El manual de GRASS lee:
v.kernel: genera un mapa de densidad ráster a partir de datos de puntos vectoriales utilizando un núcleo Gaussiano isotrópico 2D en movimiento ...
Ok, pero ¿cómo interpreto los resultados? Entiendo que v.kernel es la función más avanzada que v.neighbor pero no estoy seguro de qué ventajas tiene.
Respuestas:
Los resultados estiman puntos por unidad de área. Como verificación, debe multiplicar los valores de densidad por el área de una celda y sumar estos valores sobre la cuadrícula: el total debe ser igual a la suma de los datos originales. (Estos dos valores a menudo difieren por dos razones, los efectos de límite y la imprecisión numérica. Los efectos de límite se producen porque el mapa de densidad puede extender los datos fuera del borde del mapa y esos valores no se recuperan de la cuadrícula de densidad. Pero las diferencias deberían ser pequeño)
Una imagen que he usado en las clases les pide a los estudiantes que imaginen el grano como un cubo de arena: volteas el cubo en un punto, permitiendo que la arena caiga. La caída apenas ocurre para anchos medios cortos pero es extensa para anchos de banda grandes (tal vez la arena es más húmeda ;-). De todos modos, siempre queda la misma cantidad de arena , no importa cómo se produzca la caída. Ahora vaya a volcar un cubo en la ubicación de cada punto (o, más generalmente, si hay un valor positivo x asociado con cada punto de datos, primero coloque una cantidad de arena en el cubo proporcional a xy luego volcarlo). La arena cae. Se acumula en áreas donde hay muchos cubos. La cuadrícula de densidad le da la altura de la arena apilada en el centro de cada celda de la cuadrícula. Multiplicar esto por el área de una celda estima el volumen de arena que ocupa cada celda. Al sumar este volumen de celda sobre cualquier región (como un bloque del Censo) se estima el volumen total de arena en esa región, que representa la cantidad total de cantidad x que cree que está en la región.
¿Has visto el libro web de Análisis Geoespacial ? Tienen una sección bastante detallada sobre la densidad de puntos , que cubre las funciones gaussianas. Incluso en general siento que es un recurso muy útil.
Aquí hay una forma extremadamente simplificada de pensarlo:
Imagine un tablero de dardos con varios anillos que irradian desde el centro. En cada ubicación del resultado, se calcula una puntuación colocando el tablero de dardos sobre la ubicación y viendo dónde están los puntos del vector en el tablero de dardos. A partir de eso, se cuenta el puntaje y se crea el ráster.
Hay muchas variables sobre cómo se calcula esto:
- el tamaño del tablero de dardos (el núcleo)
- la forma del tablero de dardos (isométrica 2D o "igual en todas las direcciones en x / y", es decir, un círculo plano)
- la forma en que el tablero de dardos asigna puntos (gaussiano implica una distribución 'normal', es decir, puntuaciones más altas a medida que el punto se acerca al centro, en forma de campana)
La ventaja es que calculará una versión mucho más suave sin grandes saltos (discontinuos) que puedan incorporar información con un radio más amplio y más consistente. También se verá menos afectado por las diferencias en tamaño / forma de las áreas utilizadas.
Piense en usar Vecinos más cercanos en los condados: en la costa este son mucho más pequeños que el Medio Oeste, pero el número de vecinos es similar y afectó en gran medida la geometría del límite. ¿Cuál es más denso? Si el radio de su núcleo es de 50 millas, obtendrá una respuesta muy diferente que describe su densidad relativa con mucha más precisión.