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.
¿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.
fuente
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.
fuente