Как интерпретировать результаты GRASS v.kernel?


10

Руководство GRASS гласит:

v.kernel - Создает карту плотности растра из векторных данных точек, используя движущееся двумерное изотропное ядро ​​Гаусса ...

Хорошо, но как мне интерпретировать результаты? Я понимаю, что v.kernel является более продвинутой, чем функция v.neighbor, но я не уверен, какие преимущества она имеет.

Ответы:


14

Результаты оценивают баллы на единицу площади. В качестве проверки вы должны умножить значения плотности на площадь ячейки и сложить эти значения по сетке: общая сумма должна равняться сумме исходных данных. (Эти два значения часто отличаются по двум причинам, граничным эффектам и неточности чисел. Граничные эффекты возникают потому, что карта плотности может распространять данные за пределы карты, и эти значения не восстанавливаются из сетки плотности. Но различия должны быть маленьким.)

Одно изображение, которое я использовал в классах, просит учеников представить ядро ​​как ведро с песком: вы переворачиваете ведро в точке, позволяя песку осыпаться. Спад едва происходит для коротких полуширин, но он велик для больших ширин (возможно, песок влажнее ;-). Несмотря на это, всегда остается одинаковое количество песка , независимо от того, как происходит спад. Теперь перейдите к дампу одного контейнера в месте каждой точки (или, в более общем случае, если с каждой точкой данных связано положительное значение x , сначала поместите количество песка в корзину, пропорциональное xа потом сбрось) Песок осыпается. Он накапливается в областях, где много ведер. Сетка плотности дает вам высоту сложенного песка в центре каждой ячейки сетки. Умножая это на площадь ячейки, оцениваем объем песка, занимающий каждую ячейку. Суммирование объема этой ячейки по любому региону (например, блоку переписи) дает оценку общего объема песка в этом регионе, который представляет общее количество x, которое, по вашему мнению, находится в регионе.


1
+1 - я всегда ищу альтернативные варианты объяснения для студентов (и меня ...), и эта аналогия превосходна.
Симбамангу


2

Вот чрезвычайно упрощенный способ думать об этом:

Представьте себе дартс с несколькими кольцами, выходящими из центра. Для каждого местоположения в результате вычисляется оценка путем помещения дротика поверх этого местоположения и просмотра местоположения векторных точек на дартс. Из этого подсчитывается счет и создается растр.

Есть много переменных, как это вычисляется:

- размер мишени (ядро)

- форма мишени (2D изометрическая или «одинаковая во всех направлениях по x / y», т.е. плоский круг)

- способ, которым дартс назначает точки (гауссово подразумевает «нормальное» распределение, то есть более высокие оценки, когда точка приближается к центру, в форме кривой колокола)

Преимущество состоит в том, что он будет вычислять гораздо более плавную версию без больших (прерывистых) переходов, которые могут получать информацию с более широким и более постоянным радиусом. Это также будет меньше затронуто различиями в размере / форме используемых областей.

Подумайте об использовании Ближайших соседей в округах: на восточном побережье они намного меньше, чем на Среднем Западе, но число соседей схоже и в значительной степени влияет на геометрию границы. Какой из них более плотный? Если радиус вашего ядра составляет 50 миль, вы получите совершенно другой ответ, который намного точнее описывает их относительную плотность.

Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.