[論文レビュー] The spatial scan statistic: A new method for spatial aggregation of categorical raster maps

John W. Coulston, Nicola Zaccarelli+3 more|arXiv (Cornell University)|Aug 1, 2014

Data-Driven Disease Surveillance参考文献 27被引用数 3

ひとこと要約

本稿では、空間スキャン統計を、カテゴリー型ラスタ地図の空間的集約のための新規手法として導入し、多数決ルールや最近傍法と比較して、レアクラスや空間の不均一性をよりよく保持する。統計的に有意な空間的クラスタを特定することで、従来の集約法による情報損失が問題となる大規模な評価においても、生態的正確性を維持する。

ABSTRACT

Multiple-scale and broad-scale assessments often require rescaling the original data to a consistent grain size for analysis. Rescaling categorical raster data by spatial aggregation is common in large area ecological assessments. However, distortion and loss of information are associated with aggregation. Using a majority rule generally results in dominant classes becoming more pronounced and rare classes becoming less pronounced. Using nearest neighbor techniques generally maintains the global proportion of each category in the original map but can lead to disaggregation. In this paper we implement the spatial scan statistic for spatial aggregation of categorical raster maps and describe the behavior of the technique at the local level (aggregation unit) and global level (map). We also contrast the spatial scan statistic technique with the majority rule and nearest neighbor approaches. In general, the scan statistic technique behaved inverse the majority rule approach in that rare classes rather than abundant classes were preserved. We suggest the scan statistic techniques should be used for spatial aggregation of categorical maps when preserving heterogeneity and information from rare classes are important goals of the study or assessment.

研究の動機と目的

• 生態的評価に用いられるカテゴリー型ラスタ地図の空間的集約における情報の歪みと損失を是正すること。
• 一貫したグレインサイズへのスケーリングにおいて、希少クラスと空間的不均一性を保持する手法を開発すること。
• 支配的クラスにバイアスが生じるおそれがある多数決ルールや最近傍法とは対照的に、代替となる手法を提供すること。
• 空間スキャン統計の性能を従来の集約手法と比較して評価すること。
• より正確で情報豊富な大規模な生態的監視および分析を支援すること。

提案手法

• 空間スキャン統計を用いて、カテゴリー型ラスタデータ内の統計的に有意な空間的クラスタを同定する。
• この手法は、マップ全体を走査するスキャンウィンドウを用い、類似したカテゴリーが局所的に集まっているかを検出する。
• 各ウィンドウに対して、帰無仮説（ランダム性）下での期待分布と比較して、観測されたカテゴリー分布が有意に異なるかどうかを尤度比検定で評価する。
• 最大尤度比に基づいて最も可能性の高いクラスタが選択され、全可能なウィンドウサイズと位置について繰り返し処理が行われる。
• その後、各セルを最も可能性の高いクラスタに割り当てることで集約が行われ、空間パターンと希少クラスが保持される。
• 本手法は、支配的クラスを優遇する多数決ルールや、空間的不均一性を引き起こす可能性のある最近傍法と対照的である。

実験結果

リサーチクエスチョン

• RQ1 空間スキャン統計は、多数決ルールや最近傍法と比較して、空間的集約におけるクラス比の保持にどの程度優れているか。
• RQ2 空間スキャン統計は、カテゴリー型ラスタ地図において、空間的不均一性と希少クラスの代表性をどの程度維持するか。
• RQ3 空間スキャン統計の使用が、地図構造と分類精度に及ぼす局所的およびグローバルな影響は何か。
• RQ4 どのような状況下で、空間スキャン統計が生態的評価における従来の集約手法よりも適切であるか。
• RQ5 空間スキャン統計は、カテゴリー型データにおけるエッジ効果や不規則な空間パターンをどのように処理するか。

主な発見

• 多数決ルールとは異なり、空間スキャン統計は希少クラスをよりよく保持した。多数決ルールは支配的クラスを強調する傾向がある。
• 最近傍法とは異なり、空間スキャン統計は空間的整合性を維持し、カテゴリーの不自然な不連続性を低減した。
• 本手法は、局所的およびグローバルな地図レベルの両方で、生態的情報と空間的不均一性を保持する点で優れた性能を示した。
• 低頻度カテゴリーからの情報を保持することを目的とした場合、空間スキャン統計はより正確で代表的な地図を生成した。
• 複雑または断片的な景観であっても、意味のある空間的クラスタを同定・保持する点で、本手法は特に効果的であった。
• 本研究は、希少クラスの保持を最優先とする状況では、空間スキャン統計が従来の集約手法に代わる頑健な代替手法であると結論づけた。