1、点密度分析原理
点密度分析工具用于计算每个输出栅格像元周围的点要素的密度。从概念上讲,每个栅格像元中心的周围都定义了一个邻域,将邻域内点的数量相加,然后除以邻域面积,即得到点要素的密度。
如果 Population 字段设置使用的是 NONE 之外的值,则每项的值用于确定点被计数的次数。例如,值为 3 的项会导致点被算作三个点。值可以为整型也可以为浮点型。如果选择的是面积单位,则计算所得的像元密度将乘以相应因子,然后写入到输出栅格。例如,如果输入地面单位是米,将以米和千米为单位的单位比例因子进行比较,会得到相差 1,000,000 (1,000 米 x 1,000 米) 倍的值。
该工具可用于查明房屋、野生动物观测值或犯罪事件的密度。可使用 population 字段根据要素的重要程度赋予某些点比其他点更大的权重,该字段还允许使用一个点表示多个观测值。例如,一个地址可以表示一栋包含六个独立单元的公寓,或者在确定总体犯罪率时可赋予某些罪行比其他罪行更大的权重。
增大半径不会使计算所得的密度值发生很大变化。虽然更大的邻域内将包含更多的点,但计算密度时点数将除以更大的面积。更大半径的主要影响是计算密度时需要考虑更多的点,这些点可能距栅格像元更远。这样会得到更加概化的输出栅格
2、核密度分析原理
核密度分析用于计算每个输出栅格像元周围的点要素的密度。
概念上,每个点上方均覆盖着一个平滑曲面。在点所在位置处表面值最高,随着与点的距离的增大表面值逐渐减小,在与点的距离等于搜索半径的位置处表面值为零。仅允许使用圆形邻域。曲面与下方的平面所围成的空间的体积等于此点的 Population 字段值,如果将此字段值指定为 NONE 则体积为 1。每个输出栅格像元的密度均为叠加在栅格像元中心的所有核表面的值之和。核函数以 Silverman 的著作(1986 年版,第 76 页,equation 4.5)中描述的四次核函数为基础。
如果 population 字段设置使用的是除 NONE 之外的值,则每项的值用于确定点被计数的次数。例如,值 3 会导致点被算作三个点。值可以为整型也可以为浮点型。
默认情况下,单位是根据输入点要素数据的投影定义的线性单位进行选择的,或是在输出坐标系环境设置中以其他方式指定的。如果选择的是面积单位,则计算所得的像元密度将乘以相应因子,然后写入到输出栅格。
例如,如果输入单位为米,则输出面积单位将默认为平方千米。将以米和千米为单位的单位比例因子进行比较,将得到相差 1,000,000(1,000 米 x 1,000 米)倍的值。
3、点密度和核密度区别概括
二者的区别在与获得密度栅格的算法不同,搜索半径内离中心像元的远近具有不同的权重。点密度是把每个像元的周围都定义了一个邻域,将落入邻域内的点的数量相加,然后除以邻域面积,即得到点要素的密度,邻域内个点权重相同;核密度是通过核函数进行密度计算,中心像元获得最高值,在搜索半径内向周围发散,邻域边界的像元值为0,离中心越近权重越高,反之越低。总的来说,核密度分析计算结果较为平滑。