“Everything is related to everything else, but near and RECENT things are more related than distant things” (nach Toblers erstem Gesetz der Geographie)    English version: blog-beitrag

Die Analyse räumlicher Muster verschiedener Phänomene und Daten beschäftigt die Wissenschaft schon lange. Viele natürliche Phänomene variieren jedoch nicht nur im Raum, sondern auch mit der Zeit. In diesem Fall wird die Zeit zur dritten Dimension, die in die Analyse miteinbezogen werden muss und spezielle Werkzeuge und Visualisierungsmöglichkeiten benötigt. Für diese Analysen gibt es in ArcGIS Pro Tools für Raum-Zeit-Muster-Mining. Wie man diese Werkzeuge benutzt, zeige ich euch in diesem Blogpost.

Stellen wir uns beispielsweise vor, wir erforschen die Variabilität des Wasserverbrauchs für landwirtschaftlich genutzte Flächen. Uns interessiert, wie sich der Verbrauch über die Jahre entwickelt hat und von welchen Größen die Variabilität abhängt. Nehmen wir nun an, wir verfügen über Daten der vergangenen 12 Jahre (jeweils August) und wollen zeitliche und räumliche Muster der in Abb. 1 dargestellten Punktdaten analysieren und visualisieren.

Raum-Zeit-Würfel erstellen

abb1
Abb. 1: Mit abgestuften Symbolen dargestellter Wasserverbrauch (Merced County, Abb. von Lauren Bennet und Flora Vale).

Zunächst wird ein sogenannter Raum-Zeit-Würfel erstellt (Raum-Zeit-Würfel erstellen). Dieses Werkzeug aggregiert Daten in dreidimensionalen Bins (x,y,t) und resultiert in einem Raum-Zeit-Würfel mit Zeit-Ebenen (x-y Ebenen) und Orten entlang der z-Achse. Zudem enthält er zusätzliche Attribute, die für jeden Bin aus den darin enthaltenen Datenpunkten zusammengefasst sind (Minimum, Maximum, Mittelwert, Median, Standardabweichung aller Punkte die in einem Bin enthalten sind).

Der Raum-Zeit-Würfel kann sowohl in 2D als auch in 3D visualisiert werden. Zudem entsteht ein Bericht, der sehr detaillierte Informationen über die Daten und die Prozessierung (z.B. Größe der Bins, Anzahl der Datenpunkte, globaler Trend) enthält.

Trendanalyse und lokale Ausreißeranalyse

Als nächstes können wir eine Trendanalyse und eine Ausreißeranalyse durchführen, um die Variabilität und Extremwerte in unseren Daten besser zu verstehen. Dies wird über zwei weitere Werkzeuge erreicht: Das Trendanalyse von Hot-Spots Werkzeug und das Lokale Ausreißeranalyse Werkzeug, auf das ich später noch näher eingehe.

fig2
Abb. 2: Konzept der Trendanalyse von Hot-Spots und der lokalen Ausreißeranalyse. Die Trendanalyse von Hotspots gruppiert die Werte nach Trends in 17 Kategorien während die lokale Ausreißeranalyse sechs Kategorien liefert, die davon abhängen ob hohe oder niedrige Werte nur sporadisch oder immer auftreten (Abb. von Lauren Bennet and Flora Vale).

Das Trendanalyse Werkzeug identifiziert Trends bei der Cluster-Bildung von Punktdichten (Anzahl) oder Zusammenfassungsfeldern in einem Raum-Zeit-Würfel und definiert daraus 17 Kategorien wie beispielsweise neue, konsekutive, sich verstärkende, dauerhafte, sich abschwächende, zeitweilige, schwankende und ehemalige Hot- und Cold-Spots. Parallele Visualisierung der Ergebnisse in 2D und 3D in ArcGIS Pro ist sehr hilfreich zur Interpretation der Daten wie an einem Beispiel in Abb. 3 gezeigt. Die Ergebnisse der Trendanalyse sind ziemlich komplex. Statt alle Ergebnisse zu betrachten, könnten wir uns auch auf sehr hohe und sehr niedrige Werte fokussieren.

Dafür benützen wir ein weiteres Werkzeug, das statistisch signifikante Cluster und Ausreißer in Zeit und Raum identifiziert (Lokale Ausreißeranalyse). Das Ergebnis des Werkzeugs sind sechs Kategorien, die davon abhängen, ob an einem Ort immer signifikant hohe oder niedrige Werte auftreten oder aber nur sporadisch. Wir können nun zur Visualisierung den Raum-Zeit-Würfel Explorer (download) nutzen, ein Add-in, das die Interaktion mit dem Raum-Zeit-Würfel und die Interpretation der Ergebnisse der vorangegangenen Analyse stark verbessert. Wir können sowohl die Ergebnisse der Trendanalyse als auch der Ausreißeranalyse visualisieren und dabei all jene Variablen auswählen, die bei der Erstellung des Raum-Zeit-Würfels zusammengefasst wurden.

abb3
Abb. 3: 2D und 3D Visualisierung zur Interpretation von Hot- und Cold-Spots (Abb. von Lauren Bennet und Flora Vale)

Visualisierung mit dem Raum-Zeit-Würfel Explorer

In der “Display Theme Gallery” des Raum-Zeit-Würfel Explorers bestehen sehr viele Möglichkeiten zur Darstellung und zum Filtern der Daten wie in Abb. 4 an unserem Beispiel dargestellt. Wir könnten unsere Daten beispielsweise mit einem Slider interaktiv filtern, um nur sehr hohe oder niedrige Werte des Wasserverbrauchs zu visualisieren. Alternativ können wir einzelne Reihen oder Säulen herausfiltern, um in den Würfel zu sehen indem wir beispielsweise die oberen Schichten ausblenden. Basierend auf diesen Ergebnissen könnten wir weitere Fragen stellen und beispielsweise die Beziehung zwischen sehr hohen Verbrauchswerten (Rot in Abb. 4) und lokalen und/oder zeitlichen Parametern wie Klima, Bodentyp, Lithologie oder Feldfrucht untersuchen.

Wenn wir unsere Auswertung abgeschlossen haben, können wir die Ergebnisse als 3D-Webszene teilen und diese wiederum in eine interaktive Story Map integrieren (Story Map erstellen).

abb5
Abb. 4: Wasserverbrauch nach Werten gefiltert (hohe und niedrige Werte, mittlere Werte sind herausgefiltert) (Abb. von Lauren Bennet und Flora Vale).

Zusammenfassend können wir festhalten, dass die Raum-Zeit-Muster-Mining Toolbox zahlreiche statistische Werkzeuge zur Analyse von Datenverteilungen und Mustern im Kontext von Raum und Zeit bereitstellt. Diese Werkzeuge sind sehr effizient und werden euch sicherlich helfen, komplexe Daten zu analysieren und einen Schritt weiter zu gehen, vom Raum in die „Raumzeit“. Wir freuen uns darauf, einige eurer Ergebnisse zu sehen!