L’analisi di qualsiasi fenomeno naturale e/o antropico è al giorno d’oggi supportata da una disponibilità di dati sempre crescente, dall’automazione dei sistemi di raccolta e rilevamento nonché dallo sviluppo e dalla diffusione delle tecnologie di stoccaggio, condivisione e analisi di tali informazioni. L’adozione di metodi e software GIS come principali strumenti analitici per tali fenomeni è da considerarsi uno dei risultati più significativi di questo processo di evoluzione. Nonostante ciò, la comprensione e la mappatura di meccanismi complessi o di alcune loro caratteristiche, come ad esempio l’interazione spaziale tra le variabili che definiscono vulnerabilità territoriali, sociali, ecc. risultano ancora operazioni critiche nella pratica. Parte del problema è dovuto all’assenza o alla scarsa diffusione di metodologie GIS esplorative rivolte all’analisi multivariata di dati geospaziali, quindi alla considerazione simultanea di variabili multiple ed eterogenee come spesso richiesto, ad esempio, nella mappatura del rischio. In questo studio viene presentata una procedura sperimentale, basata sull’utilizzo di statistiche locali, dedicate all’analisi di pattern multivariati di associazione spaziale in ambiente GIS. Tale procedura include l’applicazione di alcune estensioni, recentemente pubblicate, dei più noti indicatori locali di correlazione spaziale (Local Indicators of Spatial Association - LISA) unite a complementi analitici proposti dagli autori. La procedura permette l’individuazione di pattern di correlazione significativi (non random) nell’arrangiamento spaziale di dataset multivariati nonché la rappresentazione sintetica su mappa della loro intensità e tipologia. Tali mappe vanno intese come strumenti di indagine esplorativa delle variabili in esame a supporto di analisi di dettaglio successive. Vengono presentate, a titolo di esempio, applicazioni della procedura su dati quantitativi reali, quali indici di vulnerabilità sociale ed esposizione al rischio idrogeologico. I risultati preliminari vengono analizzati in previsione di una fase di test estensiva della procedura. Vengono inoltre discussi potenziali benefici e problematiche connesse all’introduzione dell’analisi di correlazione spaziale multivariata nelle pratiche di mappatura del rischio. Il codice Python prototipale utilizzato è disponibile su GitHub con licenza GNU General Public License (https://github.com/danioxoli/multivar_lisa). Viene identificato infine, come obiettivo futuro, l’integrazione della procedura all’interno del plugin Hotspot Analysis di QGIS, sviluppato e mantenuto dagli autori.

Introduzione di tecniche per l’analisi di correlazione spaziale multivariata e applicazioni nella mappatura del rischio

D. Oxoli;M. A. Brovelli
2019-01-01

Abstract

L’analisi di qualsiasi fenomeno naturale e/o antropico è al giorno d’oggi supportata da una disponibilità di dati sempre crescente, dall’automazione dei sistemi di raccolta e rilevamento nonché dallo sviluppo e dalla diffusione delle tecnologie di stoccaggio, condivisione e analisi di tali informazioni. L’adozione di metodi e software GIS come principali strumenti analitici per tali fenomeni è da considerarsi uno dei risultati più significativi di questo processo di evoluzione. Nonostante ciò, la comprensione e la mappatura di meccanismi complessi o di alcune loro caratteristiche, come ad esempio l’interazione spaziale tra le variabili che definiscono vulnerabilità territoriali, sociali, ecc. risultano ancora operazioni critiche nella pratica. Parte del problema è dovuto all’assenza o alla scarsa diffusione di metodologie GIS esplorative rivolte all’analisi multivariata di dati geospaziali, quindi alla considerazione simultanea di variabili multiple ed eterogenee come spesso richiesto, ad esempio, nella mappatura del rischio. In questo studio viene presentata una procedura sperimentale, basata sull’utilizzo di statistiche locali, dedicate all’analisi di pattern multivariati di associazione spaziale in ambiente GIS. Tale procedura include l’applicazione di alcune estensioni, recentemente pubblicate, dei più noti indicatori locali di correlazione spaziale (Local Indicators of Spatial Association - LISA) unite a complementi analitici proposti dagli autori. La procedura permette l’individuazione di pattern di correlazione significativi (non random) nell’arrangiamento spaziale di dataset multivariati nonché la rappresentazione sintetica su mappa della loro intensità e tipologia. Tali mappe vanno intese come strumenti di indagine esplorativa delle variabili in esame a supporto di analisi di dettaglio successive. Vengono presentate, a titolo di esempio, applicazioni della procedura su dati quantitativi reali, quali indici di vulnerabilità sociale ed esposizione al rischio idrogeologico. I risultati preliminari vengono analizzati in previsione di una fase di test estensiva della procedura. Vengono inoltre discussi potenziali benefici e problematiche connesse all’introduzione dell’analisi di correlazione spaziale multivariata nelle pratiche di mappatura del rischio. Il codice Python prototipale utilizzato è disponibile su GitHub con licenza GNU General Public License (https://github.com/danioxoli/multivar_lisa). Viene identificato infine, come obiettivo futuro, l’integrazione della procedura all’interno del plugin Hotspot Analysis di QGIS, sviluppato e mantenuto dagli autori.
2019
File in questo prodotto:
File Dimensione Formato  
Abstract_FOSS4G_Italia_2019.pdf

accesso aperto

Descrizione: Raccolta Abstract
Dimensione 1.25 MB
Formato Adobe PDF
1.25 MB Adobe PDF Visualizza/Apri

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11311/1076861
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact