SlideShare une entreprise Scribd logo
1  sur  58
Télécharger pour lire hors ligne
AUTOCORRELAÇÃO ESPACIAL
Vitor Vieira Vasconcelos
Flávia da Fonseca Feitosa
BH1350 – Métodos e Técnicas de Análise da Informação para o Planejamento
Julho de 2017
AULAS ANTERIORES…
A importância analítica do espaço para o
Planejamento Territorial
Estrutura de Dados Espaciais (Matrizes & Vetores)
Revisão de Estatística
Na última aula: CORRELAÇÃO ENTRE VARIÁVEIS
Até aqui apenas visualizamos
espacialmente os dados (mapas coropléticos)
No entanto, precisamos ir além!!!
DADOS ESPACIAIS SÃO
ESPECIAIS
BIBLIOGRAFIA BÁSICA
Druck, S.; Carvalho, M.S.; Câmara, G.;
Monteiro, A.V.M. (eds) "Análise Espacial de
Dados Geográficos". Brasília, EMBRAPA, 2004.
Capítulo 5 – Análise Espacial de Áreas
A NATUREZA DOS DADOS ESPACIAIS
Alguns princípios:
As questões de escala geográfica,
agregação e nível de detalhamento são
fundamentais para construir representações
apropriadas do mundo
O Problema da
Unidade de
Área Modificável
O’Sullivan, D., Unwin, D. J. Geographic information Analysis. Wiley, 2010.
Dados agregados Dados segregados
DRUCK, S.; CARVALHO, M. S.; CÂMARA, G.; MONTEIRO, A.V.M (eds). Análise Espacial de Dados Geográficos. Brasília: EMBRAPA, 2004.
A NATUREZA DOS DADOS ESPACIAIS
Alguns princípios:
Diferentes medidas obtidas do mundo real
covariam, e compreender a natureza espacial
da covariação pode nos ajudar a entender
melhor os fenômenos.
Na representação do mundo real, é importante
incorporar informações sobre como dois ou
mais fatores COVARIAM espacialmente.
Análise dos impactos de investimentos no
sistema público de transporte
(ex. Monotrilho): Avaliação de como os
preços dos imóveis aumentam à medida
que aumenta a proximidade das estações.
Outros exemplos???
A NATUREZA DOS DADOS ESPACIAIS
Alguns princípios:
Os efeitos de proximidade são
fundamentais para representar e
compreender a variação espacial e para
reunir representações incompletas de lugares
únicos.
(Não dá para analisar proximidade numa
planilha!!!)
Gráficos
com eixos
espaciais
Temperatura Média à Superfície do Mar
Média de janeiro de 1982 a Dezembro de 2011
https://medium.com/universe-factory/climate-modeling-101-4544e00a2ff2
https://thecivilisingmission.com/category/contemporary-history/page/3/
PIBperCapita(USD,2006)
População(Billhões)
Martinez-Bakker, M., Bakker, K.M., King, A.A. and Rohani, P., 2014, May. Human
birth seasonality: latitudinal gradient and interplay with childhood disease dynamics.
In Proc. R. Soc. B (Vol. 281, No. 1783, p. 20132438). The Royal Society.
Gráficos com eixos espaciais
Mês de pico de nascimentos por latitude
Mês de pico de nascimentos
Gráficos com eixos espaciais
Ilha do Governardor - RJ
Setores Censitários - 1991
Norte Sul
DRUCK, S.; CARVALHO, M. S.; CÂMARA, G.; MONTEIRO, A.V.M (eds). Análise Espacial de Dados Geográficos. Brasília: EMBRAPA, 2004.
PRIMEIRA LEI DA GEOGRAFIA
“Lei de Tobler”
“No mundo, todas as coisas se parecem,
mas coisas mais próximas são mais
parecidas que aquelas mais distantes”
(Waldo Tobler, 1970)
Tobler, W. R. 1970. A computer movie simulating urban growth in the
Detroit region. Economic Geography 46: 234–40.
A relação entre eventos próximos no espaço
pode ser formalizada no conceito de
AUTOCORRELAÇÃO ESPACIAL
A relação entre eventos consecutivos no tempo
pode ser formalizada no conceito de
AUTOCORRELAÇÃO TEMPORAL
FOCO DESTA AULA
PRIMEIRA LEI DA GEOGRAFIA
“Lei de Tobler”
“No mundo, todas as coisas se parecem,
mas coisas mais próximas são mais
parecidas que aquelas mais distantes”
(Waldo Tobler, 1979)
DEFINIÇÃO SUCINTA DE
AUTOCORRELAÇÃO ESPACIAL
(positiva)
HETEROGENEIDADE ESPACIAL
Tendência de lugares de serem diferentes uns
dos outros.
Heterogeneidade maior com o aumento da
distância
Alguns fenômenos geográficos variam de
maneira gradual através do espaço
(estacionariedade), enquanto outros podem
apresentar extrema irregularidade, violando a
Lei de Tobler
Morumbi e Paraisópolis:
Diferenças Abruptas Lado a Lado
(Violação da Lei de Tobler)
Foto: Tuca Vieira
Autocorrelação Espacial
As medidas de autocorrelação espacial procuram
lidar simultaneamente com similaridades na
localização dos objetos espaciais e de seus atributos
Autocorrelação Positiva (Lei de Tobler): Feições similares em
localização também são similares em atributos
Autocorrelação Negativa (oposição à Lei de Tobler): Feições
similares em localização tendem a ter atributos menos
similares do que feições mais distantes
Ausência de Autocorrelação: Quando atributos são
independentes da localização
EXTREMA
AUTOCORRELAÇÃO
NEGATIVA
ARRANJO
DISPERSO
INDEPENDÊNCIA
ESPACIAL
AGRUPAMENTO
ESPACIAL
EXTREMA
AUTOCORRELAÇÃO
ESPACIAL POSITIVA
A Natureza dos Dados Espaciais
As medidas de autocorrelação espacial nos informam sobre as
interrelações dos fenômenos através do espaço, um atributo por
vez.
Outra faceta importante da natureza dos dados geográficos é a
tendência de existirem relações entre diversos fenômenos no
mesmo local (2 ou mais variáveis).
A interrelação das várias propriedades de um local é um
aspecto importante da natureza dos dados geográficas e é
fundamental para o entendimento sobre o mundo real.
NO ENTANTO, ELA TAMBÉM É UMA PROPRIEDADE QUE
DESAFIA A ANÁLISE DA ESTATÍSTICA CONVENCIONAL,
POIS A MAIORIA DOS MÉTODOS ASSUME INDEPENDÊNCIA
DAS OBSERVAÇÕES (CORRELAÇÃO ESPACIAL = ZERO)
MATRIZ DE VIZINHANÇA
Para comparar a similaridade de atributos geográficos em feições
vizinhas é importante estabelecer um CRITÉRIO DE VIZINHANÇA.
Baseado neste critério, precisamos definir uma matriz de pesos
W na qual cada elemento wij mede a proximidade/vizinhança
entre i e j (i identificando a linha; j identificando a coluna da
matriz)
Um critério de vizinhança comumente adotado: CONTIGUIDADE
wij = 1, se as regiões i e j são contíguas (ou seja, são vizinhas).
wij = 0, caso contrário.
MATRIZ DE VIZINHANÇA
MATRIZ DE PESOS
A matriz pode ser binária (1 ou 0, como no exemplo) ou geral (pesos contínuos,
dependendo da distância – mais próximo com peso maior, é “mais vizinho”).
A matriz também pode ser normalizada.
MATRIZ DE VIZINHANÇA
MATRIZ NORMALIZADA
DRUCK, S.; CARVALHO, M. S.; CÂMARA, G.; MONTEIRO, A.V.M (eds). Análise Espacial de Dados Geográficos. Brasília: EMBRAPA, 2004.
CRITÉRIOS DE VIZINHANÇA
CONTIGUIDADE: Rook (torre) e
Queen (rainha)
(para dados de “área”)
Ordem de contiguidade
CRITÉRIOS DE VIZINHANÇA
DISTÂNCIA:
“n” vizinhos mais próximos;
distância máxima;
funções de distância (wij com valores contínuos)
DECAIMENTO LINEAR DECAIMENTO
EXPONENCIAL NEGATIVO
DA DISTÂNCIA
DECAIMENTO NEGATIVO
EXPONENCIAL DA
DISTÂNCIA
MATRIZ DE VIZINHANÇA
O critério adotado para construir uma matriz de
vizinhança revela a estrutura espacial considerada na
análise, e pode alterar os resultados das medidas de
autocorrelação espacial.
Portanto, vale a pena testar alguns critérios alternativos
para a definição de “vizinhança” (contiguidade,
distância…) e, consequentemente, para a definição da
matriz de vizinhança - também conhecida como matriz
de pesos ou matriz de proximidade espacial.
ÍNDICES DE
AUTOCORRELAÇÃO ESPACIAL
EXTREMA AUTOCORRELAÇÃO NEGATIVA ARRANJO DISPERSO
INDEPENDÊNCIA ESPACIAL
AGRUPAMENTO ESPACIAL
EXTREMA
AUTOCORRELAÇÃO
ESPACIAL POSITIVA
ÍNDICES DE
AUTOCORRELAÇÃO ESPACIAL
1. Índices Globais de Associação Espacial
• Apresenta uma medida única para toda a área analisada.
• Índice de Moran (I), Índice de Geary
2. Índices Locais de Associação Espacial (LISA)
• Decomposições dos índices globais, podem ser
visualizados na forma de mapas. Permite a identificação de
diferentes regimes de associação espacial
• Índice local de Moran (Ii)
ÍNDICES DE AUTOCORRELAÇÃO ESPACIAL
EXTREMA AUTOCORRELAÇÃO NEGATIVA ARRANJO DISPERSO
INDEPENDÊNCIA ESPACIAL
AGRUPAMENTO ESPACIAL
EXTREMA
AUTOCORRELAÇÃO
ESPACIAL POSITIVA
VIZINHANÇA DO
TIPO “ROOK” (torre)
ÍNDICE GLOBAL DE MORAN
É um índice global de autocorrelação espacial, que varia
entre -1 e 1
I = 1  Extrema Autocorrelação Positiva (Lei de Tobler):
Feições similares em localização também são similares
em atributos
I = -1  Extrema Autocorrelação Negativa (oposição à Lei
de Tobler): Feições similares em localização tendem a ter
atributos menos similares do que feições mais distantes
I = 0  Ausência de Autocorrelação: Quando atributos
são independentes da localização
ÍNDICES DE AUTOCORRELAÇÃO ESPACIAL
EXTREMA AUTOCORRELAÇÃO NEGATIVA ARRANJO DISPERSO
INDEPENDÊNCIA ESPACIAL
AGRUPAMENTO ESPACIAL
EXTREMA
AUTOCORRELAÇÃO
ESPACIAL POSITIVA
VIZINHANÇA DO
TIPO “ROOK” (torre)
ÍNDICE GLOBAL DE MORAN
∑
∑∑
∑∑ −
−−
•= n
i
i
n
i
n
j
jiij
n
i
n
j
ij yy
yyyyw
w
n
I
2
)(
))((
wij é o peso, wij=1 se observações i e j são vizinhas.
yi and representam o valor da variável na localização i
e a média da variável, respectivamente.
n é o número total de observações
I  Índice de Moran: métrica usada para testar a
hipótese sobre autocorrelação espacial
Índice
Global de
Moran ∑
∑∑
∑∑ −
−−
•= n
i
i
n
i
n
j
jiij
n
i
n
j
ij yy
yyyyw
w
n
I
2
)(
))((
Estruturado de maneira semelhante ao coeficiente de
correlação de Pearson:
uma medida padronizada de covariância
Coeficiente
de Correlação
de Pearson
ÍNDICE GLOBAL DE MORAN
De forma geral, o Índice de Moran presta-se a um teste cuja
hipótese nula é de independência espacial. Neste caso, seu valor
seria ZERO.
Valores positivos (entre 0 e +1) indicam autocorrelação positiva
Valores negativos (entre 0 e -1) indicam autocorrelação negativa.
No exemplo da variável “consumo de água”, obtemos
um I = 0,59 (vizinhança por contiguidade – queen). Será
que este valor representa uma correlação espacial
significativa estatisticamente????
Teste de Pseudo Significância
Para estimar a significância do índice, seria preciso
associar a este uma distribuição estatística, sendo
mais usual relacionar a estatística teste à
distribuição normal.
Porém, para evitar pressupostos em relação à
distribuição, a abordagem mais comum é um
TESTE DE PSEUDO-SIGNIFICÂNCIA
Teste de Pseudo Significância
No TESTE DE PSEUDO-SIGNIFICÂNCIA são geradas
diferentes permutações dos valores de atributos
associados às regiões.
Cada permutação produz um novo arranjo espacial,
onde os valores estão redistribuídos entre as áreas.
Como apenas um dos arranjos corresponde à
situação observada, pode-se construir uma
distribuição empírica de I.
Teste de Pseudo Significância
No nosso exemplo, seria como se fizéssemos
inúmeras permutações com os valores de consumo
de água, atribuindo-os aleatoriamente para os
diversos municípios e calculando o Índice de Moran
para cada uma destas permutações aleatórias.
Faríamos isso, por exemplo 999 vezes! E obteríamos,
portanto, 999 valores para o Índice de Moran + o
valor do índice de Moran construído sobre os dados
observados. Com estes 1000 valores de I, poderíamos
contruir uma distribuição do índice.
Teste de Pseudo Significância
Se o valor do índice I medido originalmente
corresponder a um “extremo” da distribuição simulada,
então trata-se de valor com significância estatística.
Distribuição
simulada
extremo
extremo
Teste de Pseudo Significância
Disperso AgrupadoAleatório
Teste de Pseudo Significância
No exemplo do consumo de água, obtemos a seguinte
distribuição simulada
Distribuição construída a
partir do Índice computado
sobre as permutações
aleatórias
Valor Observado
(I=0,5931)
Como o valor observado está na extremidade (p-valor < 0,001), rejeitamos a
hipóse nula de que não há autocorrelação espacial
Estatística Teste
Diagrama de Espalhamento de Moran
Maneira adicional de visualizar a dependência espacial
Construído com base nos valores padronizados
(escore-z)
A ideia é comparar os valores padronizados do
atributo numa área com a média dos seus vizinhos,
construindo um gráfico bidimensional de z (valores
padronizados) por wz (média dos vizinhos)
escores-z
Diagrama de Espalhamento de Moran
Diagrama de
Espalhamento
de Moran
É dividido em 4 quadrantes:
• Q1 (valores positivos, médias positivas) e Q2 (valores
negativos, médias negativas):
indicam pontos de associação espacial positiva, no sentido que uma
localização possui vizinhos com valores semelhantes.
• Q3 (valores positivos, médias negativas) e Q4 (valores
negativos, médias positivas):
indicam pontos de associação espacial negativa, no sentido que uma
localização possui vizinhos com valores distintos.
Diagrama de
Espalhamento
de Moran
Os pontos em Q3 e Q4 podem ser vistos como extremos:
• afastados da reta de regressão linear
• regiões que não seguem o mesmo processo de
dependência espacial das demais observações.
Marcam regiões de transição entre regimes espaciais
distintos.
Diagrama de Espalhamento de Moran
O Diagrama também pode ser apresentado na forma de mapa
temático, no qual cada polígono é apresentado indicando-se seu
quadrante no diagrama de espalhamento
ALTO-ALTO
BAIXO-BAIXO
ALTO-BAIXO
BAIXO-ALTO
Atributo considerado
percentagem de idosos
São Paulo
O estimador de autocorrelação espacial, Moran (I), fornece um valor
único como medida da associação espacial. Por isso o chamamos de
INDICADOR GLOBAL.
No entanto, muitas vezes é necessário examinar padrões numa escala
maior (mais detalhada).
Neste caso, utilizamos INDICADORES LOCAIS DE ASSOCIAÇÃO
ESPACIAL (LISA) que possam ser associados a diferentes localizações
de uma variável distribuída espacialmente.
A utilização destes indicadores, em conjunto com os indicadores
globais, refinam nosso conhecimento sobre o processos que dão
origem a dependência espacial.
Indicadores Locais de Associação
Espacial (LISA)
Os indicadores locais de associação especial
produzem um valor específico para cada objeto.
Isto acarreta a identificação de:
 “Clusters”: objetos com valores de atributos
semelhantes,
 “Outliers”: objetos anômalos,
 A presença de mais de um regime espacial.
Indicadores Locais de Associação
Espacial (LISA)
Segundo Anselin (1995), um indicador local de associação
espacial (LISA) tem que atender a dois objetivos:
Permitir a identificação de padrões de associação
espacial significativos;
Ser uma decomposição do índice global de
associação espacial.
Indicadores Locais de Associação
Espacial (LISA)
ANSELIN, L. Local indicators of spatial association - LISA. Geographical Analysis v.27, p.91-115, 1995.
Indicadores locais Ii de Moran (Anselin, 1996):
Indicadores Locais de Associação
Espacial (LISA)
Ii > 0 “clusters” de valores similares (altos ou baixos).
Ii < 0 “clusters” de valores distintos (Ex: uma localização com
valores altos rodeada por uma vizinhança de valores baixos).
ANSELIN, L. The Moran scatterplot as ESDA tool to assess local instability in spatial association. In: M. Fisher, H. J.
Scholten and D. Unwin (ed). Spatial Analytical Perspectives on GIS. London, Taylor & Francis, 1996. v., p.111-126.
De forma similiar aos indicadores globais, a significância do
índice local de Moran (Ii) deve ser avaliada utilizando hipótese de
normalidade ou simulação de distribuição por permutação
aleatória nos valores dos atributos (Anselin, 1995).
A significância estatística de Moran (Ii) é muito útil gerar um
mapa indicando as regiões que apresentam correlação local
significativamente diferente do resto dos dados.
Este mapa é denominado por Anselin (1995) de
“LISA MAP”.
Indicadores Locais de Associação
Espacial (LISA)
No LISA MAP, os índices locais Ii são
classificados como:
 Não significativos
 Significativos com confiança de
95% (1,96σ), 99% (2,58σ) e 99,9% (3,29σ).
Indicadores Locais de Associação
Espacial (LISA)
LISA MAP
CLUSTER DE
BAIXO CONSUMO
CLUSTER DE
ALTO CONSUMO
No GeoDa, apenas valores com significância maior que 95% são apresentados
MAPA DE SIGNIFICÂNCIA
Correlograma
Índice de Mortes por
Homicídios
Correlograma
Variograma
C = Variância
C0 = Efeito Pepita
C+C0 = Patamar
A = Alcance
SANTOS, Carlos Eduardo dos y BIONDI, João Carlos. Utilização de elipsoide de anisotropia variográfica como indicador cinemático em maciços rochosos
fragmentados por falhas: o exemplo do depósito de asbestos crisotila cana brava (Minaçu, GO). Geol. USP, 2011, vol.11, n.3, pp. 65-77.
CRUZ-CARDENAS, Gustavo et al . Distribución espacial de la riqueza de especies de plantas vasculares en México. Rev. Mex. Biodiv., México , v. 84, n. 4, p. 1189-
1199, 2013 .
Variograma
IDH no Estado de São Paulo
DistânciaVariância

Contenu connexe

Tendances

Introdução geral à topografia
Introdução geral à topografiaIntrodução geral à topografia
Introdução geral à topografia
Pessoal
 
Sensoriamento Remoto
Sensoriamento RemotoSensoriamento Remoto
Sensoriamento Remoto
naiararohling
 

Tendances (20)

Análise Espacial Baseada em Localização
Análise Espacial Baseada em LocalizaçãoAnálise Espacial Baseada em Localização
Análise Espacial Baseada em Localização
 
Georreferenciamento de Bases Cartográficas
Georreferenciamento de Bases CartográficasGeorreferenciamento de Bases Cartográficas
Georreferenciamento de Bases Cartográficas
 
Dados espaciais em R (2020)
Dados espaciais em R (2020)Dados espaciais em R (2020)
Dados espaciais em R (2020)
 
Prática de Regressão Espacial
Prática de Regressão EspacialPrática de Regressão Espacial
Prática de Regressão Espacial
 
Sensoriamento Remoto em R
Sensoriamento  Remoto em RSensoriamento  Remoto em R
Sensoriamento Remoto em R
 
Aula 01 introdução a estatística
Aula 01   introdução a estatísticaAula 01   introdução a estatística
Aula 01 introdução a estatística
 
Operações com dados espaciais (Vetor) em R
Operações com dados espaciais (Vetor) em ROperações com dados espaciais (Vetor) em R
Operações com dados espaciais (Vetor) em R
 
Aula 1 e 2 topografia
Aula 1 e 2   topografiaAula 1 e 2   topografia
Aula 1 e 2 topografia
 
Análise exploratória estatístico-espacial, Mapas de Kernel e Proximidade - QG...
Análise exploratória estatístico-espacial, Mapas de Kernel e Proximidade - QG...Análise exploratória estatístico-espacial, Mapas de Kernel e Proximidade - QG...
Análise exploratória estatístico-espacial, Mapas de Kernel e Proximidade - QG...
 
Geoprocessamento aula unip
Geoprocessamento aula unipGeoprocessamento aula unip
Geoprocessamento aula unip
 
Introdução geral à topografia
Introdução geral à topografiaIntrodução geral à topografia
Introdução geral à topografia
 
Sensoriamento Remoto - Introdução Teórica
Sensoriamento Remoto - Introdução TeóricaSensoriamento Remoto - Introdução Teórica
Sensoriamento Remoto - Introdução Teórica
 
Geoprocessamento
GeoprocessamentoGeoprocessamento
Geoprocessamento
 
Interpolação e Geoestatística - QGis, Geoda e R
Interpolação e Geoestatística - QGis, Geoda e RInterpolação e Geoestatística - QGis, Geoda e R
Interpolação e Geoestatística - QGis, Geoda e R
 
RELATÓRIO  DE  ATIVIDADES  DE  CAMPO  DA  DISCIPLINA  DE  TOPOGRAFIA -  Medi...
RELATÓRIO  DE  ATIVIDADES  DE  CAMPO  DA  DISCIPLINA  DE  TOPOGRAFIA  -  Medi...RELATÓRIO  DE  ATIVIDADES  DE  CAMPO  DA  DISCIPLINA  DE  TOPOGRAFIA  -  Medi...
RELATÓRIO  DE  ATIVIDADES  DE  CAMPO  DA  DISCIPLINA  DE  TOPOGRAFIA -  Medi...
 
Escalas: Conceitos e Aplicações
Escalas: Conceitos e AplicaçõesEscalas: Conceitos e Aplicações
Escalas: Conceitos e Aplicações
 
Sensoriamento Remoto
Sensoriamento RemotoSensoriamento Remoto
Sensoriamento Remoto
 
Análise Espacial Baseada em Distância
Análise Espacial Baseada em DistânciaAnálise Espacial Baseada em Distância
Análise Espacial Baseada em Distância
 
Dados espaciais
Dados espaciaisDados espaciais
Dados espaciais
 
Regressão Linear I
Regressão Linear IRegressão Linear I
Regressão Linear I
 

En vedette

En vedette (20)

Análise de Agrupamentos e Regionalização
Análise de Agrupamentos e RegionalizaçãoAnálise de Agrupamentos e Regionalização
Análise de Agrupamentos e Regionalização
 
Georreferenciamento de fotos (geotagging) no Geosetter
Georreferenciamento de fotos (geotagging) no GeosetterGeorreferenciamento de fotos (geotagging) no Geosetter
Georreferenciamento de fotos (geotagging) no Geosetter
 
Religião e Sociologia
Religião e SociologiaReligião e Sociologia
Religião e Sociologia
 
Análise Espacial de Eventos Pontuais
Análise Espacial de Eventos PontuaisAnálise Espacial de Eventos Pontuais
Análise Espacial de Eventos Pontuais
 
Geovisualização Multivariada, Temporal e de Incerteza
Geovisualização Multivariada, Temporal e de IncertezaGeovisualização Multivariada, Temporal e de Incerteza
Geovisualização Multivariada, Temporal e de Incerteza
 
Regressão Linear Múltipla
Regressão Linear MúltiplaRegressão Linear Múltipla
Regressão Linear Múltipla
 
Elaboração de Mapas no QGIS
Elaboração de Mapas no QGISElaboração de Mapas no QGIS
Elaboração de Mapas no QGIS
 
Mapas de Densidade de Pontos e Mapas de Fluxos
Mapas de Densidade de Pontos e Mapas de FluxosMapas de Densidade de Pontos e Mapas de Fluxos
Mapas de Densidade de Pontos e Mapas de Fluxos
 
Prática de Regressão no SPSS
Prática de Regressão no SPSSPrática de Regressão no SPSS
Prática de Regressão no SPSS
 
Correlação Estatística
Correlação EstatísticaCorrelação Estatística
Correlação Estatística
 
Prática com Infraworks 360 Autodesk
Prática com Infraworks 360 AutodeskPrática com Infraworks 360 Autodesk
Prática com Infraworks 360 Autodesk
 
Aprendizes e Feiticeiros - A Era dos Extremos - Eric Hobsbawn
Aprendizes e Feiticeiros - A Era dos Extremos - Eric HobsbawnAprendizes e Feiticeiros - A Era dos Extremos - Eric Hobsbawn
Aprendizes e Feiticeiros - A Era dos Extremos - Eric Hobsbawn
 
Robert Merton - Cência, Tecnologia e Sociedade
Robert Merton - Cência, Tecnologia e SociedadeRobert Merton - Cência, Tecnologia e Sociedade
Robert Merton - Cência, Tecnologia e Sociedade
 
Ciência, Tecnologia e Sociedade - CTS
Ciência, Tecnologia e Sociedade - CTSCiência, Tecnologia e Sociedade - CTS
Ciência, Tecnologia e Sociedade - CTS
 
Jonathan D.majer, Ants pass the bioindicator score board
Jonathan D.majer, Ants pass the bioindicator score boardJonathan D.majer, Ants pass the bioindicator score board
Jonathan D.majer, Ants pass the bioindicator score board
 
Vizinho mais próximo
Vizinho mais próximoVizinho mais próximo
Vizinho mais próximo
 
Testes de dispersão
Testes de dispersãoTestes de dispersão
Testes de dispersão
 
07 tópico 6 - autocorrelação
07   tópico 6 - autocorrelação07   tópico 6 - autocorrelação
07 tópico 6 - autocorrelação
 
Conceitos de estatística espacial
Conceitos de estatística espacialConceitos de estatística espacial
Conceitos de estatística espacial
 
Emile Durkheim
Emile DurkheimEmile Durkheim
Emile Durkheim
 

Similaire à Autocorrelação espacial

Dr risco cv
Dr risco cvDr risco cv
Dr risco cv
uccp
 

Similaire à Autocorrelação espacial (10)

Representação Computacional do Espaço (Geoprocessamento)
Representação Computacional do Espaço (Geoprocessamento)Representação Computacional do Espaço (Geoprocessamento)
Representação Computacional do Espaço (Geoprocessamento)
 
Krigagem e Geovisualização Multivariada
Krigagem e Geovisualização MultivariadaKrigagem e Geovisualização Multivariada
Krigagem e Geovisualização Multivariada
 
aula-sig-1.ppt
aula-sig-1.pptaula-sig-1.ppt
aula-sig-1.ppt
 
Introdução ao Mapeamento Digital do Solo
Introdução ao Mapeamento Digital  do SoloIntrodução ao Mapeamento Digital  do Solo
Introdução ao Mapeamento Digital do Solo
 
Aula 3 ppgdee.ppt
Aula 3 ppgdee.pptAula 3 ppgdee.ppt
Aula 3 ppgdee.ppt
 
Geoprocessamento
GeoprocessamentoGeoprocessamento
Geoprocessamento
 
Analise espacial
Analise espacialAnalise espacial
Analise espacial
 
Dr risco cv
Dr risco cvDr risco cv
Dr risco cv
 
Minicurso Banco de Dados Geográficos - MundoGEO Connect 2014
Minicurso Banco de Dados Geográficos - MundoGEO Connect 2014Minicurso Banco de Dados Geográficos - MundoGEO Connect 2014
Minicurso Banco de Dados Geográficos - MundoGEO Connect 2014
 
Mapas Coropléticos e de Símbolos Proporcionais
Mapas Coropléticos e de Símbolos ProporcionaisMapas Coropléticos e de Símbolos Proporcionais
Mapas Coropléticos e de Símbolos Proporcionais
 

Plus de Vitor Vieira Vasconcelos

Relationships among socioeconomic affluence, yard management, and biodiversity
Relationships among socioeconomic affluence, yard management, and biodiversityRelationships among socioeconomic affluence, yard management, and biodiversity
Relationships among socioeconomic affluence, yard management, and biodiversity
Vitor Vieira Vasconcelos
 

Plus de Vitor Vieira Vasconcelos (20)

Relationships among socioeconomic affluence, yard management, and biodiversity
Relationships among socioeconomic affluence, yard management, and biodiversityRelationships among socioeconomic affluence, yard management, and biodiversity
Relationships among socioeconomic affluence, yard management, and biodiversity
 
Fishbanks! Jogo de simulação de gestão de recursos renováveis
Fishbanks! Jogo de simulação de gestão de recursos renováveisFishbanks! Jogo de simulação de gestão de recursos renováveis
Fishbanks! Jogo de simulação de gestão de recursos renováveis
 
Regimes de Apropriação de Recursos Naturais
Regimes de Apropriação de Recursos NaturaisRegimes de Apropriação de Recursos Naturais
Regimes de Apropriação de Recursos Naturais
 
Recursos Comuns e Tragédia dos Comuns
Recursos Comuns e Tragédia dos ComunsRecursos Comuns e Tragédia dos Comuns
Recursos Comuns e Tragédia dos Comuns
 
Relações entre sistemas naturais e sociais
Relações entre sistemas naturais e sociaisRelações entre sistemas naturais e sociais
Relações entre sistemas naturais e sociais
 
Valoração de Serviços Ecossistêmicos
Valoração de Serviços EcossistêmicosValoração de Serviços Ecossistêmicos
Valoração de Serviços Ecossistêmicos
 
Recursos Naturais e Serviços Ecossistêmicos
Recursos Naturais e Serviços EcossistêmicosRecursos Naturais e Serviços Ecossistêmicos
Recursos Naturais e Serviços Ecossistêmicos
 
Bases teóricas e conceituais do Planejamento e da Política Ambiental
Bases teóricas e conceituais do Planejamento e da Política AmbientalBases teóricas e conceituais do Planejamento e da Política Ambiental
Bases teóricas e conceituais do Planejamento e da Política Ambiental
 
Planejamento territorial
Planejamento territorialPlanejamento territorial
Planejamento territorial
 
Coremática e Mapeamento Participativo
Coremática e Mapeamento ParticipativoCoremática e Mapeamento Participativo
Coremática e Mapeamento Participativo
 
Cartografia Social
Cartografia SocialCartografia Social
Cartografia Social
 
MIgrações
MIgraçõesMIgrações
MIgrações
 
Conflitos fundiários
Conflitos fundiáriosConflitos fundiários
Conflitos fundiários
 
Conflitos Territoriais
Conflitos TerritoriaisConflitos Territoriais
Conflitos Territoriais
 
Chácara Baronesa - Haras São Bernardo
Chácara Baronesa - Haras São BernardoChácara Baronesa - Haras São Bernardo
Chácara Baronesa - Haras São Bernardo
 
Governo e Território
Governo e TerritórioGoverno e Território
Governo e Território
 
Segregação e Interação Territorial
Segregação e Interação TerritorialSegregação e Interação Territorial
Segregação e Interação Territorial
 
Território e Poder
Território e PoderTerritório e Poder
Território e Poder
 
Lugar, Ambiente, Paisagem e Sentimento
Lugar, Ambiente, Paisagem e SentimentoLugar, Ambiente, Paisagem e Sentimento
Lugar, Ambiente, Paisagem e Sentimento
 
Interpretação do Espaço
Interpretação do EspaçoInterpretação do Espaço
Interpretação do Espaço
 

Dernier

Considerando as pesquisas de Gallahue, Ozmun e Goodway (2013) os bebês até an...
Considerando as pesquisas de Gallahue, Ozmun e Goodway (2013) os bebês até an...Considerando as pesquisas de Gallahue, Ozmun e Goodway (2013) os bebês até an...
Considerando as pesquisas de Gallahue, Ozmun e Goodway (2013) os bebês até an...
azulassessoria9
 
Sistema articular aula 4 (1).pdf articulações e junturas
Sistema articular aula 4 (1).pdf articulações e junturasSistema articular aula 4 (1).pdf articulações e junturas
Sistema articular aula 4 (1).pdf articulações e junturas
rfmbrandao
 
ATIVIDADE 2 - DESENVOLVIMENTO E APRENDIZAGEM MOTORA - 52_2024
ATIVIDADE 2 - DESENVOLVIMENTO E APRENDIZAGEM MOTORA - 52_2024ATIVIDADE 2 - DESENVOLVIMENTO E APRENDIZAGEM MOTORA - 52_2024
ATIVIDADE 2 - DESENVOLVIMENTO E APRENDIZAGEM MOTORA - 52_2024
azulassessoria9
 
O estudo do controle motor nada mais é do que o estudo da natureza do movimen...
O estudo do controle motor nada mais é do que o estudo da natureza do movimen...O estudo do controle motor nada mais é do que o estudo da natureza do movimen...
O estudo do controle motor nada mais é do que o estudo da natureza do movimen...
azulassessoria9
 
ATIVIDADE 2 - DESENVOLVIMENTO E APRENDIZAGEM MOTORA - 52_2024
ATIVIDADE 2 - DESENVOLVIMENTO E APRENDIZAGEM MOTORA - 52_2024ATIVIDADE 2 - DESENVOLVIMENTO E APRENDIZAGEM MOTORA - 52_2024
ATIVIDADE 2 - DESENVOLVIMENTO E APRENDIZAGEM MOTORA - 52_2024
azulassessoria9
 

Dernier (20)

Pesquisa Ação René Barbier Livro acadêmico
Pesquisa Ação René Barbier Livro  acadêmicoPesquisa Ação René Barbier Livro  acadêmico
Pesquisa Ação René Barbier Livro acadêmico
 
Apresentação | Símbolos e Valores da União Europeia
Apresentação | Símbolos e Valores da União EuropeiaApresentação | Símbolos e Valores da União Europeia
Apresentação | Símbolos e Valores da União Europeia
 
Considerando as pesquisas de Gallahue, Ozmun e Goodway (2013) os bebês até an...
Considerando as pesquisas de Gallahue, Ozmun e Goodway (2013) os bebês até an...Considerando as pesquisas de Gallahue, Ozmun e Goodway (2013) os bebês até an...
Considerando as pesquisas de Gallahue, Ozmun e Goodway (2013) os bebês até an...
 
O desenvolvimento é um conceito mais amplo, pode ter um contexto biológico ou...
O desenvolvimento é um conceito mais amplo, pode ter um contexto biológico ou...O desenvolvimento é um conceito mais amplo, pode ter um contexto biológico ou...
O desenvolvimento é um conceito mais amplo, pode ter um contexto biológico ou...
 
Sistema articular aula 4 (1).pdf articulações e junturas
Sistema articular aula 4 (1).pdf articulações e junturasSistema articular aula 4 (1).pdf articulações e junturas
Sistema articular aula 4 (1).pdf articulações e junturas
 
ATIVIDADE 2 - DESENVOLVIMENTO E APRENDIZAGEM MOTORA - 52_2024
ATIVIDADE 2 - DESENVOLVIMENTO E APRENDIZAGEM MOTORA - 52_2024ATIVIDADE 2 - DESENVOLVIMENTO E APRENDIZAGEM MOTORA - 52_2024
ATIVIDADE 2 - DESENVOLVIMENTO E APRENDIZAGEM MOTORA - 52_2024
 
Quiz | Dia da Europa 2024 (comemoração)
Quiz | Dia da Europa 2024  (comemoração)Quiz | Dia da Europa 2024  (comemoração)
Quiz | Dia da Europa 2024 (comemoração)
 
Sopa de letras | Dia da Europa 2024 (nível 2)
Sopa de letras | Dia da Europa 2024 (nível 2)Sopa de letras | Dia da Europa 2024 (nível 2)
Sopa de letras | Dia da Europa 2024 (nível 2)
 
Tema de redação - As dificuldades para barrar o casamento infantil no Brasil ...
Tema de redação - As dificuldades para barrar o casamento infantil no Brasil ...Tema de redação - As dificuldades para barrar o casamento infantil no Brasil ...
Tema de redação - As dificuldades para barrar o casamento infantil no Brasil ...
 
Missa catequese para o dia da mãe 2025.pdf
Missa catequese para o dia da mãe 2025.pdfMissa catequese para o dia da mãe 2025.pdf
Missa catequese para o dia da mãe 2025.pdf
 
O estudo do controle motor nada mais é do que o estudo da natureza do movimen...
O estudo do controle motor nada mais é do que o estudo da natureza do movimen...O estudo do controle motor nada mais é do que o estudo da natureza do movimen...
O estudo do controle motor nada mais é do que o estudo da natureza do movimen...
 
M0 Atendimento – Definição, Importância .pptx
M0 Atendimento – Definição, Importância .pptxM0 Atendimento – Definição, Importância .pptx
M0 Atendimento – Definição, Importância .pptx
 
Caderno de exercícios Revisão para o ENEM (1).pdf
Caderno de exercícios Revisão para o ENEM (1).pdfCaderno de exercícios Revisão para o ENEM (1).pdf
Caderno de exercícios Revisão para o ENEM (1).pdf
 
E a chuva ... (Livro pedagógico para ser usado na educação infantil e trabal...
E a chuva ...  (Livro pedagógico para ser usado na educação infantil e trabal...E a chuva ...  (Livro pedagógico para ser usado na educação infantil e trabal...
E a chuva ... (Livro pedagógico para ser usado na educação infantil e trabal...
 
ATIVIDADE 2 - DESENVOLVIMENTO E APRENDIZAGEM MOTORA - 52_2024
ATIVIDADE 2 - DESENVOLVIMENTO E APRENDIZAGEM MOTORA - 52_2024ATIVIDADE 2 - DESENVOLVIMENTO E APRENDIZAGEM MOTORA - 52_2024
ATIVIDADE 2 - DESENVOLVIMENTO E APRENDIZAGEM MOTORA - 52_2024
 
Sopa de letras | Dia da Europa 2024 (nível 1)
Sopa de letras | Dia da Europa 2024 (nível 1)Sopa de letras | Dia da Europa 2024 (nível 1)
Sopa de letras | Dia da Europa 2024 (nível 1)
 
Polígonos, Diagonais de um Polígono, SOMA DOS ANGULOS INTERNOS DE UM POLÍGON...
Polígonos, Diagonais de um Polígono, SOMA DOS ANGULOS INTERNOS DE UM  POLÍGON...Polígonos, Diagonais de um Polígono, SOMA DOS ANGULOS INTERNOS DE UM  POLÍGON...
Polígonos, Diagonais de um Polígono, SOMA DOS ANGULOS INTERNOS DE UM POLÍGON...
 
Historia de Portugal - Quarto Ano - 2024
Historia de Portugal - Quarto Ano - 2024Historia de Portugal - Quarto Ano - 2024
Historia de Portugal - Quarto Ano - 2024
 
Slides Lição 6, Betel, Ordenança para uma vida de obediência e submissão.pptx
Slides Lição 6, Betel, Ordenança para uma vida de obediência e submissão.pptxSlides Lição 6, Betel, Ordenança para uma vida de obediência e submissão.pptx
Slides Lição 6, Betel, Ordenança para uma vida de obediência e submissão.pptx
 
Monoteísmo, Politeísmo, Panteísmo 7 ANO2.pptx
Monoteísmo, Politeísmo, Panteísmo 7 ANO2.pptxMonoteísmo, Politeísmo, Panteísmo 7 ANO2.pptx
Monoteísmo, Politeísmo, Panteísmo 7 ANO2.pptx
 

Autocorrelação espacial

  • 1. AUTOCORRELAÇÃO ESPACIAL Vitor Vieira Vasconcelos Flávia da Fonseca Feitosa BH1350 – Métodos e Técnicas de Análise da Informação para o Planejamento Julho de 2017
  • 2. AULAS ANTERIORES… A importância analítica do espaço para o Planejamento Territorial Estrutura de Dados Espaciais (Matrizes & Vetores) Revisão de Estatística Na última aula: CORRELAÇÃO ENTRE VARIÁVEIS
  • 3. Até aqui apenas visualizamos espacialmente os dados (mapas coropléticos) No entanto, precisamos ir além!!! DADOS ESPACIAIS SÃO ESPECIAIS
  • 4. BIBLIOGRAFIA BÁSICA Druck, S.; Carvalho, M.S.; Câmara, G.; Monteiro, A.V.M. (eds) "Análise Espacial de Dados Geográficos". Brasília, EMBRAPA, 2004. Capítulo 5 – Análise Espacial de Áreas
  • 5. A NATUREZA DOS DADOS ESPACIAIS Alguns princípios: As questões de escala geográfica, agregação e nível de detalhamento são fundamentais para construir representações apropriadas do mundo
  • 6. O Problema da Unidade de Área Modificável O’Sullivan, D., Unwin, D. J. Geographic information Analysis. Wiley, 2010.
  • 7. Dados agregados Dados segregados DRUCK, S.; CARVALHO, M. S.; CÂMARA, G.; MONTEIRO, A.V.M (eds). Análise Espacial de Dados Geográficos. Brasília: EMBRAPA, 2004.
  • 8. A NATUREZA DOS DADOS ESPACIAIS Alguns princípios: Diferentes medidas obtidas do mundo real covariam, e compreender a natureza espacial da covariação pode nos ajudar a entender melhor os fenômenos.
  • 9. Na representação do mundo real, é importante incorporar informações sobre como dois ou mais fatores COVARIAM espacialmente. Análise dos impactos de investimentos no sistema público de transporte (ex. Monotrilho): Avaliação de como os preços dos imóveis aumentam à medida que aumenta a proximidade das estações. Outros exemplos???
  • 10. A NATUREZA DOS DADOS ESPACIAIS Alguns princípios: Os efeitos de proximidade são fundamentais para representar e compreender a variação espacial e para reunir representações incompletas de lugares únicos. (Não dá para analisar proximidade numa planilha!!!)
  • 11. Gráficos com eixos espaciais Temperatura Média à Superfície do Mar Média de janeiro de 1982 a Dezembro de 2011 https://medium.com/universe-factory/climate-modeling-101-4544e00a2ff2 https://thecivilisingmission.com/category/contemporary-history/page/3/ PIBperCapita(USD,2006) População(Billhões)
  • 12. Martinez-Bakker, M., Bakker, K.M., King, A.A. and Rohani, P., 2014, May. Human birth seasonality: latitudinal gradient and interplay with childhood disease dynamics. In Proc. R. Soc. B (Vol. 281, No. 1783, p. 20132438). The Royal Society. Gráficos com eixos espaciais Mês de pico de nascimentos por latitude Mês de pico de nascimentos
  • 13. Gráficos com eixos espaciais Ilha do Governardor - RJ Setores Censitários - 1991 Norte Sul DRUCK, S.; CARVALHO, M. S.; CÂMARA, G.; MONTEIRO, A.V.M (eds). Análise Espacial de Dados Geográficos. Brasília: EMBRAPA, 2004.
  • 14. PRIMEIRA LEI DA GEOGRAFIA “Lei de Tobler” “No mundo, todas as coisas se parecem, mas coisas mais próximas são mais parecidas que aquelas mais distantes” (Waldo Tobler, 1970) Tobler, W. R. 1970. A computer movie simulating urban growth in the Detroit region. Economic Geography 46: 234–40.
  • 15. A relação entre eventos próximos no espaço pode ser formalizada no conceito de AUTOCORRELAÇÃO ESPACIAL A relação entre eventos consecutivos no tempo pode ser formalizada no conceito de AUTOCORRELAÇÃO TEMPORAL FOCO DESTA AULA
  • 16. PRIMEIRA LEI DA GEOGRAFIA “Lei de Tobler” “No mundo, todas as coisas se parecem, mas coisas mais próximas são mais parecidas que aquelas mais distantes” (Waldo Tobler, 1979) DEFINIÇÃO SUCINTA DE AUTOCORRELAÇÃO ESPACIAL (positiva)
  • 17. HETEROGENEIDADE ESPACIAL Tendência de lugares de serem diferentes uns dos outros. Heterogeneidade maior com o aumento da distância Alguns fenômenos geográficos variam de maneira gradual através do espaço (estacionariedade), enquanto outros podem apresentar extrema irregularidade, violando a Lei de Tobler
  • 18. Morumbi e Paraisópolis: Diferenças Abruptas Lado a Lado (Violação da Lei de Tobler) Foto: Tuca Vieira
  • 19. Autocorrelação Espacial As medidas de autocorrelação espacial procuram lidar simultaneamente com similaridades na localização dos objetos espaciais e de seus atributos Autocorrelação Positiva (Lei de Tobler): Feições similares em localização também são similares em atributos Autocorrelação Negativa (oposição à Lei de Tobler): Feições similares em localização tendem a ter atributos menos similares do que feições mais distantes Ausência de Autocorrelação: Quando atributos são independentes da localização
  • 21. A Natureza dos Dados Espaciais As medidas de autocorrelação espacial nos informam sobre as interrelações dos fenômenos através do espaço, um atributo por vez. Outra faceta importante da natureza dos dados geográficos é a tendência de existirem relações entre diversos fenômenos no mesmo local (2 ou mais variáveis). A interrelação das várias propriedades de um local é um aspecto importante da natureza dos dados geográficas e é fundamental para o entendimento sobre o mundo real. NO ENTANTO, ELA TAMBÉM É UMA PROPRIEDADE QUE DESAFIA A ANÁLISE DA ESTATÍSTICA CONVENCIONAL, POIS A MAIORIA DOS MÉTODOS ASSUME INDEPENDÊNCIA DAS OBSERVAÇÕES (CORRELAÇÃO ESPACIAL = ZERO)
  • 22. MATRIZ DE VIZINHANÇA Para comparar a similaridade de atributos geográficos em feições vizinhas é importante estabelecer um CRITÉRIO DE VIZINHANÇA. Baseado neste critério, precisamos definir uma matriz de pesos W na qual cada elemento wij mede a proximidade/vizinhança entre i e j (i identificando a linha; j identificando a coluna da matriz) Um critério de vizinhança comumente adotado: CONTIGUIDADE wij = 1, se as regiões i e j são contíguas (ou seja, são vizinhas). wij = 0, caso contrário.
  • 23. MATRIZ DE VIZINHANÇA MATRIZ DE PESOS A matriz pode ser binária (1 ou 0, como no exemplo) ou geral (pesos contínuos, dependendo da distância – mais próximo com peso maior, é “mais vizinho”). A matriz também pode ser normalizada.
  • 24. MATRIZ DE VIZINHANÇA MATRIZ NORMALIZADA DRUCK, S.; CARVALHO, M. S.; CÂMARA, G.; MONTEIRO, A.V.M (eds). Análise Espacial de Dados Geográficos. Brasília: EMBRAPA, 2004.
  • 25. CRITÉRIOS DE VIZINHANÇA CONTIGUIDADE: Rook (torre) e Queen (rainha) (para dados de “área”) Ordem de contiguidade
  • 26. CRITÉRIOS DE VIZINHANÇA DISTÂNCIA: “n” vizinhos mais próximos; distância máxima; funções de distância (wij com valores contínuos) DECAIMENTO LINEAR DECAIMENTO EXPONENCIAL NEGATIVO DA DISTÂNCIA DECAIMENTO NEGATIVO EXPONENCIAL DA DISTÂNCIA
  • 27. MATRIZ DE VIZINHANÇA O critério adotado para construir uma matriz de vizinhança revela a estrutura espacial considerada na análise, e pode alterar os resultados das medidas de autocorrelação espacial. Portanto, vale a pena testar alguns critérios alternativos para a definição de “vizinhança” (contiguidade, distância…) e, consequentemente, para a definição da matriz de vizinhança - também conhecida como matriz de pesos ou matriz de proximidade espacial.
  • 28. ÍNDICES DE AUTOCORRELAÇÃO ESPACIAL EXTREMA AUTOCORRELAÇÃO NEGATIVA ARRANJO DISPERSO INDEPENDÊNCIA ESPACIAL AGRUPAMENTO ESPACIAL EXTREMA AUTOCORRELAÇÃO ESPACIAL POSITIVA
  • 29. ÍNDICES DE AUTOCORRELAÇÃO ESPACIAL 1. Índices Globais de Associação Espacial • Apresenta uma medida única para toda a área analisada. • Índice de Moran (I), Índice de Geary 2. Índices Locais de Associação Espacial (LISA) • Decomposições dos índices globais, podem ser visualizados na forma de mapas. Permite a identificação de diferentes regimes de associação espacial • Índice local de Moran (Ii)
  • 30. ÍNDICES DE AUTOCORRELAÇÃO ESPACIAL EXTREMA AUTOCORRELAÇÃO NEGATIVA ARRANJO DISPERSO INDEPENDÊNCIA ESPACIAL AGRUPAMENTO ESPACIAL EXTREMA AUTOCORRELAÇÃO ESPACIAL POSITIVA VIZINHANÇA DO TIPO “ROOK” (torre)
  • 31. ÍNDICE GLOBAL DE MORAN É um índice global de autocorrelação espacial, que varia entre -1 e 1 I = 1  Extrema Autocorrelação Positiva (Lei de Tobler): Feições similares em localização também são similares em atributos I = -1  Extrema Autocorrelação Negativa (oposição à Lei de Tobler): Feições similares em localização tendem a ter atributos menos similares do que feições mais distantes I = 0  Ausência de Autocorrelação: Quando atributos são independentes da localização
  • 32. ÍNDICES DE AUTOCORRELAÇÃO ESPACIAL EXTREMA AUTOCORRELAÇÃO NEGATIVA ARRANJO DISPERSO INDEPENDÊNCIA ESPACIAL AGRUPAMENTO ESPACIAL EXTREMA AUTOCORRELAÇÃO ESPACIAL POSITIVA VIZINHANÇA DO TIPO “ROOK” (torre)
  • 33. ÍNDICE GLOBAL DE MORAN ∑ ∑∑ ∑∑ − −− •= n i i n i n j jiij n i n j ij yy yyyyw w n I 2 )( ))(( wij é o peso, wij=1 se observações i e j são vizinhas. yi and representam o valor da variável na localização i e a média da variável, respectivamente. n é o número total de observações I  Índice de Moran: métrica usada para testar a hipótese sobre autocorrelação espacial
  • 34. Índice Global de Moran ∑ ∑∑ ∑∑ − −− •= n i i n i n j jiij n i n j ij yy yyyyw w n I 2 )( ))(( Estruturado de maneira semelhante ao coeficiente de correlação de Pearson: uma medida padronizada de covariância Coeficiente de Correlação de Pearson
  • 35. ÍNDICE GLOBAL DE MORAN De forma geral, o Índice de Moran presta-se a um teste cuja hipótese nula é de independência espacial. Neste caso, seu valor seria ZERO. Valores positivos (entre 0 e +1) indicam autocorrelação positiva Valores negativos (entre 0 e -1) indicam autocorrelação negativa. No exemplo da variável “consumo de água”, obtemos um I = 0,59 (vizinhança por contiguidade – queen). Será que este valor representa uma correlação espacial significativa estatisticamente????
  • 36. Teste de Pseudo Significância Para estimar a significância do índice, seria preciso associar a este uma distribuição estatística, sendo mais usual relacionar a estatística teste à distribuição normal. Porém, para evitar pressupostos em relação à distribuição, a abordagem mais comum é um TESTE DE PSEUDO-SIGNIFICÂNCIA
  • 37. Teste de Pseudo Significância No TESTE DE PSEUDO-SIGNIFICÂNCIA são geradas diferentes permutações dos valores de atributos associados às regiões. Cada permutação produz um novo arranjo espacial, onde os valores estão redistribuídos entre as áreas. Como apenas um dos arranjos corresponde à situação observada, pode-se construir uma distribuição empírica de I.
  • 38. Teste de Pseudo Significância No nosso exemplo, seria como se fizéssemos inúmeras permutações com os valores de consumo de água, atribuindo-os aleatoriamente para os diversos municípios e calculando o Índice de Moran para cada uma destas permutações aleatórias. Faríamos isso, por exemplo 999 vezes! E obteríamos, portanto, 999 valores para o Índice de Moran + o valor do índice de Moran construído sobre os dados observados. Com estes 1000 valores de I, poderíamos contruir uma distribuição do índice.
  • 39. Teste de Pseudo Significância Se o valor do índice I medido originalmente corresponder a um “extremo” da distribuição simulada, então trata-se de valor com significância estatística. Distribuição simulada extremo extremo
  • 40. Teste de Pseudo Significância Disperso AgrupadoAleatório
  • 41. Teste de Pseudo Significância No exemplo do consumo de água, obtemos a seguinte distribuição simulada Distribuição construída a partir do Índice computado sobre as permutações aleatórias Valor Observado (I=0,5931) Como o valor observado está na extremidade (p-valor < 0,001), rejeitamos a hipóse nula de que não há autocorrelação espacial Estatística Teste
  • 42. Diagrama de Espalhamento de Moran Maneira adicional de visualizar a dependência espacial Construído com base nos valores padronizados (escore-z) A ideia é comparar os valores padronizados do atributo numa área com a média dos seus vizinhos, construindo um gráfico bidimensional de z (valores padronizados) por wz (média dos vizinhos) escores-z
  • 44. Diagrama de Espalhamento de Moran É dividido em 4 quadrantes: • Q1 (valores positivos, médias positivas) e Q2 (valores negativos, médias negativas): indicam pontos de associação espacial positiva, no sentido que uma localização possui vizinhos com valores semelhantes. • Q3 (valores positivos, médias negativas) e Q4 (valores negativos, médias positivas): indicam pontos de associação espacial negativa, no sentido que uma localização possui vizinhos com valores distintos.
  • 45. Diagrama de Espalhamento de Moran Os pontos em Q3 e Q4 podem ser vistos como extremos: • afastados da reta de regressão linear • regiões que não seguem o mesmo processo de dependência espacial das demais observações. Marcam regiões de transição entre regimes espaciais distintos.
  • 46. Diagrama de Espalhamento de Moran O Diagrama também pode ser apresentado na forma de mapa temático, no qual cada polígono é apresentado indicando-se seu quadrante no diagrama de espalhamento ALTO-ALTO BAIXO-BAIXO ALTO-BAIXO BAIXO-ALTO
  • 48. O estimador de autocorrelação espacial, Moran (I), fornece um valor único como medida da associação espacial. Por isso o chamamos de INDICADOR GLOBAL. No entanto, muitas vezes é necessário examinar padrões numa escala maior (mais detalhada). Neste caso, utilizamos INDICADORES LOCAIS DE ASSOCIAÇÃO ESPACIAL (LISA) que possam ser associados a diferentes localizações de uma variável distribuída espacialmente. A utilização destes indicadores, em conjunto com os indicadores globais, refinam nosso conhecimento sobre o processos que dão origem a dependência espacial. Indicadores Locais de Associação Espacial (LISA)
  • 49. Os indicadores locais de associação especial produzem um valor específico para cada objeto. Isto acarreta a identificação de:  “Clusters”: objetos com valores de atributos semelhantes,  “Outliers”: objetos anômalos,  A presença de mais de um regime espacial. Indicadores Locais de Associação Espacial (LISA)
  • 50. Segundo Anselin (1995), um indicador local de associação espacial (LISA) tem que atender a dois objetivos: Permitir a identificação de padrões de associação espacial significativos; Ser uma decomposição do índice global de associação espacial. Indicadores Locais de Associação Espacial (LISA) ANSELIN, L. Local indicators of spatial association - LISA. Geographical Analysis v.27, p.91-115, 1995.
  • 51. Indicadores locais Ii de Moran (Anselin, 1996): Indicadores Locais de Associação Espacial (LISA) Ii > 0 “clusters” de valores similares (altos ou baixos). Ii < 0 “clusters” de valores distintos (Ex: uma localização com valores altos rodeada por uma vizinhança de valores baixos). ANSELIN, L. The Moran scatterplot as ESDA tool to assess local instability in spatial association. In: M. Fisher, H. J. Scholten and D. Unwin (ed). Spatial Analytical Perspectives on GIS. London, Taylor & Francis, 1996. v., p.111-126.
  • 52. De forma similiar aos indicadores globais, a significância do índice local de Moran (Ii) deve ser avaliada utilizando hipótese de normalidade ou simulação de distribuição por permutação aleatória nos valores dos atributos (Anselin, 1995). A significância estatística de Moran (Ii) é muito útil gerar um mapa indicando as regiões que apresentam correlação local significativamente diferente do resto dos dados. Este mapa é denominado por Anselin (1995) de “LISA MAP”. Indicadores Locais de Associação Espacial (LISA)
  • 53. No LISA MAP, os índices locais Ii são classificados como:  Não significativos  Significativos com confiança de 95% (1,96σ), 99% (2,58σ) e 99,9% (3,29σ). Indicadores Locais de Associação Espacial (LISA)
  • 54. LISA MAP CLUSTER DE BAIXO CONSUMO CLUSTER DE ALTO CONSUMO No GeoDa, apenas valores com significância maior que 95% são apresentados
  • 56. Correlograma Índice de Mortes por Homicídios Correlograma
  • 57. Variograma C = Variância C0 = Efeito Pepita C+C0 = Patamar A = Alcance SANTOS, Carlos Eduardo dos y BIONDI, João Carlos. Utilização de elipsoide de anisotropia variográfica como indicador cinemático em maciços rochosos fragmentados por falhas: o exemplo do depósito de asbestos crisotila cana brava (Minaçu, GO). Geol. USP, 2011, vol.11, n.3, pp. 65-77. CRUZ-CARDENAS, Gustavo et al . Distribución espacial de la riqueza de especies de plantas vasculares en México. Rev. Mex. Biodiv., México , v. 84, n. 4, p. 1189- 1199, 2013 .
  • 58. Variograma IDH no Estado de São Paulo DistânciaVariância