ABSTRACT

Regionalization is the task of partitioning a set of contiguous areas into spatial clusters or regions. The theoretical and empirical literature focusing on regionalization is extensive, yet few quantitative comparisons have been conducted. We present a simulation study and explore the quality of frequently used and state-of-the-art regionalization algorithms, namely AZP, AZP-SA, AZPTabu, ARISEL, REDCAP, and SKATER, where the number of regions is an exogenous variable. The simulated benchmark data set consists of model realizations that represent various complexities in spatial data. Model families are defined with respect to regions’ shapes, value-mixing between regions, and the number of underlying spatial clusters. We evaluate the performance of different regionalization methods for realizations families using internal and external measures of regionalization quality. A large number of regionalization quality metrics expose a detailed profile of the analyzed methods’ strengths and weaknesses. We investigate the computational efficiency of every method as a function of the number of spatial units studied. We summarize results for different region families and discuss circumstances that make a certain method more desirable. We illustrate different regionalization algorithms’ implications on defining ecological regions for the conterminous US and compare them against expert-defined ecoregions.

摘要

区域化是将一组连续区域划分为空间集群或区域的任务。关注区域化的理论和实证文献广泛，但很少进行定量比较。我们提出了一项模拟研究并探索了常用和最先进的区域化算法的质量，即 AZP、AZP-SA、AZPTabu、ARISEL、REDCAP 和 SKATER，其中区域数量是一个外生变量。模拟基准数据集由代表空间数据中各种复杂性的模型实现组成。模型族是根据区域的形状、区域之间的价值混合以及底层空间集群的数量来定义的。我们使用区域化质量的内部和外部度量来评估实现系列的不同区域化方法的性能。大量区域化质量指标揭示了所分析方法的优势和劣势的详细概况。我们将每种方法的计算效率作为所研究的空间单元数量的函数进行研究。我们总结了不同区域家庭的结果，并讨论了使某种方法更可取的情况。我们说明了不同的区域化算法对定义美国本土生态区域的影响，并将它们与专家定义的生态区域进行比较。我们将每种方法的计算效率作为所研究的空间单元数量的函数进行研究。我们总结了不同区域家庭的结果，并讨论了使某种方法更可取的情况。我们说明了不同的区域化算法对定义美国本土生态区域的影响，并将它们与专家定义的生态区域进行比较。我们将每种方法的计算效率作为所研究的空间单元数量的函数进行研究。我们总结了不同区域家庭的结果，并讨论了使某种方法更可取的情况。我们说明了不同的区域化算法对定义美国本土生态区域的影响，并将它们与专家定义的生态区域进行比较。