4、GeoTrellis-核密度估值

geotrellis官方大概意思是說核密度是一種將點(diǎn)要素的集合(矢量數(shù)據(jù))轉(zhuǎn)換為柵格數(shù)據(jù)的一種方法誓竿,具體核密度估值的資料可以從百度上查詢,我數(shù)學(xué)也一般大概知道是什么意思但也不是熟悉谈截。

從網(wǎng)上找的一段解釋筷屡,文章來源于:
http://support.supermap.com.cn/DataWarehouse/WebDocHelp/iDesktop/Features/Analyst/Raster/KernelDensityAnalysis.htm

核密度分析用于計(jì)算點(diǎn)、線要素測量值在指定鄰域范圍內(nèi)的單位密度簸喂。簡單來說毙死,它能直觀的反映出離散測量值在連續(xù)區(qū)域內(nèi)的分布情況。其結(jié)果是中間值大周邊值小的光滑曲面喻鳄,柵格值即為單位密度扼倘,在鄰域邊界處降為0。
核密度分析可用于計(jì)算人口密度除呵、建筑密度再菊、獲取犯罪情況報(bào)告、旅游區(qū)人口密度監(jiān)測颜曾、連鎖店經(jīng)營情況分析等等纠拔。例如:
某街區(qū)分布了多棟高層公寓及住宅,已知每棟的入住人數(shù)泛啸,想要了解街區(qū)內(nèi)各處的人口分布情況,即可使用此功能秃症,相當(dāng)于將每棟樓的人口數(shù)量以核函數(shù)的變化趨勢分布到指定的圓形鄰域內(nèi)候址,重疊區(qū)域進(jìn)行加和,最后得到街區(qū)內(nèi)各處的人口密度种柑。而人口密度結(jié)果可用于店鋪選址決策岗仑、犯罪率估算等。
某地區(qū)有多家店面的連鎖零售店聚请,假定顧客會(huì)根據(jù)路程的遠(yuǎn)近來選擇光顧哪家店面荠雕,假定任何一個(gè)顧客總是會(huì)選擇最近的那家店面稳其。根據(jù)顧客到店面的距離字段,得出各個(gè)店面顧客分布情況的柵格面炸卑。
某地區(qū)準(zhǔn)備修建道路(或者公用設(shè)施管線)既鞠,可根據(jù)道路(或管線)對(duì)野生動(dòng)物棲息地的影響字段,計(jì)算道路(管線)對(duì)野生動(dòng)物棲息地造成影響盖文。


在這里插入圖片描述

核密度估值示例代碼:

package com.scrdny
import geotrellis.raster._
import geotrellis.raster.mapalgebra.focal.Kernel
import geotrellis.vector.{Extent, Feature, Point, PointFeature}
import scala.util.Random
object demo3 {
  def main(args:Array[String]): Unit = {
    val extent = Extent(-109, 37, -102, 41);

    def randomPointFeature(extent: Extent): PointFeature[Double] = {
      def randInRange (low: Double, high: Double): Double = {
        val x = Random.nextDouble
        low * (1-x) + high * x
      }
      Feature(Point(randInRange(extent.xmin, extent.xmax),
        randInRange(extent.ymin, extent.ymax)),
        Random.nextInt % 16 + 16)
    }
    val pts = (for (i <- 1 to 1000) yield randomPointFeature(extent)).toList;
    println(pts);
    val kernelWidth: Int = 9;
    val kern: Kernel = Kernel.gaussian(kernelWidth, 1.5, 25);
    val kde: Tile = pts.kernelDensity(kern, RasterExtent(extent, 700, 400));
    val colorMap = ColorMap(
      (0 to kde.findMinMax._2 by 4).toArray,
      ColorRamps.HeatmapBlueToYellowToRedSpectrum
    )
    kde.renderPng(colorMap).write("/Users/mocker/Downloads/test.tif")
  }

1嘱蛋、先randomPointFeature在范圍生成隨機(jī)的點(diǎn)。for循環(huán)中的yield主要作用記住每次迭代數(shù)據(jù)的值五续,保存在集合中洒敏,循環(huán)結(jié)束后將返回該集合。

在這里插入圖片描述

2疙驾、使用核密度函數(shù)處理數(shù)據(jù)凶伙,并生成一個(gè)700 * 400分辨率的柵格地圖,

在這里插入圖片描述

3它碎、輸出地圖函荣,輸出的格式可以選擇為png圖片,或者tif柵格链韭。

在這里插入圖片描述

4偏竟、查看生成的柵格地圖,放大之后查看可以發(fā)現(xiàn)每一塊都是九個(gè)像素點(diǎn)敞峭,也是通過val kernelWidth: Int = 9;設(shè)置的踊谋。

在這里插入圖片描述

在這里插入圖片描述
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市旋讹,隨后出現(xiàn)的幾起案子殖蚕,更是在濱河造成了極大的恐慌,老刑警劉巖沉迹,帶你破解...
    沈念sama閱讀 207,113評(píng)論 6 481
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件睦疫,死亡現(xiàn)場離奇詭異,居然都是意外死亡鞭呕,警方通過查閱死者的電腦和手機(jī)蛤育,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,644評(píng)論 2 381
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來葫松,“玉大人瓦糕,你說我怎么就攤上這事∫该矗” “怎么了咕娄?”我有些...
    開封第一講書人閱讀 153,340評(píng)論 0 344
  • 文/不壞的土叔 我叫張陵,是天一觀的道長珊擂。 經(jīng)常有香客問我圣勒,道長费变,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 55,449評(píng)論 1 279
  • 正文 為了忘掉前任圣贸,我火速辦了婚禮挚歧,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘旁趟。我一直安慰自己昼激,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 64,445評(píng)論 5 374
  • 文/花漫 我一把揭開白布锡搜。 她就那樣靜靜地躺著橙困,像睡著了一般。 火紅的嫁衣襯著肌膚如雪耕餐。 梳的紋絲不亂的頭發(fā)上凡傅,一...
    開封第一講書人閱讀 49,166評(píng)論 1 284
  • 那天,我揣著相機(jī)與錄音肠缔,去河邊找鬼夏跷。 笑死,一個(gè)胖子當(dāng)著我的面吹牛明未,可吹牛的內(nèi)容都是我干的槽华。 我是一名探鬼主播,決...
    沈念sama閱讀 38,442評(píng)論 3 401
  • 文/蒼蘭香墨 我猛地睜開眼趟妥,長吁一口氣:“原來是場噩夢啊……” “哼猫态!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起披摄,我...
    開封第一講書人閱讀 37,105評(píng)論 0 261
  • 序言:老撾萬榮一對(duì)情侶失蹤亲雪,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后疚膊,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體义辕,經(jīng)...
    沈念sama閱讀 43,601評(píng)論 1 300
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,066評(píng)論 2 325
  • 正文 我和宋清朗相戀三年寓盗,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了灌砖。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 38,161評(píng)論 1 334
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡傀蚌,死狀恐怖基显,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情喳张,我是刑警寧澤续镇,帶...
    沈念sama閱讀 33,792評(píng)論 4 323
  • 正文 年R本政府宣布美澳,位于F島的核電站销部,受9級(jí)特大地震影響摸航,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜舅桩,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,351評(píng)論 3 307
  • 文/蒙蒙 一酱虎、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧擂涛,春花似錦读串、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,352評(píng)論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至狰右,卻和暖如春杰捂,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背棋蚌。 一陣腳步聲響...
    開封第一講書人閱讀 31,584評(píng)論 1 261
  • 我被黑心中介騙來泰國打工嫁佳, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人谷暮。 一個(gè)月前我還...
    沈念sama閱讀 45,618評(píng)論 2 355
  • 正文 我出身青樓蒿往,卻偏偏與公主長得像,于是被迫代替她去往敵國和親湿弦。 傳聞我的和親對(duì)象是個(gè)殘疾皇子瓤漏,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 42,916評(píng)論 2 344