Làm cách nào để tạo bản đồ lỗi để hỗ trợ bản đồ mật độ hạt nhân trung bình?

Tôi đã tạo một bản đồ mật độ hạt nhân trung bình bằng cách chạy KDE trên các điểm được xếp chồng lên nhau trong cùng phạm vi không gian. Ví dụ, giả sử chúng ta có các shapefile ba điểm đại diện cho cây con trong ba khoảng trống rừng khác nhau có cùng hình dạng và kích thước. Tôi đã chạy một KDE cho mỗi shapefile điểm. Đầu ra từ KDE sau đó được xếp chồng lên nhau dựa trên phạm vi không gian để tính trung bình trong máy tính raster của Arc, ví dụ : Float(("KDE1"+"KDE2"+"KDE3")/3). Dưới đây là những sản phẩm cuối cùng:

Bây giờ tôi quan tâm đến việc tạo bản đồ mô tả lỗi liên quan đến các KDE trung bình. Tôi hy vọng sử dụng bản đồ lỗi để mô tả trực quan có bao nhiêu lỗi được liên kết với các điểm nóng (ví dụ: điểm nóng SW hoàn toàn do các điểm trong một khoảng cách?). Tôi nên tạo bản đồ về lỗi liên quan đến các KDE trung bình như thế nào? Would MSE là biện pháp thích hợp nhất của lỗi trong trường hợp này?

Một cảnh báo

Lỗi tiêu chuẩn là một cách hữu ích để ước tính độ không đảm bảo từ dữ liệu được lấy mẫu khi không có lỗi hệ thống trong dữ liệu. Giả định đó có hiệu lực đáng ngờ trong bối cảnh này, bởi vì (a) các bản đồ KDE sẽ có các lỗi xác định cục bộ có thể tồn tại một cách có hệ thống giữa các lớp và (b) một thành phần không chắc chắn rất lớn do sự lựa chọn bán kính hạt nhân (hoặc "băng thông ") Sẽ không được phản ánh ở tất cả các bộ sưu tập các bản đồ này.

Một số lựa chọn

Tuy nhiên, miêu tả sự thay đổi giữa một tập hợp các bản đồ liên quan, được sắp xếp ("xếp chồng") là một ý tưởng tuyệt vời - miễn là bạn nhớ các giới hạn vừa mô tả. Một số biện pháp biến đổi cục bộ sẽ là tự nhiên trong cài đặt này, bao gồm:

• Các dải các giá trị, thể hiện một trong hai lối cộng (tối đa trừ tối thiểu) hoặc multiplicatively (tối đa chia cho tối thiểu).

• Phương sai hoặc độ lệch chuẩn của các giá trị. Phiên bản nhân của điều này sẽ là phương sai hoặc độ lệch chuẩn của logarit của các giá trị.

• Một công cụ ước tính mạnh về độ phân tán, chẳng hạn như phạm vi giữa các phần (hoặc tỷ lệ của phần tư thứ ba so với phần tư thứ nhất).

Trong nhiều khía cạnh, các biện pháp nhân có thể phù hợp hơn với mật độ, bởi vì sự khác biệt giữa (100) 101 cây trên một mẫu Anh có thể không quan trọng trong khi chênh lệch giữa 2 và 1 cây trên một mẫu Anh có thể tương đối quan trọng. Cả hai đều thể hiện cùng một phạm vi (phụ gia) 101 - 100 = 2 - 1 = 1, nhưng phạm vi nhân của chúng là 1,01 và 2,00 khác nhau đáng kể. (Lưu ý rằng phạm vi nhân luôn vượt quá 1, sao cho 2,00 gấp một trăm lần so với 1 so với 1,01.)

Tính toán

Việc tính toán các biện pháp này đòi hỏi một số hình thức thống kê địa phương. Các thống kê di động chức năng trong Spatial Analyst sẽ tính toán chênh lệch, phạm vi, và độ lệch chuẩn. Các lượng tử địa phương có thể được tìm thấy với thứ hạng . Thay vì cầu kỳ về việc sử dụng thứ hạng nào, hãy chọn những thứ thuận tiện gần các bộ tứ. Để tìm chúng, hãy n là số lưới trong ngăn xếp. Trung vị có thứ hạng (n + 1) / 2 - có thể không phải là một số nguyên, cho biết nó nên được tính bằng cách lấy trung bình các cấp bậc n / 2 và n / 2 + 1, một trong hai sẽ xấp xỉ trung vị. Để tính gần đúng các phần tư, sau đó, làm tròn (n + 1) / 2 xuống số nguyên gần nhất, sau đó thêm 1 và chia cho 2. Đặt số này là r . Sử dụngr và n + 1 - r cho các cấp bậc của tứ phân vị.

Ví dụ, nếu ngăn xếp có n = 6 lưới, (n + 1) / 2 làm tròn xuống là 3 và (3 + 1) / 2 = 2 không cần làm tròn. Sử dụng r = 2 và r = 6 + 1 - 2 = 5 cho các cấp bậc. Trong thực tế, quy trình này sẽ trả về giá trị thấp nhất thứ hai ( r = 2) và cao thứ hai ( r = 5) trong sáu giá trị ở mỗi ô. Bạn có thể ánh xạ sự khác biệt hoặc tỷ lệ của chúng.