La herramienta Análisis de puntos calientes emergentes identifica tendencias en los datos, como puntos calientes y fríos nuevos, en aumento, en disminución y esporádicos. La herramienta toma como entrada un cubo netCDF de espacio-tiempo creado por varias herramientas de la caja de herramientas Minería de patrones en espacio-tiempo. A continuación, utiliza los valores de Conceptualización de relaciones espaciales que proporciona para calcular la estadística Getis-Ord Gi* (utilizando Análisis de puntos calientes) para cada bin mediante una corrección FDR. Una vez completado el análisis de puntos calientes de espacio-tiempo, cada bin del cubo netCDF de entrada tiene asociados una puntuación z, un valor P y una clasificación de bins de puntos calientes. A continuación, se evalúan estas tendencias de puntos calientes y fríos utilizando la prueba de tendencia de Mann-Kendall. Con la puntuación z y el valor P de la tendencia resultante para cada ubicación con datos, y con la puntuación z y el valor P de puntos calientes para cada bin, la herramienta Análisis de puntos calientes emergentes clasifica la ubicación de cada área de estudio de la siguiente manera:
| Nombre del patrón | Definición | |
|---|---|---|
 | No se detectó ningún patrón | No se incluye en ninguno de los patrones de puntos calientes o fríos definidos abajo. |
 | Nuevo punto caliente | Una ubicación que es un punto caliente significativo desde el punto de vista estadístico para el período de tiempo final y que nunca antes lo fue. |
 | Punto caliente consecutivo | Una ubicación con una única ejecución ininterrumpida de al menos dos bins de puntos calientes significativos desde el punto de vista estadístico en los intervalos de periodos de tiempo finales. La ubicación nunca fue un punto caliente significativo desde el punto de vista estadístico antes de la última ejecución de puntos calientes y menos del 90 por ciento de los bins son puntos calientes significativos desde el punto de vista estadístico. |
 | Punto caliente creciente | Una ubicación que ha sido un punto caliente significativo desde el punto de vista estadístico en el 90 por ciento de los intervalos de tiempo, incluido el último periodo de tiempo. Además, la intensidad del clustering de los recuentos altos en cada período de tiempo está aumentando y este aumento es significativo desde el punto de vista estadístico. |
 | Punto caliente persistente | Una ubicación que ha sido un punto caliente significativo desde el punto de vista estadístico en el 90 por ciento de los intervalos de tiempo, sin ninguna tendencia discernible en la intensidad del clustering en el tiempo. |
 | Punto caliente decreciente | Una ubicación que ha sido un punto caliente significativo desde el punto de vista estadístico en el 90 por ciento de los intervalos de tiempo, incluido el último periodo de tiempo. Además, la intensidad del clustering en cada período de tiempo está disminuyendo y esta disminución es significativa desde el punto de vista estadístico. |
 | Punto caliente esporádico | Un punto caliente significativo desde el punto de vista estadístico para el intervalo del periodo de tiempo final con un historial de que es un punto caliente y deja de serlo. Menos del 90 por ciento de los intervalos de periodo de tiempo han sido puntos calientes estadísticamente significativos y ninguno de los intervalos de periodo de tiempo han sido puntos fríos estadísticamente significativos. |
 | Punto caliente oscilante | Un punto caliente significativo desde el punto de vista estadístico para el intervalo del período de tiempo final que tiene un historial de haber sido también un punto frío significativo desde el punto de vista estadístico durante un período de tiempo anterior. Menos del 90 por ciento de los intervalos de periodo de tiempo han sido puntos calientes estadísticamente significativos. |
 | Punto caliente histórico | El periodo de tiempo más reciente no es caliente, pero al menos el 90 por ciento de los intervalos de periodos de tiempo han sido puntos calientes significativos desde el punto de vista estadístico. |
 | Nuevo punto frío | Una ubicación que es un punto frío significativo desde el punto de vista estadístico para el período de tiempo final y que nunca antes lo fue. |
 | Punto frío consecutivo | Una ubicación con una única ejecución ininterrumpida de al menos dos bins de puntos fríos significativos desde el punto de vista estadístico en los intervalos de periodos de tiempo finales. La ubicación nunca fue un punto frío significativo desde el punto de vista estadístico antes de la última ejecución de puntos fríos y menos del 90 por ciento de los bins son puntos fríos significativos desde el punto de vista estadístico. |
 | Punto frío creciente | Una ubicación que ha sido un punto frío significativo desde el punto de vista estadístico en el 90 por ciento de los intervalos de tiempo, incluido el último periodo de tiempo. Además, la intensidad del clustering de los recuentos bajos en cada período de tiempo está aumentando y este aumento es significativo desde el punto de vista estadístico. |
 | Punto frío persistente | Una ubicación que ha sido un punto frío significativo desde el punto de vista estadístico en el 90 por ciento de los intervalos de tiempo, sin ninguna tendencia discernible en la intensidad del clustering de recuentos en el tiempo. |
 | Punto frío decreciente | Una ubicación que ha sido un punto frío significativo desde el punto de vista estadístico en el 90 por ciento de los intervalos de tiempo, incluido el último periodo de tiempo. Además, la intensidad del clustering de los recuentos bajos en cada período de tiempo está disminuyendo y esta disminución es significativa desde el punto de vista estadístico. |
 | Punto frío esporádico | Un punto frío significativo desde el punto de vista estadístico para el intervalo del periodo de tiempo final con un historial de que es un punto frío y deja de serlo. Menos del 90 por ciento de los intervalos de periodo de tiempo han sido puntos fríos estadísticamente significativos y ninguno de los intervalos de periodo de tiempo han sido puntos calientes estadísticamente significativos. |
 | Punto frío oscilante | Un punto frío significativo desde el punto de vista estadístico para el intervalo del período de tiempo final que tiene un historial de haber sido también un punto caliente significativo desde el punto de vista estadístico durante un período de tiempo anterior. Menos del 90 por ciento de los intervalos de periodo de tiempo han sido puntos fríos estadísticamente significativos. |
 | Punto frío histórico | El periodo de tiempo más reciente no es frío, pero al menos el 90 por ciento de los intervalos de periodos de tiempo han sido puntos fríos significativos desde el punto de vista estadístico. |
Salidas de la herramienta
Esta herramienta crea un número de salidas. El mapa 2D, con las categorías definidas anteriormente, constituye la salida más prominente. Además, se escriben mensajes en los que se resumen los resultados del análisis en la parte inferior del panel Geoprocesamiento durante el procesamiento de la herramienta. Puede acceder a los mensajes desplazándose sobre la barra de progreso, haciendo clic en el emergente 
o expandiendo la sección de mensajes en el panel Geoprocesamiento. También puede acceder a los mensajes de una herramienta ejecutada anteriormente a través del historial de geoprocesamiento.
Finalmente, la herramienta Análisis de puntos calientes emergentes agrega una serie de variables nuevas al valor Cubo de espacio-tiempo de entrada. Si estas variables ya existen (si ejecutó la herramienta Análisis de puntos calientes emergentes varias veces), se sobrescribirán para que el cubo siempre contenga los resultados de los análisis más recientes.
Puede visualizar estas variables con ArcGIS Pro. Consulte Visualizar el cubo de espacio-tiempo para obtener más información.
Valores predeterminados de vecindad
Para determinar si el valor del bin en el espacio y tiempo de una ubicación forma parte de un punto caliente o frío estadísticamente significativo, se evalúa cada bin dentro del contexto de los bins de espacio-tiempo vecinos. Aunque un bin con un gran valor alto puede resultar interesante, salvo que sus vecinos del espacio-tiempo tengan también valores elevados, probablemente no será un punto caliente significativo desde el punto de vista estadístico. El valor predeterminado para esta herramienta es utilizar el método Distancia fija para definir relaciones entre bins. Los valores de los parámetros Distancia de vecindad y Período de tiempo de vecindad definen la extensión de la vecindad de cada bin (el contexto para el análisis de cada bin). Supongamos que las dimensiones de un bin son de 400 x 400 metros x 1 día. Si establece el valor de Distancia de vecindad en 801 metros y el valor de Periodo de tiempo de vecindad en 2, los vecinos espaciales se extenderán dos bins en sentido horizontal y vertical, y un bin en sentido diagonal, tal y como se muestra:
Además, habrá vecinos temporales. Se incluirán como vecinos todos los bins de la misma ubicación que los vecinos de destino y espaciales (mostrados anteriormente) para los periodos de tiempo coincidentes o los dos anteriores (un total de tres días, en este ejemplo). Los vecinos temporales solo son retroactivos y que un valor de Periodo de tiempo de vecindad de 2 engloba tres intervalos de periodos de tiempo.
Cuando no se indica un valor para el parámetro Distancia de vecindad, se calcula uno automáticamente. La fórmula se adapta del cálculo utilizado para determinar un radio de búsqueda de densidad kernel predeterminado. Cuando no se indica un valor para el parámetro Periodo de tiempo de vecindad, el valor predeterminado es 1.
Dispone de más opciones para definir las relaciones de vecindad utilizando el parámetro Conceptualización de relaciones espaciales. Para cada una de las opciones, la herramienta primero busca vecinos espaciales y, después, encuentra bins en las mismas ubicaciones a partir de los n pasos anteriores en el tiempo, donde n es el valor de Periodo de tiempo de vecindad especificado.
El parámetro Conceptualización de relaciones espaciales deberá reflejar relaciones inherentes entre las entidades que analiza. Cuanto más pueda modelar de manera realista cómo interactúan mutuamente las entidades en el espacio, más precisos serán sus resultados. Las recomendaciones se describen en Seleccionar una conceptualización de relaciones espaciales: mejores prácticas.