![Sample our Urban Studies journals, sign in here to start your FREE access for 14 days]({"type":"image" , "src" : "/sda/110826/TOC-Subject-Sample-2021-Urban-Studies.jpg"})
Abstract
Areal interpolation has been developed to provide attribute estimates whenever data compilation or an analysis requires a change in the measurement support. Over time numerous approaches have been proposed to solve the problem of areal interpolation. Quantile regression is used in this study as the basis of the areal interpolator because it provides estimates conditioned on local parameters rather than global ones. An empirical case study is provided using a data set in northern New England. Land cover data, provided by the National Oceanic Atmospheric Administration, derived from remotely sensed images for 2001 captured by the LANDSAT Thematic Mapper at a resolution of 30 × 30 meters, are used for the ancillary variables for the regression model. The utility of quantile regression as an areal interpolation method is evaluated against simple averages, areal weighting, dasymetric interpolation, and ordinary least squares and spatial regression methods. For the empirical data set used in the study, results show that quantile regression was a better interpolator for the given data set but that binary dasymetric interpolation was a close second. These results were only for one data set and further evaluation is necessary before more general conclusions can be made.
La interpolación areal ha sido desarrollada para proveer estimativos de atribución cuandoquiera que la compilación de datos o un análisis requiera un cambio en el apoyo de la medición. Con el tiempo se han propuesto numerosos enfoques para resolver el problema de la interpolación areal. La regresión de cuantiles se utiliza en este estudio como la base de la interpolación areal porque esta proporciona estimativos más condicionados en parámetros locales que en los globales. Se presenta un estudio empírico de caso en el que se utilizó un conjunto de datos referidos a la parte norte de Nueva Inglaterra. Se usaron datos de cobertura del suelo suministrados por la Administración Nacional Oceánica Atmosférica – que habían sido derivados en 2001 de imágenes de percepción remota captadas por el Mapeador Temático LANDSAT a una resolución de 30 × 30 en metros – para las variables auxiliares del modelo de regresión. La utilidad de la regresión de cuantiles como método de interpolación areal es evaluada frente a promedios simples, peso por área, interpolación dasimétrica, mínimos cuadrados ordinarios y métodos de regresión espacial. Para el conjunto de datos empíricos usados en el estudio, los resultados muestran que la regresión de cuantiles fue un mejor interpolador para el conjunto de datos dado, aunque la interpolación binaria dasimétrica estuvo muy cerca en el segundo lugar. Estos resultados se refieren a un solo conjunto de datos, por lo que se hace necesaria una evaluación adicional antes de que se puedan formular conclusiones más generales.