A stochastic approach to establish a metric to quantify the modifiable areal unit problem
Carregando...
Data
Autor(es)
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Minas Gerais
Descrição
Tipo
Dissertação de mestrado
Título alternativo
Uma abordagem estocástica para estabelecer uma métrica para quantificar o problema da unidade de área modificável
Primeiro orientador
Membros da banca
Rosângela Helena Loschi
Paulo Justiniano Ribeiro Júnior
Kevin A. Butler
Paulo Justiniano Ribeiro Júnior
Kevin A. Butler
Resumo
The Modifiable Areal Unit Problem (MAUP) significantly affects spatial analysis out-comes by varying results based on the scale and zoning of the geographical units used. This thesis introduces a novel stochastic approach to quantify the MAUP effects, pre-senting an index that measures the sensitivity of spatial analyses to changes in areal unit configurations. The proposed methodology is based on the SKATER algorithm and can be used in any spatial analysis. We applied the proposed method to around 2,000 different datasets. The findings indicate that the most pronounced impacts of MAUP occur at smaller scales, where area aggregation significantly alters statistical outcomes. The study also reveals a high correlation between scale and zoning effects, suggesting the
intertwined nature of these components. While the proposed indices provide a valuable tool for evaluating MAUP, computational challenges in large datasets highlight the need for further algorithmic optimizations.
Abstract
O Problema da Unidade Areal Modificável (MAUP) afeta significativamente os resultados da análise espacial ao variar os resultados com base na escala e zonificação das unidades geográficas utilizadas. Esta tese introduz uma abordagem estocástica inédita para quantificar os efeitos do MAUP, apresentando um índice que mede a sensibilidade das análises espaciais às mudanças nas configurações das unidades areais. A metodologia proposta é baseada no algoritmo SKATER e pode ser utilizada em qualquer análise espacial. Aplicamos o método proposto a cerca de 2.000 diferentes conjuntos de dados. Os resultados indicam que os impactos mais pronunciados do MAUP ocorrem em escalas menores, onde a agregação das áreas altera significativamente os resultados estatísticos. O estudo também revela uma alta correlação entre os efeitos de escala e zonificação, sugerindo a natureza
interligada desses componentes. Embora os índices propostos forneçam uma ferramenta valiosa para avaliar o MAUP, desafios computacionais em grandes conjuntos de dados destacam a necessidade de otimizações algorítmicas adicionais.
Assunto
Estatística – Teses, Análise espacial (Estatística) – Teses, Análise por conglomerados – Teses, Análise estocástica
Palavras-chave
Modifiable areal unit problem, Automated zonation construction, Unsupervised learning, Zonation dependence, Spatial partitioning, Spatial clusters