Il manuale di GRASS riporta:
v.kernel - Genera una mappa di densità raster dai dati dei punti vettoriali usando un kernel gaussiano isotropico in movimento ...
Ok, ma come posso interpretare i risultati? Comprendo che v.kernel è la funzione più avanzata di v.neighbor ma non sono sicuro di quali vantaggi abbia.
Risposte:
I risultati stimano i punti per unità di area. Come controllo, dovresti moltiplicare i valori di densità per l'area di una cella e sommare questi valori sulla griglia: il totale dovrebbe essere uguale alla somma dei dati originali. (Questi due valori si differenziano spesso per due motivi, effetti al contorno e imprecisione numerica. Gli effetti al contorno si verificano perché la mappa della densità può diffondere i dati dal bordo della mappa e quei valori non vengono recuperati dalla griglia della densità. Ma le differenze dovrebbero essere piccolo.)
Un'immagine che ho usato in classe chiede agli studenti di immaginare il nocciolo come un secchio di sabbia: in un certo momento si capovolge il secchio, permettendo alla sabbia di crollare. Il cedimento si verifica a malapena per mezze larghezze corte ma è esteso per larghezze di banda larghe (forse la sabbia è più bagnata ;-). Indipendentemente da ciò, è sempre la stessa quantità di sabbia rimasta, indipendentemente da come si verifica il crollo. Ora vai a scaricare un bucket nella posizione di ciascun punto (o, più in generale, se è presente un valore positivo x associato a ciascun punto dati, inserisci prima una quantità di sabbia nel bucket proporzionale a xe poi scaricarlo). La sabbia crolla. Si accumula in aree dove ci sono molti secchi. La griglia di densità ti dà l'altezza della sabbia accatastata al centro di ogni cella della griglia. Moltiplicando questo per l'area di una cella si stima il volume di sabbia che occupa ogni cella. Sommando questo volume di cella su qualsiasi regione (come un blocco Censimento) si stima il volume totale di sabbia in quella regione, che rappresenta la quantità totale di quantità x si pensa che sia nella regione.
Hai visto il libro di analisi geospaziale ? Hanno una sezione abbastanza dettagliata sulla densità dei punti , che copre le funzioni gaussiane. Anche in generale ritengo che sia una risorsa molto utile.
Ecco un modo grossolanamente semplificato di pensarci:
Immagina un bersaglio con diversi anelli che si irradiano dal centro. In ogni posizione del risultato, viene calcolato un punteggio posizionando il bersaglio sulla posizione e vedendo dove si trovano i punti vettoriali sul bersaglio. Da ciò viene conteggiato il punteggio e viene realizzato il raster.
Esistono molte variabili su come viene calcolato:
- la dimensione del bersaglio (il kernel)
- la forma del bersaglio (isometrico 2D o "uguale in ogni direzione in x / y", ovvero un cerchio piatto)
- il modo in cui il bersaglio assegna i punti (gaussiano implica una distribuzione "normale", cioè punteggi più alti quando il punto si avvicina al centro, a forma di curva a campana)
Il vantaggio è che calcolerà una versione molto più fluida senza grandi salti (discontinui) che possono contenere informazioni con un raggio più ampio e coerente. Inoltre sarà meno influenzato dalle differenze nelle dimensioni / forma delle aree utilizzate.
Pensa all'utilizzo dei vicini più vicini nelle contee: sulla costa orientale sono molto più piccoli del Midwest, ma il numero di vicini è simile e influenza in gran parte la geometria del confine. Qual è più denso? Se il raggio del tuo kernel è di 50 miglia otterrai una risposta molto diversa che descrive la loro densità relativa in modo molto più accurato.