_str”; type: double, precision: 12, scale:
2) / tasto destro sul nuovo field / field calculator: str_tot/area)
Dissolve
Fai: utilizzando il layer delle zone urbanistiche, si crei uno shapefile dei
Municipi di Roma, tramite dissolve field: “Municipi”
Altri…
Split
Modificare la tipologia dei geodati
(punti <-> poligoni <-> linee)
1) Per passare da poligoni a punti (pesati/marcati):
CENTROIDE DEI POLIGONI (problemi nel caso di aree
fortemente irregolari).
- Sul layer poligoniale (zoneurbanistiche), nella tabella degli attributi: Table
properties/Add field (colonna “X”, colonna “Y”; formato numerico: “double”,
precision: 12 / scale: 4).
- Nelle colonne X, Y: tasto destro sull’intestazione / “calculate geometry” per
stimare i valori di latitudine e longitudine dei centroidi dei poligoni / esporta
la tabella in formato .dbf (*)
- Crea un layer puntuale importando la tabella con il Tool Add x,y Data.
- Esporta il layer puntuale per creare lo shapefile definitivo
2) Per passare da punti a poligoni: creare POLIGONI DI
THIESSEN (triangulated irregular network (TIN) that meets
the Delaunay criterion)
FISHNET: crea un poligoniale regolare rettangolare
-Arctoolbox/Analysis/Proximity/Create Thiessen Polygons
- Negli “environments”: setta il “processing extent”
Creare layer lineare da punti di origine e destinazione (pointto-point network)
FISHNET (2)
-Points to Line
(1 to 1)
- (Spider) (1 to All)
Specifico ampiezza
(in map units) /
numero di
righe/colonne = 0
(o viceversa)
All to All: EC calculate
(and draw) / ET Geo
Wizard / etc.
Analisi di distribuzione spaziale (pattern)
-Misure di distribuzione
Case field: per calcolare diversi centri per diverse categorie
di punti
Weight: centralità assoluta o relativa
MEDIAN CENTER / MEAN CENTER
Kernel density
Mappe di
densità
Calcola la densità in ogni punto della carta,
misurando il numero di punti (eventualmente pesato)
che sono inclusi entro un raggio specificato,
utilizzando una funzione gaussiana (o quadratica).
Fonte: elaborazione su dati Istat * Kernel density, raggio: 1.000 mt Silverman,
Density
estimation
for statistics
and data
analysis,
1986
Densità di unità condotte da imprenditori cinesi, 2008 Densità di unità locali nell’area di Prato, 2008 Fonte: elaborazione su dati Istat * Kernel density, raggio: 1.000 mt Spatial analyst / density / kernel density
Input: layer puntuale
(o lineare)
Population field: peso
Output raster: file di
output
Search radius: distanza max dei punti il cui numero/peso
viene considerato ai fini del calcolo della densità, in map units
(default: min. extent / 250)
Area units: la misura di densità che comparirà in legenda
(dipende comunque dal search radius)
Cell size: la dimensione dei pixel del raster di output
(default: min. extent / 30; meglio se pari alla distanza media
tra tutti i punti di input)
Lab: la distribuzione delle imprese condotte da
stranieri a Roma
Calcola e renderizza la standard distance e il mean
center (spatial statistics / measuring geog. distr. / …)
per le diverse aree di provenienza degli imprenditori
(input: rm_immigDT.shp; weight field: “ADD08”; case
field: “AREA”)
Fai una carta di densità delle imprese condotte da
stranieri: spatial analyst / density / kernel density
(Input: rm_immigDT.shp; Population field: ADD08 o
count; cell size: default*; search radius: 1.000 metri;
environments/extent: provincia; environments/mask:
zoneurbanistiche) (modifica la simbologia del raster)
adatta l’extent del raster di
output settando il processing
extent a quello del layer della
regione e/o utilizza lo stesso
layer come mask (raster anal.)

Download Report