Intervalo de confiança dos dados rasterizados

Eu tenho dados raster que representam uma distribuição de probabilidade, ou seja, cada célula tem um valor de probabilidade (no meu caso, a probabilidade de um animal ser encontrado na célula), e todas as células somam 100% (eu sei com certeza o animal está dentro da extensão da minha varredura). Quero poder gerar dados vetoriais para valores de confiança. Por exemplo, a linha / polígono de 95% denota o limite em que estou 95% confiante de que encontrarei o animal.

Da mesma forma, se eu tiver uma estimativa de densidade do kernel, como gerar a linha / polígono de XX% que faz fronteira com a parte mais densa da varredura que contém XX% da população total?

Estou disposto a usar o ArcGIS, ou software de código aberto. Se não houver uma ferramenta para fazer isso para mim, qual é o algoritmo que posso implementar?

Confiança não é um conceito aplicável, embora seja superficialmente semelhante. A pergunta parece que você deseja identificar a menor região com uma probabilidade total de pelo menos 95%. Essa região pode ser obtida (pelo menos conceitualmente), classificando todas as probabilidades e acumulando-as da maior para a menor, até que a soma parcial seja igual ou superior a 95% e depois selecione as células correspondentes aos valores que foram acumulados. Isso leva a uma solução direta, como exemplificado por este exemplo de R (código aberto):

library(raster)
set.seed(17)                   # Seed a reproducible random sequence
nr <- 30                       # Number of rows                    
nc <- 50                       # Number of columns
#
# Create a zone raster for normalizing the probabilities.
#
zone <- raster(ncol=nc, nrow=nr)
zone[] <- 0
#
# Create a probability raster (for illustrating the algorithm later).
#
p <- raster(ncol=nc, nrow=nr)
p[] <- (1:(nc*nr) - 1/2) / (nc*nr) + rnorm(nc*nr, sd=0.5)
p <- abs(focal(p, ngb=5, run=mean))
z <- zonal(p, zone, stat='sum')
p <- p / z[[2]] # This normalizes p to sum to unity as required
#------------------------------------------------------------------------------#
#
# The algorithm begins here.
#
pvec <- sort(getValues(p), decreasing=TRUE) # The probabilities, sorted
d <- cumsum(pvec)                           # Cumulative probabilities
dpos <- d[d <= 0.95]                        # Position to stop
region <- p                                 # Initialize the output
region[p < pvec[length(dpos)]] <- NA        # Exclude the last 5% of the probability
plot(region)                                # Display the result

Aqui está a imagem resultante da região de probabilidade de 95% com as probabilidades originais mostradas em cores: elas somam pouco mais de 95%, por construção, e a eliminação mesmo do menor valor reduzirá a soma para menos de 95%. A área branca na parte superior inclui os 5% restantes da probabilidade fora desta região. O contorno desejado é o limite entre as células brancas e as células coloridas.

O mesmo método funcionará em uma grade do KDE.

Não existe uma solução simples do ArcGIS para esse problema.

No ArcGIS ...

• Ferramentas de estatística espacial> Reclassificação> Reclassify Tool
  • Crie 2 métodos de reclassificação:
  • OldValues ​​= 0-94.99 | NewValues ​​= 0
    OldValues ​​= 95-100 | NewValues ​​= 1

Isso criará uma nova varredura com 2 valores, 0 = intervalo de confiança externo, 1 = intervalo de confiança interno de 95%.

• Ferramentas de conversão> Da varredura> Ferramenta Raster para polígono
  • Entrada =
    Campo de varredura reclassificada = Valor

Isso criará um polígono vetorial com 2 FIDs, um com a forma do seu intervalo de confiança de 95% e o outro com a área de varredura restante. Eu sugeriria explorar a opção simplificar para ver quais resultados atenderiam melhor às suas necessidades.

Para sua informação, aplique o mesmo método para obter os polígonos para suas estimativas de densidade Kernal.