Utilizzo della classificazione dei dati

La classificazione dei dati è un passaggio cruciale nell'analisi e nella visualizzazione dei dati geografici. GeoPard offre diversi metodi di classificazione per aiutare gli utenti a comprendere e interpretare efficacemente i propri dati. Tre tipi di classificazione comunemente usati in GeoPard sono Natural Breaks, Intervallo Uguale ed Equal Count (Area). Ogni metodo di classificazione ha caratteristiche e scenari di applicazione distinti, come descritto di seguito:

1. Classificazione Natural Breaks

La classificazione Natural Breaks identifica soglie o punti di rottura "naturali" nella distribuzione dei dati per creare gruppi distinti. Massimizza le differenze tra le classi e minimizza le differenze all'interno di ciascuna classe. Natural Breaks è utile per dati con pattern o cluster ben definiti, permettendo un'esplorazione e un'analisi efficaci.

Classificazione Natural Breaks

2. Classificazione a Intervalli Uguali

La classificazione a Intervalli Uguali divide l'intervallo dei dati in intervalli o bin di uguale ampiezza. Fornisce una rappresentazione bilanciata della distribuzione dei dati, rendendo semplice interpretare e confrontare i valori all'interno di ciascun intervallo. L'Intervallo Uguale è adatto a dati distribuiti in modo uniforme senza pattern distinti.

Classificazione a Intervallo Uguale

3. Classificazione Equal Count (Area)

La classificazione Equal Count garantisce un numero uguale di valori dei dati in ogni classe. Mantiene una rappresentazione bilanciata, specialmente per dati asimmetrici o distribuiti in modo irregolare. Equal Count consente confronti equi tra aree o regioni, fornendo un'analisi e una visualizzazione coerenti.

L'obiettivo è creare zone con dimensioni di superficie relativamente simili, ma le operazioni di arrotondamento e i miglioramenti della qualità delle zone possono introdurre lievi variazioni. Pertanto, l'uso di indici di vegetazione con maggiore granularità, come EVI2, MCARI1 o WDRVI, porta a risultati più precisi. E le geometrie finali delle zone vengono perfezionate per migliorare l'accuratezza.

Classificazione Equal Count (Area)

4. Classificazione Spatially Localized

La classificazione Spatially Localized raggruppa i dati geospazialmente, creando zone localizzate. Il suo caso d'uso principale è la pianificazione delle Zone per il Campionamento del Suolo, consentendo una segmentazione efficiente dei Campi in aree gestibili.

Per offrire maggiore flessibilità, la classificazione Spatially Localized include tre opzioni distinte: verso Spaziale, verso i Valori, e Bilanciato, permettendoti di personalizzare il processo di clustering in base a esigenze specifiche.

4.1. Opzione Bilanciata di Spatially Localized

Il Bilanciato L'opzione bilanciata della classificazione Spatially Localized offre una via di mezzo tra le verso lo Spaziale e verso i Valori opzioni. Crea una Mappa delle Zone con cluster che raggiungono un equilibrio tra prossimità geografica e somiglianza dei valori dei dati. Questo approccio è utile quando sia la compattezza spaziale sia la coerenza dei dati sono importanti, offrendo una soluzione equilibrata per la maggior parte dei casi d'uso generali.

Classificazione Spatially Localized (Opzione Bilanciata)

4.2. Verso i Valori di Spatially Localized

Verso i Valori L'opzione Verso i Valori della classificazione Spatially Localized, al contrario, produce zone raggruppate in base ai valori dei dati piuttosto che alla prossimità geografica. Questa opzione aggrega aree con attributi di dati simili, come vegetazione o qualità del suolo, per creare una Mappa delle Zone dove l'obiettivo principale è la coerenza dei dati all'interno di ciascuna zona. È più adatta a casi d'uso in cui l'uniformità dei dati all'interno delle zone è più critica della loro disposizione spaziale.

Classificazione Spatially Localized (Opzione Verso i Valori)

4.3. Verso lo Spaziale di Spatially Localized

Verso lo Spaziale L'opzione Verso lo Spaziale della classificazione Spatially Localized si concentra sulla creazione di zone più concentrate geograficamente. Ciò produce una Mappa delle Zone con cluster che privilegiano la prossimità, garantendo che ogni zona sia spazialmente compatta. È ideale per applicazioni in cui la posizione fisica delle zone è la preoccupazione principale, come la logistica o il campionamento basato sulla posizione.

Classificazione Spatially Localized (Opzione Verso lo Spaziale)