Ortalama bir çekirdek yoğunluğu haritasını desteklemek için bir hata haritası nasıl oluşturulur?

KDE'leri aynı uzamsal düzeyde yığılmış noktalarda çalıştırarak ortalama bir çekirdek yoğunluk haritası oluşturdum. Örneğin, aynı şekil ve büyüklükte üç farklı orman boşluğunda fideleri temsil eden üç nokta şekil dosyamız olduğunu varsayalım. Her nokta şekil dosyası için bir KDE çalıştırdım. KDE çıktısı daha sonra, örneğin, Arc tarama hesap ortalama hesaplamak için uzamsal ölçüde göre yığılmış edilmiştir: Float(("KDE1"+"KDE2"+"KDE3")/3). İşte nihai ürün:

Şimdi ortalamalı KDE'lerle ilişkili hatayı gösteren bir harita oluşturmak istiyorum. Hotspot'larla ne kadar hatanın ilişkili olduğunu görsel olarak göstermek için hata haritasını kullanmayı umuyorum (örn. SW hotspot'u tamamen bir boşluktaki noktalardan mı kaynaklanıyor?). Ortalamalı KDE'lerle ilişkili hatanın haritasını nasıl oluşturabilirim? Misiniz MSE bu durumda hatanın en uygun ölçüsü?

Bir Uyarı

Standart bir hata, verilerde sistematik bir hata olmadığında örneklenen verilerden bir belirsizliği tahmin etmenin yararlı bir yoludur . Bu varsayım bu bağlamda şüpheli geçerliliğe sahiptir, çünkü (a) KDE haritaları yerel olarak katmanlar arasında sistematik olarak devam edebilecek kesin hatalara sahip olacak ve (b) çekirdek yarıçapı (veya "bant genişliği" seçimi nedeniyle potansiyel olarak büyük bir belirsizlik bileşeni oluşturacaktır. ") bu haritaların herhangi bir koleksiyonuna hiç yansıtılmayacak.

Bazı Seçenekler

Bununla birlikte, ilgili, birlikte konumlandırılmış ("yığılmış") haritalar koleksiyonundaki değişkenliği göstermek harika bir fikirdir - yeni açıklanan kısıtlamaları hatırlamanız şartıyla. Bu ortamda yerel değişkenlikle ilgili çeşitli önlemler doğal olacaktır:

• Aralık ya additively ifade değerleri (maksimum eksi minimum) veya çarpımsal (maksimum bölünmesi minimum).

• Varyans ve standart sapma değerleri. Bunun çarpımsal versiyonu , değerlerin logaritmalarının varyansı veya standart sapması olacaktır .

• Çeyrekler arası aralık (veya üçüncü çeyreğin birinci çeyreklere oranı) gibi güçlü bir dağılım tahmincisi .

Birçok bakımdan, çarpma önlemleri yoğunluklar için daha uygun olabilir, çünkü dönüm başına 100 ila 101 ağaç arasındaki fark önemsiz olabilirken, dönüm başına 2 ila 1 ağaç arasındaki fark nispeten önemli olabilir. Her ikisi de 101 - 100 = 2 - 1 = 1 aynı (katkı maddesi) aralığını sergiler, fakat 1.01 ve 2.00 çarpım aralıkları büyük ölçüde farklılık gösterir. (Çarpma aralığının her zaman 1'i aştığına dikkat edin, böylece 2.00, 1.01'den 1'den yüz kat daha fazladır.)

Hesaplama

Bu önlemlerin hesaplanması bir tür yerel istatistik gerektirir . Hücre istatistikleri Spatial Analyst işlevselliği farklılıklar, aralıkları ve standart sapmalar hesaplamak. Yerel nicelikler rütbe ile bulunabilir . Hangi rütbeleri kullanacağınız konusunda telaşlı olmak yerine, dörtte birinin yakınında uygun olanları seçin. Bunları bulmak için, n yığındaki ızgara sayısı olsun . Medyan, tam sayı olmayan (n + 1) / 2 rütbesine sahiptir - bu sayı, her ikisinin de medyana yaklaşacağı n / 2 ve n / 2 + 1 derecelerinin ortalaması alınarak hesaplanması gerektiğini gösterir. Çeyreklere yaklaşmak için (n + 1) / 2 yi en yakın tam sayıya yuvarlayın, sonra tekrar 1 ekleyin ve 2'ye bölün. Bu sayının r olmasını sağlayın . kullanımdörtte biri için r ve n + 1 - r .

Örnek olarak, yığının n = 6 ızgarası varsa, (n + 1) / 2 aşağı yuvarlanır 3 ve (3 + 1) / 2 = 2 yuvarlama gerektirmez. Sıralar için r = 2 ve r = 6 + 1 - 2 = 5 kullanın. Aslında, bu prosedür her bir hücrede altı değerin ikinci en düşük ( r = 2) ve ikinci en yüksek ( r = 5) değerini döndürür . Farklarını veya oranlarını eşleyebilirsiniz.