Interval kepercayaan dari data raster

Saya memiliki data raster yang mewakili distribusi probabilitas, yaitu setiap sel memiliki nilai probabilitas (dalam kasus saya probabilitas bahwa seekor hewan dapat ditemukan dalam sel), dan semua sel menambahkan hingga 100% (saya tahu pasti hewan itu dalam batas raster saya). Saya ingin dapat menghasilkan data vektor untuk nilai kepercayaan. Misalnya, garis / poligon 95% menunjukkan batas di mana saya 95% yakin bahwa saya akan menemukan binatang itu.

Demikian pula, jika saya memiliki estimasi kepadatan kernel, Bagaimana cara menghasilkan garis / poligon XX% yang berbatasan dengan bagian terpadat dari raster yang mengandung XX% dari total populasi?

Saya bersedia menggunakan ArcGIS, atau perangkat lunak sumber terbuka. Jika tidak ada alat untuk melakukan ini untuk saya, algoritma apa yang dapat saya terapkan?

Keyakinan bukan konsep yang berlaku, meskipun secara dangkal serupa. Pertanyaannya terdengar seperti Anda ingin mengidentifikasi wilayah terkecil yang memiliki probabilitas total setidaknya 95%. Wilayah ini dapat diperoleh (setidaknya secara konseptual) dengan menyortir semua probabilitas dan mengumpulkannya dari tertinggi ke terendah hingga jumlah parsial pertama sama dengan atau melebihi 95%, kemudian memilih sel yang sesuai dengan nilai yang telah diakumulasikan. Ini mengarah ke solusi langsung, seperti yang dicontohkan oleh contoh R (open source) ini:

library(raster)
set.seed(17)                   # Seed a reproducible random sequence
nr <- 30                       # Number of rows                    
nc <- 50                       # Number of columns
#
# Create a zone raster for normalizing the probabilities.
#
zone <- raster(ncol=nc, nrow=nr)
zone[] <- 0
#
# Create a probability raster (for illustrating the algorithm later).
#
p <- raster(ncol=nc, nrow=nr)
p[] <- (1:(nc*nr) - 1/2) / (nc*nr) + rnorm(nc*nr, sd=0.5)
p <- abs(focal(p, ngb=5, run=mean))
z <- zonal(p, zone, stat='sum')
p <- p / z[[2]] # This normalizes p to sum to unity as required
#------------------------------------------------------------------------------#
#
# The algorithm begins here.
#
pvec <- sort(getValues(p), decreasing=TRUE) # The probabilities, sorted
d <- cumsum(pvec)                           # Cumulative probabilities
dpos <- d[d <= 0.95]                        # Position to stop
region <- p                                 # Initialize the output
region[p < pvec[length(dpos)]] <- NA        # Exclude the last 5% of the probability
plot(region)                                # Display the result

Berikut adalah gambar yang dihasilkan dari daerah probabilitas 95% dengan probabilitas asli yang ditunjukkan dalam warna: jumlah mereka menjadi lebih dari 95%, dengan konstruksi, dan menghilangkan bahkan nilai terkecil akan mengurangi jumlah menjadi kurang dari 95%. Area putih di atas termasuk 5% sisanya dari probabilitas di luar wilayah ini. Kontur yang diinginkan adalah batas antara sel putih dan sel berwarna.

Metode yang sama akan bekerja pada kisi KDE.

Tidak ada solusi ArcGIS langsung untuk masalah ini.

Di ArcGIS ...

• Alat Statistik Spasial> Reklasifikasi> Alat Reklasifikasi
  • Buat 2 metode klasifikasi ulang:
  • OldValues ​​= 0-94.99 | NewValues ​​= 0
    OldValues ​​= 95-100 | Nilai Baru = 1

Ini akan membuat raster baru dengan 2 nilai, 0 = interval kepercayaan luar, 1 = di dalam interval kepercayaan 95%.

• Alat Konversi> Dari Raster> Alat raster ke Polygon
  • Input =
    Bidang Raster yang Direklasifikasi Ulang = Nilai

Ini akan membuat poligon vektor dengan 2 FID, satu dengan bentuk interval kepercayaan 95% Anda dan yang lainnya area raster yang tersisa. Saya sarankan mengeksplorasi opsi yang disederhanakan untuk melihat hasil apa yang sesuai dengan kebutuhan Anda dengan lebih baik.

FYI, terapkan metode yang sama untuk mendapatkan poligon untuk perkiraan Kepadatan Kernal Anda.