Как интерпретировать результаты GRASS v.kernel?

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.

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.

Вы видели веб-книгу Geospatial Analysis ? У них есть довольно подробный раздел о плотности точек , который охватывает функции Гаусса. Даже в целом я чувствую, что это очень полезный ресурс.

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.