Hướng dẫn sử dụng GRASS đọc:
v.kernel - Tạo bản đồ mật độ raster từ dữ liệu điểm vectơ bằng hạt nhân Gaussian đẳng hướng 2D di chuyển ...
Ok, nhưng làm thế nào để tôi giải thích kết quả? Tôi hiểu rằng v.kernel tiên tiến hơn chức năng v.neighbor nhưng tôi không chắc nó có lợi thế gì.
Câu trả lời:
Các kết quả ước tính điểm trên mỗi đơn vị diện tích. Khi kiểm tra, bạn nên nhân các giá trị mật độ với diện tích của một ô và cộng các giá trị này qua lưới: tổng số phải bằng tổng của dữ liệu gốc. (Hai giá trị này thường khác nhau vì hai lý do, hiệu ứng biên và không chính xác về số. Hiệu ứng biên xảy ra do bản đồ mật độ có thể lan truyền dữ liệu ra khỏi rìa bản đồ và các giá trị đó không được phục hồi từ lưới mật độ. nhỏ
Một hình ảnh tôi đã sử dụng trong các lớp học yêu cầu học sinh tưởng tượng hạt nhân là một thùng cát: bạn nâng cao cái xô tại một điểm, cho phép cát rơi xuống. Sự sụt giảm hầu như không xảy ra đối với các nửa chiều rộng ngắn nhưng rộng cho các độ rộng băng lớn (có thể cát ướt hơn ;-). Bất kể, nó luôn luôn là cùng một lượng cát còn lại, bất kể sự sụt giảm xảy ra như thế nào. Bây giờ, hãy đổ một thùng tại vị trí của từng điểm (hoặc nói chung hơn, nếu có giá trị dương x được liên kết với mỗi điểm dữ liệu, trước tiên hãy đặt một lượng cát vào thùng theo tỷ lệ với xvà sau đó đổ nó). Cát rơi xuống. Nó chất đống ở những nơi có nhiều xô. Lưới mật độ cung cấp cho bạn chiều cao của cát chất đống ở trung tâm của mỗi ô lưới. Nhân số này với diện tích của một ô ước tính khối lượng cát chiếm mỗi ô. Tổng khối lượng tế bào này trên bất kỳ khu vực nào (chẳng hạn như khối Điều tra dân số) ước tính tổng khối lượng cát trong khu vực đó, đại diện cho tổng số lượng x bạn nghĩ là trong khu vực.
Bạn đã xem cuốn sách phân tích không gian địa lý ? Chúng có một phần khá chi tiết về mật độ điểm , bao gồm các hàm Gaussian. Ngay cả nói chung tôi cảm thấy đó là một tài nguyên rất hữu ích.
Đây là một cách đơn giản để suy nghĩ về nó:
Hãy tưởng tượng một phi tiêu với một vài chiếc nhẫn tỏa ra từ trung tâm. Tại mỗi vị trí trong kết quả, một điểm được tính bằng cách đặt bảng phi tiêu lên vị trí đó và xem vị trí của các điểm vectơ trên bảng phi tiêu. Từ đó điểm số được tính và raster được thực hiện.
Có nhiều biến số về cách tính toán này:
- kích thước của phi tiêu (nhân)
- hình dạng của bảng phi tiêu (isometric 2D hoặc 'giống nhau theo mọi hướng trong x / y', tức là một vòng tròn phẳng)
- cách bảng phi tiêu gán điểm (Gaussian ngụ ý phân phối 'bình thường', tức là điểm cao hơn khi điểm càng gần trung tâm, theo hình đường cong hình chuông)
Ưu điểm là nó sẽ tính toán một phiên bản mượt mà hơn mà không cần các bước nhảy lớn (không liên tục) có thể lấy thông tin với bán kính rộng hơn và phù hợp hơn. Nó cũng sẽ ít bị ảnh hưởng bởi sự khác biệt về kích thước / hình dạng của các khu vực được sử dụng.
Hãy suy nghĩ về việc sử dụng Hàng xóm gần nhất trên các hạt: Ở bờ biển phía đông, chúng nhỏ hơn nhiều so với Trung Tây, nhưng số lượng hàng xóm tương tự và ảnh hưởng lớn đến hình học của ranh giới. Cái nào đậm đặc hơn? Nếu bán kính hạt nhân của mình là 50 dặm bạn muốn nhận được một câu trả lời khác nhau nhiều đến nỗi mô tả mật độ tương đối của nhiều chính xác hơn.