¿Cuál es la mejor manera de visualizar datos geo-temporales (o espaciotemporales)?

Answer 1

Un método que podría funcionar bien para usted es agrupar los datos en regiones geográficas e intervalos temporales, luego visualizar los datos agregados (por ejemplo, conteo, promedio). Por ejemplo, podría agrupar los datos en una cuadrícula espacial 2D, y podría agrupar los puntos de tiempo en grupos de un segundo. Luego, en lugar de trazar todos los 1,000,000 puntos, puede trazar una representación de un resumen agrupado de esos puntos, por ejemplo, una cuadrícula de 1000 cuadrados, cada uno mostrando cuántos puntos hay en cada uno.

Este documento académico describe este enfoque en detalle y tiene una gran sección de información general sobre “Métodos de reducción de Big Data”: imMens | Stanford Vis Group

Además, aquí hay una visualización que muestra datos similares agregados por país y por año, utilizando una línea de tiempo vinculada y un mapa de coropletas: Coropletas vinculadas

Esto es interactivo cuando al pasar el ratón sobre un punto en el tiempo, el mapa solo muestra datos para ese segmento de tiempo.

Todo lo mejor,
Curran

Answer 2

Los nanocubos son una forma poderosa de visualizar de manera eficiente conjuntos de datos espaciotemporales muy grandes (en los miles de millones de puntos) en el hardware de computadora típico. Su sitio web (Nanocubes) describe cómo funciona este software. Es de código abierto (laurolins / nanocube) y está destinado a proporcionar una visualización interactiva, lo que permite al usuario acercarse o alejarse rápidamente de un mapa y ver las estadísticas de una ubicación. Esto se muestra en la imagen a continuación, que proviene de un video de 3 minutos que describe las capacidades de visualización (Página en youtube.com).

Tal método de visualización sería muy útil para visualizar sus datos de calidad del aire. Podrías visualizar fácilmente pm10 junto con pm2.5 y más. Además, también hay una versión de Java de este software (vmarcinko / nanocubes); La versión original está en C ++ y tiene más documentación.

Answer 3

Consideraría convertir este conjunto de datos en una animación. Incluso a 50 cuadros por segundo, esto resultaría en una película de 4.5 minutos. No subestime el poder del ojo humano para detectar cosas interesantes en una animación (por supuesto, solo puede reproducir a 10 fps, que luego sería una película divertida de 20 minutos para ver).
Yo sugeriría generar un jpeg del conjunto de datos utilizando python´s matplotlib (ploteo de python – Matplotlib 1.4.3 documentación), con nuestras extensiones de mapa de mapa base (¡Bienvenido a la documentación de Matplotlib Basemap Toolkit!), Y trazar los datos como diagrama de dispersión, o como un mapa de calor. Matplotlib puede guardar cada trama en un archivo. Luego convierta esto en un mpeg, mov, mp4 o algo, y reprodúzcalo. Busque “stopmotion” como se sugiere aquí para convertir imágenes jpg en un video.
Cosas similares deberían ser posibles en R.
Además, javascript y D3 (D3.js – Documentos dirigidos por datos) pueden animar fácilmente los datos o volver a cargarlos en el gráfico.
Por último, pero no menos importante, tableau (Tableau Software) y jmp (Estadísticas – Análisis de datos – DOE – Six Sigma) pueden hacer trazados en mapas y animar trazados basados ​​en un atributo, aunque ambos cuestan dinero.

Answer 4

A veces tu mejor respuesta no es un mapa en absoluto. Esto suena como algo que funcionaría mucho mejor como gráfico o visualización. Comience a pensar qué historia necesita contar a partir de los datos. ¿Necesitas saber dónde varía el rango? ¿O que muestran un aumento constante con el tiempo? Etc. pedir esto debería sacarte de la cabeza un poco y ayudarte a decidir cómo mostrar una historia, no necesariamente todos los datos. Porque literalmente en este momento, no puedes ver la madera de los árboles

Answer 5

Use algún tipo de herramienta gráfica en 3D, como una representación geofísica de la Tierra. Haga un ‘cubo de velocidad’ o, en este caso, un ‘cubo de datos’ para visualizar los datos para que el ojo pueda ver y descubrir tendencias. Como ingeniero y geólogo, visualizo los metadatos en algún tipo de cubo o gráfico según la cantidad de datos.

Buena suerte