Buscar puntos calientes (Standard Feature Analysis)

Resumen

Identifica clusters espaciales estadísticamente significativos de valores altos (puntos calientes) o bajos (puntos fríos), o recuentos de datos, en los datos. Use esta herramienta para encontrar puntos calientes y fríos de valores altos y bajos de viviendas, densidades de delitos, víctimas de accidentes de tráfico, desempleo o biodiversidad, por ejemplo.

La capa de mapa resultante muestra los puntos calientes en rojo y los puntos fríos en azul. Las entidades con el color rojo más oscuro indican el clustering más fuerte de densidades de puntos o valores altos; puede estar seguro al 99 % de que el clustering asociado con estas entidades no puede ser resultado del azar. Asimismo, las entidades con el color azul más oscuro están asociadas con el clustering espacial más fuerte de valores bajos o con las densidades de puntos más bajas. Las entidades que tienen color beis no forman parte de un cluster estadísticamente significativo; el patrón espacial asociado con estas entidades podría muy bien ser resultado del azar y de procesos aleatorios.

Ilustración

Buscar puntos calientes

Uso

  • Hay muchos datos disponibles para entidades poligonales como distritos censales, condados, distritos electorales, regiones hospitalarias, parcelas, límites de parques y zonas de recreo, cuencas hidrográficas, clasificaciones de cobertura de suelo y zonas climáticas. Cuando la capa de entrada contenga entidades poligonales, deberá especificar un campo numérico que se usará para encontrar clusters de valores altos y bajos. Este campo podría representar:

    • Recuentos (como el número de hogares)
    • Tasas (como la proporción de población que tiene un título universitario)
    • Medias (como la media o la mediana de ingresos por hogar)
    • Índices (como el valor que indica si el gasto por hogar en artículos deportivos es superior o inferior a la media nacional)

  • También hay disponibles diversos datos como entidades de punto. Algunos ejemplos de entidades frecuentemente representadas como puntos son incidentes criminales, escuelas, hospitales, eventos de llamadas de emergencia, accidentes de tráfico, pozos de agua, árboles y embarcaciones. En ocasiones te puede interesar analizar valores de datos (un campo) asociados con cada entidad de puntos. En otros casos, quizá solo te interese evaluar la formación de clusters en los propios puntos. La decisión de proporcionar o no un campo de análisis dependerá de la pregunta que se esté formulando. Tendrá que proporcionar un campo de análisis para responder a preguntas como: "¿Dónde se agrupan los valores altos y bajos?".

    Para algunos datos de puntos, típicamente cuando cada punto representa un evento, incidente o indicación de presencia/ausencia, no habrá un campo de análisis obvio que utilizar. En estos casos, solo tienes que saber dónde se da una creación de clusters inusualmente intensa o escasa (estadísticamente significativa).

  • Para un análisis de recuentos de puntos, las entidades poligonales se colocan sobre los puntos y se cuenta el número de puntos contenidos en cada área. Estas entidades poligonales pueden ser una cuadrícula de red que crea la herramienta o una capa de área proporcionada por el usuario. La herramienta encuentra los clusters de recuentos de puntos altos y bajos asociados con cada entidad de área.

Sintaxis

arcpy.sfa.FindHotSpots(analysisLayer, outputName, {analysisField}, {divideByField}, {boundingPolygonLayer}, {aggregatePolygonLayer})
ParámetroExplicaciónTipo de datos
analysisLayer

La capa de entidades de puntos o poligonales para la que se calcularán los puntos calientes.

Feature Set
outputName

El nombre de la capa de salida que se debe crear en el portal.

String
analysisField
(Opcional)

Un campo numérico (número de incidentes, tasas de delincuencia, puntuaciones de exámenes, etc.) que se va a evaluar. El campo seleccionado podría representar lo siguiente:

  • Recuentos (como el número de accidentes de tráfico)
  • Tasas (como el número de delitos por milla cuadrada)
  • Medias (como la nota media en los exámenes de matemáticas)
  • Índices (como una evaluación de satisfacción de clientes)

Field
divideByField
(Opcional)

El campo numérico de la capa de entrada que se usará para normalizar los datos. Por ejemplo, si los puntos representan los crímenes, al dividir por la población total se obtendrá un análisis de los crímenes per cápita y no un recuento de crímenes.

Field
boundingPolygonLayer
(Opcional)

Cuando la capa de análisis es de puntos y no se especifica ningún campo de análisis, puede proporcionar entidades poligonales que definan dónde podrían haberse producido los incidentes. Por ejemplo, si desea analizar los accidentes de los barcos en un puerto, el contorno del puerto podría ser un buen límite para el área en la que podrían producirse los accidentes. Cuando no se proporcionan áreas de límite, solo se incluyen en el análisis ubicaciones que tienen al menos un punto.

Feature Set
aggregatePolygonLayer
(Opcional)

Cuando la capa de entrada contiene puntos y no se especifica ningún campo de análisis, se pueden proporcionar las entidades poligonales en las que se agregarán y analizarán los puntos; por ejemplo, unidades administrativas. Se cuenta el número de puntos contenidos en cada polígono y se analiza el recuento de puntos en cada polígono.

Feature Set

Salida derivada

NombreExplicaciónTipo de datos
outputLayer

La capa de puntos calientes de salida.

Conjunto de entidades

Entornos

Información de licenciamiento

  • Basic: Requiere su cuenta de ArcGIS Enterprise que tendrá el privilegio Realizar análisis
  • Standard: Requiere su cuenta de ArcGIS Enterprise que tendrá el privilegio Realizar análisis
  • Advanced: Requiere su cuenta de ArcGIS Enterprise que tendrá el privilegio Realizar análisis

Temas relacionados