Agrupamento de várias camadas rasterizadas para criar sub-regiões usando o QGIS?

Estou tentando criar n sub-regiões a partir de um polígono com base em uma análise de cluster de várias camadas rasterizadas (camadas físicas, por exemplo: profundidade, correntes, ondas).

Atualmente, posso criar uma grade regular no polígono, extrair atributos físicos das camadas de varredura física (por exemplo: Gridspot ou ferramenta equivalente) e executar uma análise de cluster restrita ao número de n clusters (no R ou em outro pacote de estatísticas).

Então, posso identificar cada grupo de clusters e plotá-los de volta no GIS (QGIS ou ArcMap). Penso, no entanto, que alguns grupos de clusters serão dispersos (outliers espaciais e sem sentido), enquanto outros serão agrupados (dignos de serem uma sub-região).

Eu poderia então desenhar manualmente grupos representativos para criar n sub-regiões.

Existe uma ferramenta como o ArcMap 10.1 Grouping Analysis que pode ser executada no QGIS? Estou apenas executando 10.0.

Existem sugestões de uma maneira melhor de fazer a análise de cluster de várias camadas raster, para criar n sub-regiões (bio-regiões)?

— Seagus
fonte

Não tenho certeza se estou entendendo o papel do polígono. Se você tiver apenas um único polígono, talvez possa apenas recortar os rasters como um pré-processo e, em seguida, executar sua análise de cluster diretamente nos rasters? Presumindo que você crie uma matriz / varredura multidimensional como entrada, você deve recuperar um conjunto de IDs de cluster. Você pode visualizar isso (exibindo a varredura diretamente ou convertendo de volta para uma representação vetorial).

— Roland

Talvez dê uma olhada no clusterPy ?

— Joseph

@ Joseph Eu apenas coloquei a recompensa nisso para tentar ajudar gis.stackexchange.com/questions/176805/…; portanto, se você acha que o clusterPy ajudará, adicione uma resposta.

— PolyGeo

@PolyGeo - clusterPy pode ajudar com este post, pois analisa principalmente clusters em rasters. Mas eu não o usei, então não tenho certeza se isso ajudará apenas com pontos de cluster.

— Joseph

Dê uma olhada neste post - gis.stackexchange.com/questions/159285/…

— jbalk

Parece que seu problema é que os processos de análise de cluster, como k-means em R, não consideram informações espaciais; portanto, é provável que a saída seja dispersa (pelo menos espacialmente!). Você considerou adicionar os valores de linha e coluna de varredura como variáveis adicionais, isso tornaria o algoritmo de cluster 'ciente' da configuração espacial dos dados?

— Andy Harfoot
fonte