La herramienta Análisis de puntos calientes emergentes le permite identificar tendencias en sus datos. Por ejemplo, detecta puntos calientes o fríos nuevos, en aumento, en disminución y esporádicos. Toma como entrada un cubo NetCDF de espacio-tiempo creado con la herramienta Crear cubo de espacio-tiempo. A continuación, utiliza los valores de los parámetros Distancia de vecindad y Período de tiempo de vecindad indicados para calcular la estadística Gi* de Getis-Ord (Análisis de punto caliente) para cada bin. Una vez que finaliza el análisis de los puntos calientes del espacio-tiempo, a cada uno de los bins del cubo NetCDF de entrada se agrega una puntuación z, un valor P y una clasificación de bins de puntos calientes asociados. A continuación, se evalúan estas tendencias de puntos calientes y fríos utilizando la prueba de tendencia de Mann-Kendall. Una vez que se ha obtenido la puntuación z y el valor P de la tendencia para cada ubicación con datos, junto con la puntuación z y el valor P de puntos calientes para cada bin, la herramienta Análisis de puntos calientes emergentes clasifica la ubicación de cada área de estudio de la siguiente manera:
| Nombre del patrón | Definición |
|---|---|
No se detectó ningún patrón | No se incluye en ninguno de los patrones de puntos calientes o fríos definidos abajo. |
Nuevo punto caliente | Una ubicación que es un punto caliente significativo desde el punto de vista estadístico para el período de tiempo final y que nunca antes lo fue. |
Punto caliente consecutivo | Una ubicación con una única ejecución sin interrupción de bins de puntos calientes significativos desde el punto de vista estadístico en los intervalos de períodos de tiempo finales. La ubicación nunca fue un punto caliente significativo desde el punto de vista estadístico antes de la última ejecución de puntos calientes y menos del 90% de los bins son puntos calientes significativos desde el punto de vista estadístico. |
Punto caliente creciente | Una ubicación que ha sido un punto caliente significativo desde el punto de vista estadístico para el 90% de los intervalos de períodos de tiempo, incluido el final. Además, la intensidad del clustering de los recuentos altos en cada período de tiempo está aumentando y este aumento es significativo desde el punto de vista estadístico. |
Punto caliente persistente | Una ubicación que ha sido un punto caliente significativo desde el punto de vista estadístico para el 90% de los intervalos de períodos de tiempo, sin ninguna tendencia discernible que indique aumento o disminución en la intensidad del clustering en el tiempo. |
Punto caliente decreciente | Una ubicación que ha sido un punto caliente significativo desde el punto de vista estadístico para el 90% de los intervalos de períodos de tiempo, incluido el final. Además, la intensidad del clustering en cada período de tiempo está disminuyendo y esta disminución es significativa desde el punto de vista estadístico. |
Punto caliente esporádico | Una ubicación que vuelve a ser y vuelve a dejar de ser un punto caliente. Menos del 90% de los intervalos de períodos de tiempo han sido puntos calientes significativos desde el punto de vista estadístico y ninguno de los intervalos de períodos de tiempo han sido puntos fríos significativos desde el punto de vista estadístico. |
Punto caliente oscilante | Un punto caliente significativo desde el punto de vista estadístico para el intervalo del período de tiempo final que tiene un historial de haber sido también un punto frío significativo desde el punto de vista estadístico durante un período de tiempo anterior. Menos del 90% de los intervalos de períodos de tiempo han sido puntos calientes significativos desde el punto de vista estadístico. |
Punto caliente histórico | El período de tiempo más reciente no es caliente, pero al menos el 90% de los intervalos de períodos de tiempo han sido puntos calientes significativos desde el punto de vista estadístico. |
Nuevo punto frío | Una ubicación que es un punto frío significativo desde el punto de vista estadístico para el período de tiempo final y que nunca antes lo fue. |
Punto frío consecutivo | Una ubicación con una única ejecución sin interrupción de bins de puntos fríos significativos desde el punto de vista estadístico en los intervalos de períodos de tiempo finales. La ubicación nunca fue un punto frío significativo desde el punto de vista estadístico antes de la última ejecución de puntos fríos y menos del 90% de los bins son puntos fríos significativos desde el punto de vista estadístico. |
Punto frío creciente | Una ubicación que ha sido un punto frío significativo desde el punto de vista estadístico para el 90% de los intervalos de períodos de tiempo, incluido el final. Además, la intensidad del clustering de los recuentos bajos en cada período de tiempo está aumentando y este aumento es significativo desde el punto de vista estadístico. |
Punto frío persistente | Una ubicación que ha sido un punto frío significativo desde el punto de vista estadístico para el 90% de los intervalos de períodos de tiempo, sin ninguna tendencia discernible que indique aumento o disminución en la intensidad del clustering de los recuentos en el tiempo. |
Punto frío decreciente | Una ubicación que ha sido un punto frío significativo desde el punto de vista estadístico para el 90% de los intervalos de períodos de tiempo, incluido el final. Además, la intensidad del clustering de los recuentos bajos en cada período de tiempo está disminuyendo y esta disminución es significativa desde el punto de vista estadístico. |
Punto frío esporádico | Una ubicación que vuelve a ser y vuelve a dejar de ser un punto frío. Menos del 90% de los intervalos de períodos de tiempo han sido puntos fríos significativos desde el punto de vista estadístico y ninguno de los intervalos de períodos de tiempo han sido puntos calientes significativos desde el punto de vista estadístico. |
Punto frío oscilante | Un punto frío significativo desde el punto de vista estadístico para el intervalo del período de tiempo final que tiene un historial de haber sido también un punto caliente significativo desde el punto de vista estadístico durante un período de tiempo anterior. Menos del 90% de los intervalos de períodos de tiempo han sido puntos fríos significativos desde el punto de vista estadístico. |
Punto frío histórico | El período de tiempo más reciente no es frío, pero al menos el 90% de los intervalos de períodos de tiempo han sido puntos fríos significativos desde el punto de vista estadístico. |
Salidas de la herramienta
Esta herramienta crea un número de salidas. El mapa 2D, con las categorías definidas anteriormente, constituye la salida más importante. Además, se escriben mensajes en los que se resumen los resultados del análisis en la ventana de Resultados. Haga clic con el botón derecho del ratón en la entrada Mensajes de la ventana Resultados y seleccione Ver para mostrar los resultados en el cuadro de diálogo Mensaje.
Finalmente, la herramienta Análisis de puntos calientes emergentes agrega una serie de variables nuevas al Cubo de espacio-tiempo de entrada. Si estas variables ya existen (si ejecutó la herramienta Análisis de puntos calientes emergentes varias veces), se sobrescribirán para que el cubo siempre contenga los resultados de los análisis más recientes.
Puede visualizar estas variables con ArcGIS Pro. Consulte Visualización del cubo de espacio-tiempo para obtener estrategias.
Valores predeterminados de vecindad
Para determinar si el valor del recuento de bins en el espacio y tiempo de una ubicación forma parte de un punto caliente o frío significativo desde el punto de vista estadístico, se evalúa cada bin dentro del contexto de los bins de espacio-tiempo vecinos. Aunque un bin con una gran cantidad de puntos puede resultar interesante, salvo que sus vecinos del espacio-tiempo tengan también un elevado recuento de puntos, probablemente no será un punto caliente significativo desde el punto de vista estadístico. Los valores de los parámetros Distancia de vecindad y Período de tiempo de vecindad definen la extensión de la vecindad de cada bin (el contexto para el análisis de cada bin). Supongamos que las dimensiones de un bin son de 400 x 400 metros x 1 día. Si establece la Distancia de vecindad en 801 metros y el Período de tiempo de vecindad en 2, los vecinos espaciales se extenderán dos bins en sentido horizontal y vertical, y un bin en sentido diagonal, tal y como se muestra:
Además, habrá vecinos temporales. Se incluirán como vecinos todos los bins de la misma ubicación que los vecinos de destino y espaciales (mostrados anteriormente) para los períodos de tiempo coincidentes o los dos anteriores (un total de tres días, en este ejemplo). Observe que los vecinos temporales solo son retroactivos y que un Período de tiempo de vecindad de 2 engloba tres intervalos de períodos de tiempo.
Cuando no se indica un valor para el parámetro Distancia de vecindad, se calcula uno automáticamente. La fórmula se adapta del cálculo utilizado para determinar un radio de búsqueda de densidad kernel predeterminado. Cuando no se indica un valor para el parámetro Período de tiempo de vecindad, el valor predeterminado se establece en 1.