You are on page 1of 6

TUTORIAL

Autocorrelação Espacial: Mapas de Cluster no ArcGIS

Existem vários métodos e técnicas na Estatística Espacial, um deles é a

autocorrelação espacial que apresenta o nível de similaridade, proximidade,

correlação e aleatoriedade dos valores quantitativos amostrais representados.

Uma técnica muito utilizada para esse tipo de análise são os mapas de

Cluster que representam as informações geográficas agrupadas em valores

próximos. Vejamos como trabalhar neste sentido com o ArcGIS.

Com esse mapa também é possível analisar as outliers, ou seja, os valores que

não são possíveis de serem agrupados, casos atípicos, pois apresentam

valores distintos em suas proximidades. Na representação espacial, essa função

resulta na tipologia de padrões COType:

 HH:alta-alta (agrupamento de valores altos e próximos);

 LL:baixa-baixa (agrupamentp de valores baixos e próximos);

 HL:alta-baixa (outlier de valores altos que não se agrupam, pois se

encontram em meio a valores baixos);

 LH:baixa-alta (outlier de valores baixos que não se agrupam, pois se

encontram em meio a valores altos);

Não significativos: não se enquadram nos agrupamentos, pois apresentam

níveis variados assim como os valores dos vizinhos.

Esses agrupamentos são feitos considerando a dispersão de Moran, LISA, P-

value, Z-score e outros fatores.


No exemplo a seguir, têm-se os dados de taxa populacional do estado do Pará

referente ao ano de 2006.

COMO FAZER UM MAPA DE CLUSTER NO ARCGIS

No ArcMap, adicionar o shapefile com o dado quantitativo que será utilizado.

Neste caso, será adicionado o shapefile dos municípios do estado do Pará que

apresenta, em sua tabela de atributos, os dados de taxa de alfabetização.

Criar o mapa temático quantitativo da informação que se deseja representar:

Propriedades da Camada > Symbology > Quantities > Graduated colors:

Para criar o mapa de Cluster e Outlier acesse o menu:

ArcToolbox > Spatial Statistics Tools > Mapping Clusters > Cluster and

Outlier Analysis.
Na janela que se abre fique atento a cada informação que deve ser fornecida:

 Input Feature Class: inserir o shapefile de entrada para a criação

doscluster;

 Input Field: marcar a coluna da tabela de atributos do shapefile que tem

o dado quantitativo;

 Output Feature Class: nome e pasta do arquivo de saída;

 Conceptualization of Spatial Relationships: especificação do conceito

de como a relação espacial ocorre;

 Distance Method: marcar o método de como as distâncias serão

realizadas a partir de seus vizinhos;

 Standardization: selecionar alguma padronização caso os dados

amostrais mostrem tendências.


O mapa gerado apresenta na legenda a diferenciação pelo COType:
BREVE ANÁLISE DO RESULTADO OBTIDO

A partir do mapa de Autocorrelação Espacial que considerou a taxa de

alfabetização dos municípios do estado do Pará foi possível observar a

espacialização dos diferentes níveis de alfabetização do estado.

De acordo com o mapa de Taxa de Alfabetização, os municípios com as maiores

taxas concentram-se nas porções norte e sudoeste, e com as menores taxas nas

porções nordeste e noroeste do estado.

Os clusters que apresentam valores altos e estão próximos (H-H) concentram-

se nas porções norte e sudoeste e os que apresentam valores mais baixos e

próximos (L-L) concentram-se na porção nordeste do estado.

Os municípios considerados não significativos, não se enquadram nos

agrupamentos, pois apresentam níveis de alfabetização variados assim como os

valores dos municípios vizinhos.

You might also like