gis密度分析和核密度分析区别,gis核密度分析搜索半径单位

　　介绍了如何利用核函数根据点或折线计算单位面积的振幅，并将单点或折线拟合到光滑的圆锥面上。在计算核密度时，可以用障碍物来改变因素的影响。

　　原则核密度分析用于计算每个输出栅格像素周围的点要素密度。

　　从概念上讲，每个点都覆盖着一个光滑的表面。表面值在一个点处最高，随着离该点距离的增大而逐渐减小，在离该点距离等于搜索半径的位置处表面值为零。只能绕圈使用。曲面和曲面底部平面之间的空间体积等于该点的“人口”字段中的值。如果为该字段指定值NONE，则体积为1。每个输出栅格像素的密度是与栅格像素中心重叠的所有核心表面值的总和。核函数基于Silverman的书《1986年版，第76页，equation 4.5》中记载的第4核函数。

　　如果在“人口”字段设置中使用了非无值，则每个项目的值将用于确定计数点的数量。例如，如果值为3，则点数计为三点。该值可以是整数或浮点。

　　默认情况下，根据输入点要素数据的投影定义的线性单位来选择单位，也可以在输出坐标系的配置中以其他方式指定单位。

　　选择输出面积单位系数时，乘以计算出的每英寸像素数对应的系数，写入输出网格。例如，如果输入单位为米，则默认情况下输出面积的单位为平方公里。以米和公里为单位比较比例因子后，相差1000000倍(1,000m x 1,000m)。

　　核密度分析也可用于计算每个输出格网像素附近的线性元素的密度。

　　从概念上讲，每条线都覆盖着光滑的表面。该值在线的位置处最大，随着与线的距离增加而逐渐减小，在与线的距离等于指定搜索半径的位置处为零。因为定义了曲面，所以曲面和它下面的平面所围成的空间的体积等于直线的长度和人口场的值的乘积。每个输出栅格像素的密度是与栅格像素中心重叠的所有核心表面值的总和。电路的核心函数基于Silverman的书《1986年版，第76页，equation 4.5》中记录的四次核心函数。

　　图中显示了线段的表面和覆盖在其上的核心。对线段密度的影响与栅格像素中心的核表面值的影响相同。

　　默认情况下，根据输入折线元素数据投影定义的线性单位选择单位，或者在输出坐标系首选项中指定单位。

　　当指定面积单位因子时，长度单位和面积单位将进行转换。例如，如果输入单位为米，则输出面积单位默认为平方公里，而获得的线密度单位则转换为每平方公里。如果使用米和公里的比例因子进行比较，最终的密度值将相差1000倍。

　　您可以通过手动选择适当的系数来控制点要素和线要素的密度单位。要将密度单位设置为m/m2而不是默认的km/km2，请将面积单位设置为m2。同样，要将输出密度单位设置为英里/平方英里，请将面积单位设置为平方英里。

　　核密度计公式的新(x，y)位置的预测密度由以下公式确定：

　　其中包括：

　　I=1，…，n是输入点。如果它们在(x，y)位置的半径距离内，则只包括总和中的点。

　　Popi是I点人口字段的值，这是一个可选参数。

　　Disti是点I的位置和(x，y)之间的距离。

　　然后将计算出的密度乘以该点，或者乘以人口字段的总和。通过这种修正，空间配额将是点数(或总数或人口字段),而不是始终为1。为了实现这一点，内核被使用了四次(Silverman，1986)。需要为估计密度的每个位置计算一个公式。由于格网已创建，计算将应用于输出格网中每个像素的中心。

　　默认搜索半径(带宽)用于确定默认搜索半径(也称为带宽)的算法如下：

　　计算该点的平均中心。如果指定了人口字段，则此字段和所有后续计算将根据此字段中的值进行加权。

　　计算一个点的(加权)平均中心的距离。

　　计算这些距离的中位数Dm。

　　计算标准距离SD[加权]。

　　使用以下公式计算带宽：

　　其中包括：

　　Dm是[加权]平均中心的[加权]中值距离。

　　n是不使用人口字段的点数。如果指定了人口字段，则n是人口字段中值的总和。

　　SD是标准距离。

　　方程的最小部分代表两个选择中较小的一个(搜索SD或半径方程的选择2)。

　　计算标准距离有两种方法：未加权和未加权。

　　失重距离

　　其中包括：

　　x，y，I，z是元素I的坐标。

　　{x，y，z}表示元素的平均中心。

　　n等于元素的总数。

　　加权距离

　　其中包括：

　　Wi是元素I的重量。

　　{x w，y w，z w}代表加权平均中心。

　　障碍如何影响密度计算在计算输出网格中像素的核密度时，障碍会改变元素的影响。障碍物可以是折线或面要素图层。有两种方法可以影响密度计算，即增加要素和正在计算密度的像素之间的距离，或者从计算中排除要素。

　　如果没有障碍物，则要素与像元之间的距离为最短距离，即两点之间的直线。对于通常由虚线表示的开放障碍，要素和像元之间的路径会受到障碍的影响。在这种情况下，要素和像元之间的距离将通过绕过障碍物而延长，如下图所示。因此，当估计单元处的密度时，元素的影响将减少。通过连接一系列从输入点要素到像元围绕障碍物的直线，创建一条绕过障碍物的路径。绕过障碍物仍然是最短的距离，但是比没有障碍物的距离要长。对于封闭的障碍(通常由完全包含某些要素的面表示),在障碍一侧的像元上计算密度将完全排除障碍另一侧的要素。

　　与无障碍物的核密度运算相比，有障碍物的核密度运算在某些情况下能提供更真实、更准确的结果。例如，在探索两栖动物的分布密度时，悬崖或道路的存在可能会影响它们的运动。您可以使用悬崖或道路作为障碍，以获得更好的密度估计。同样，如果把流经城市的河流视为障碍，对城市犯罪率进行密度分析的结果也可能不同。

　　下图为洛杉矶县深夜交通事故核密度输出(数据取自洛杉矶县GIS数据门户)。无障碍物的密度估计位于左侧(1)，而道路两侧有障碍物的密度估计位于右侧(2)。与使用事故地点之间的最短距离相比，此工具可以通过使用障碍物(沿道路网络测量的距离)来提供更好的密度估计。

　　Python实现：以一个城市公交车站为例；

　　Python密度计算：

　　生成空间核密度估计结果：

　　将栅格数据提取为表格文件：

　　将表格文件导出到excel:

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。