Introduction to spatial data
analysis and spatial econometrics
2
Scuola di Dottorato in Economia, La Sapienza, 2014/2015
Instructors: Filippo Celata, Hubert Jayet, Federico
Martellozzo e Luca Salvati
http://www.memotef.uniroma1.it/node/6524
Associazione di dati tabellari (Table join) 2
Aggiungi all’area di lavoro:
-lezgis15/basemap/zoneurbanistiche.shp
-lezgis15/tablejoin/rm_immig.shp
-lezgis15/tablejoin/rm_immig_dt.dbf
Individua il field di raccordo
Selezioni e queries
- Selezioni manuali
Sulla tabella
Sulla carta
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
Selezioni multiple: sulla tabella tieni premuto CTRL / sulla carta
tieni premuto MAIUSCOLO
- Selection queries:
Select by attributes
(=, <, >…)
Select by
location
Select by location:
Intersect
Are within a distance of
Are within
Are completely within
Contain
Completely contain
Have their centroid in
Share a line segment with
Touch the boundary of
Are identical to
Are crossed by the outline of
-Per creare un layer o uno shapefile contenente solo
gli elementi selezionati
1. Create new layer from selected features: tasto destro
sul layer che contiene la selezione / selection / create layer from selected
features
2. Crea uno shapefile
con gli elementi
selezionati tramite:
tasto destro sul layer
creato al punto 1. /
data / export data
(come shapefile)
3. Per esportare come
layer autonomo: tasto
destro / save as layer
file
Selezioni
-Join spaziale: associa alla tabella del layer i valori della
tabella di un altro layer sulla base di una relazione spaziale
- Crea layer contenente solo la zona urbanistica “centro storico” = seleziona
su carta o su tabella / tasto destro sul layer / Selection / Create layer from
selected feature (modifica il nome del layer)
- Seleziona tutti le imprese condotte da immigrati con forma giuridica diversa
da “impresa individuale” (tipo = “individ”) = Selection / Select by attributes /
+ inverti la selezione = tasto destro sul layer / Selection / Switch selection (e
crea layer contenente i soli elementi selezionati)
- Seleziona tutte le imprese condotte da originari del Bangladesh
- Seleziona le imprese localizzate nella zona urbanistica (e “source layer”)
“centro storico” = Selection / Select by location / “Target layers features are
completely within the source layer” + switch selection e crea nuovo layer
- Seleziona tutte le imprese con più di 5 addetti (Select by attributes –
“add08” > 5)
-Seleziona tutte le imprese localizzate entro i 2 km dall’impresa più grande =
crea layer impresa più grande / Select by location (“are within a distance”)
Analisi di prossimità: = interazione, attrazione,
influenza, contagio, interdipendenza, somiglianza,
clustering, autocorrelazione spaziale, concentrazione,
squilibrio, segregazione, ecc...
-Es. Buffering
-Associa al layer puntuale delle imprese il nome della zona urbanistica nella
quale sono localizzate
Il toolbox
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..)
Buffering
Tipi di distanza:
- euclidea / manhattan
- distanza su un network
- cost-weighted: utilizzando un raster di “costo” (es.
land use, slope)
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)
Distanza (geografica, funzionale, economica..)
Euclidea vs. Manhattan vs. Network based
Distanza tra poligoni: centroid-to-centroid (poligoni
regolari e simili), border-to-border (poligoni irregolari)
Distanza e interazione spaziale: al crescere della distanza le opportunità di incontro e di scambio diminuiscono drasticamente (‘tirannia della distanza’, ..e globalizzazione)
‘Distance decay function’: le opportunità di interazione diminuiscono in misura più che proporzionale all’aumentare della distanza.
Inverse distance decay:
Exponential distance decay:
b > 1 = per es. 2 (le opportunità di interazione sono inversamente proporzionali al quadrato della distanza)
Prossimità, interazione e gravitazione
Distanza + opportunità di interazione (distance decay) + ‘massa’: l’interazione tra due luoghi è funzione della ‘massa’ di opportunità
di interazione di ciascuno di essi
Massa = P (popolazione, oppure servizi, risorse, attività, ecc.) Gravitazione = opportunità di interazione = forza di attrazione (es. pendolarismo) = flussi di visitatori/clienti = scambi commerciali (l’interscambio si riduce dello 0,5‐0,9% se la distanza aumenta dell’1%) = diffusione di innovazioni = probabilità di contagio = ecc.
+ complementarità (l’offerta nella località X deve essere diversa dall’offerta di Y) e ‘intervening opportunity’ (assenza offerte alternative)
Modelli di gravitazione di interazione spaziale (semplici)
Pi e Pj : Importanza o peso delle località di origine e destinazione
dij : distanza tra le località
k : costante pari alla probabilità dell’evento/movimento
β (beta) : parametro non lineare di frizione della distanza, e.g. qualità trasporti
λ (lambda) : potenzialità di generare movimenti (emissività). Per es. reddito
α (alpha) : potenziale di attrattività. Per es. specializzazione commerciale
Prossimità, gravitazione, accessibilità (potenziale)
= 1/distanza tra elementi geografici (impedence
function) * "massa" di opportunità di interazione
(popolazione, reddito, activity function)
α > 1 per l’esistenza di
effetti di
agglomerazione (le
località più grandi
pesano proporz. di più
Prossimità, interazione e auto‐correlazione spaziale
Prossimità, interazione e (spatial) clustering
Prima legge della geografia (Tobler) = tutto è correlato con tutto, ma le cose vicine sono più correlate delle cose lontane
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”
SPATIAL AUTO‐CORRELATION: grado di similitudine tra i caratteri di un elemento geografico e i caratteri degli elementi
a lui più vicini, rispetto ad ipotesi di distribuzione perfettamente casuale (CSR)
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: “Count”)
Quali punti soddisfano la condizione richiesta? -> Selezionare i
punti localizzati in poligoni nei quali sono compresi almeno 10 punti
Quanti sono, dove sono, cosa includono, perché..
Esercizio: individua le aree con almeno 10 imprese
condotte da immigrati in un raggio di 500 mt:
1) 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…”
2) Nello shapefile di output: seleziona i poligoni con “Count” > 10 e
crea layer con i poligoni selezionati
3) Seleziona i punti compresi nei poligoni di output del punto 2:
Selection / Select by location / Target layer: rm_immig.shp / Source
layer: poligoni di output del punto 2 / Spatial selection method:
“Target layer features are within the source layer” / Esegui
4) Crea layer con punti selezionati (tasto destro su layer / create layer
from selected features) -> Crea shapefile da selezione (Export data)
Attrazione (o contagio) “apparente”: concentrazione
dovuta a cause esterne o casuali vs. Attrazione (o
contagio) “reale”: concentrazione dovuta ad attrazione.
Sistemi di coordinate e proiezioni
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
Editing: per modificare la
geometria dei geodati
-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 / es. reshape existing feature
Aggiungere campi (colonne) alle tabelle
Formati
delle colonne:
String (testo)
Integer (es. 3)
Double (3,21)
Ecc.
Field calculator
Calculate geometry
Area
Perimeter
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 densità della popolazione straniera per zona urbanistica: 1)
associa a zoneurbanistiche.shp gli attributi della tabella
lezgis15/tablejoin/ZUR_dt.dbf; 2) aggiungi colonna: add field (name
“dens_str”; type: double, precis.: 12, scale: 2); 3) calcola indicatore: tasto
destro sul nuovo field / field calculator: “stranieri/areaKM”)
Geprocessing
Merge
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)
2) Per passare da punti a poligoni: creare POLIGONI DI
THIESSEN (triangulated irregular network (TIN) that meets
the Delaunay criterion)
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).
-Arctoolbox/Analysis/Proximity/Create Thiessen Polygons
- 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
- Negli “environments”: setta il “processing extent”
FISHNET: crea un poligoniale regolare rettangolare
FISHNET (2)
Specifico ampiezza
(in map units) /
numero di
righe/colonne = 0
(o viceversa)
Creare layer lineare da punti di origine e destinazione (pointto-point network)
-Points to Line
(1 to 1)
- (Spider) (1 to All)
All to All: EC calculate
(and draw) / ET Geo
Wizard / etc.
Scarica

Introduction to spatial data analysis and spatial econometrics