建筑兔零基础自学记录55|GIS核密度相关参数-9

· 核密度估计（Kernel Density Estmation，KDE）

    认为在一定的空间范围内，某种事件在不同的地理位置上发生的概率是不一样的。

1 带宽/Bandwidth/窗口宽度/搜索半径/BW

    覆盖点的彩色范围，越小越细节越碎片

 对比不同半径区别

对比不同目标的半径选择

实例检测半径和识别中心关系

 可以看到不同带宽的值对于聚类点的数量有显著影响~

2 像元/Pixel

    网格尺寸，越小越精细越慢

3 population 字段/权重字段

     用于指定每个地理要素（如点、线、面）对周围区域密度计算的贡献大小。

    以X市的学校分布为例，现在需要分析学校对周边区域的 “教育资源密度”，而不仅仅是学校数量。例如学校 A 有 2000 名学生，学校 B 有 500 名学生。计算时，学校 A 的权重是 2000，学校 B 的权重是 500。学校 A 周围的像元会因为学生人数多而获得更高的密度值，即使学校数量相同。

也就是需要另外一列数据进行综合占比计算考虑

4 掩膜/Mask

    限制分析范围的工具，只计算特定区域内的地理要素密度

    一般导入的掩膜数据为行政边界

5 自然断点法/Natural Breaks

  将连续的密度值划分为不同等级的分类方法。它通过分析数据本身的分布规律，自动找到 “自然间隙” 作为分类断点，使同类数据内部差异最小，不同类之间差异最大。

研究方法参考：

 手机信令加权，弥补POI难以体现社会经济活动强度的不足，通过对手机信令数据的挖掘，对活动强度高的POI点进行权重提升。