วิธีการสร้างแผนที่ความผิดพลาดเพื่อรองรับแผนที่ความหนาแน่นเคอร์เนลเฉลี่ย?


10

ฉันสร้างแผนที่ความหนาแน่นเคอร์เนลโดยเฉลี่ยโดยใช้ KDE บนจุดที่ซ้อนกันภายในขอบเขตเชิงพื้นที่เดียวกัน ตัวอย่างเช่นสมมติว่าเรามีรูปร่างสามจุดที่แสดงถึงต้นกล้าในช่องว่างป่าสามแห่งที่มีรูปร่างและขนาดเท่ากัน ฉันใช้ KDE สำหรับแต่ละไฟล์รูปร่างจุด เอาท์พุทจาก KDE Float(("KDE1"+"KDE2"+"KDE3")/3)ถูกซ้อนจากนั้นขึ้นอยู่กับขอบเขตพื้นที่ในการสั่งซื้อในการคำนวณค่าเฉลี่ยในเครื่องคิดเลขแรสเตอร์อาร์ตัวอย่างเช่น: นี่คือผลิตภัณฑ์สุดท้าย:

ป้อนคำอธิบายรูปภาพที่นี่

ตอนนี้ฉันสนใจที่จะสร้างแผนที่ที่แสดงถึงข้อผิดพลาดที่เกี่ยวข้องกับ KDE เฉลี่ย ฉันหวังว่าจะใช้แผนที่ข้อผิดพลาดเพื่อแสดงให้เห็นว่าข้อผิดพลาดเกี่ยวข้องกับฮอตสปอตมากน้อยเพียงใด (เช่นฮอตสปอต SW นั้นเกิดจากจุดทั้งหมดในช่องว่างเดียว) ฉันจะสร้างแผนที่ข้อผิดพลาดที่เกี่ยวข้องกับ KDE เฉลี่ยได้อย่างไร หากว่าMSEเป็นมาตรการที่เหมาะสมที่สุดของข้อผิดพลาดในกรณีนี้หรือไม่?


3
เป็นการวิเคราะห์ที่น่าสนใจมาก "ข้อผิดพลาดมาตรฐาน" หมายความว่าอย่างไร การเบี่ยงเบนบางอย่าง (แตกต่าง) แต่ละแผนที่ความหนาแน่นจากเลเยอร์ "หมายถึง"?
วิเคราะห์ภูมิทัศน์

@ วิเคราะห์ภูมิทัศน์โพสต์แก้ไขเพื่อแสดงความคิดเห็น ใช่ฉันคิดว่าการประมาณค่า MSE อาจเหมาะสมที่สุดในกรณีนี้ เป็นหลักโดยแสดงให้เห็นว่า KDE แต่ละตัวแตกต่างจาก KDE ทั่วไปอย่างไร ฉันไม่แน่ใจว่าจะรวมสิ่งนี้เข้าด้วยกันอย่างไรโดยใช้ ArcGIS และ / หรือการเขียนสคริปต์
แอรอน

คำตอบ:


8

คำเตือน

ข้อผิดพลาดมาตรฐานเป็นวิธีที่มีประโยชน์ในการประเมินความไม่แน่นอนจากข้อมูลตัวอย่างเมื่อไม่มีข้อผิดพลาดอย่างเป็นระบบในข้อมูล สมมติฐานที่มีความถูกต้องน่าสงสัยในบริบทนี้เพราะ (ก) แผนที่ KDE จะในประเทศมีข้อผิดพลาดแน่นอนที่อาจยังคงมีอยู่อย่างเป็นระบบในหมู่ชั้นและ (ข) เป็นองค์ประกอบใหญ่ที่อาจเกิดขึ้นของความไม่แน่นอนเนื่องจากทางเลือกของเคอร์เนลรัศมี (หรือ "แบนด์วิดธ์ ") จะไม่ปรากฏให้เห็นเลยในคอลเล็กชันที่ได้รับจากแผนที่เหล่านี้

ทางเลือกบางอย่าง

อย่างไรก็ตามการแสดงความแปรปรวนระหว่างกลุ่มของแผนที่ที่เกี่ยวข้อง collocated ("stacked") เป็นความคิดที่ดีหากคุณจำข้อ จำกัด ที่อธิบายไว้ มาตรการหลายประการของความแปรปรวนในท้องถิ่นจะเป็นไปตามธรรมชาติในการตั้งค่านี้รวมถึง:

  • ช่วงของค่าแสดงทั้ง additively (สูงสุดลบขั้นต่ำ) หรือ multiplicatively (สูงสุดโดยแบ่งขั้นต่ำ)

  • แปรปรวนหรือเบี่ยงเบนมาตรฐานของค่า รุ่นคูณของนี่จะเป็นความแปรปรวนหรือค่าเบี่ยงเบนมาตรฐานของลอการิทึมของค่า

  • ตัวประมาณการกระจายตัวที่แข็งแกร่งเช่นช่วงระหว่างควอไทล์ (หรืออัตราส่วนของควอไทล์ที่สามถึงที่หนึ่ง)

ในหลาย ๆ ประเด็นมาตรการคูณอาจเหมาะสมกว่าสำหรับความหนาแน่นเนื่องจากความแตกต่างระหว่าง (พูด) 100 และ 101 ต้นต่อเอเคอร์อาจไม่สำคัญในขณะที่ความแตกต่างระหว่าง 2 และ 1 ต้นต่อเอเคอร์อาจค่อนข้างสำคัญ ทั้งคู่แสดงช่วง (สารเติมแต่ง) เดียวกันที่ 101 - 100 = 2 - 1 = 1 แต่ช่วงการคูณที่ 1.01 และ 2.00 นั้นแตกต่างกันอย่างมาก (ขอให้สังเกตว่าช่วงทวีคูณมักจะเกิน 1 ดังนั้น 2.00 จะเพิ่มขึ้นหนึ่งร้อยเท่าจาก 1 มากกว่า 1.01 คือ)

การคำนวณ

การคำนวณมาตรการเหล่านี้จำเป็นต้องใช้รูปแบบของสถิติท้องถิ่น สถิติเซลล์การทำงานในเชิงพื้นที่นักวิเคราะห์จะคำนวณความแปรปรวนช่วงและค่าเบี่ยงเบนมาตรฐาน quantiles ท้องถิ่นสามารถพบกับยศ แทนที่จะเป็นเรื่องจุกจิกเกี่ยวกับการใช้อันดับเลือกสิ่งที่สะดวกใกล้กับควอไทล์ หากต้องการค้นหาให้nเป็นจำนวนกริดในสแต็ก ค่ามัธยฐานมีอันดับ (n + 1) / 2 - ซึ่งอาจไม่ใช่จำนวนเต็มบ่งบอกว่าควรคำนวณโดยหาค่าเฉลี่ยของ n / 2 และ n / 2 + 1 ซึ่งทั้งสองจะประมาณค่ามัธยฐาน ที่ใกล้เคียงกับควอไทล์แล้วรอบ (n + 1) / 2 ลงไปทั้งจำนวนที่ใกล้ที่สุดแล้วอีกครั้งเพิ่ม 1 และหารด้วย 2 ให้หมายเลขนี้จะเป็นR ใช้rและn + 1 - rสำหรับการจัดอันดับของควอไทล์

ตัวอย่างเช่นหากสแต็กมีn = 6 กริด (n + 1) / 2 ปัดเศษลงเป็น 3 และ (3 + 1) / 2 = 2 ไม่จำเป็นต้องปัดเศษ ใช้r = 2 และr = 6 + 1 - 2 = 5 สำหรับอันดับ ในขั้นตอนนี้จะส่งคืนค่าต่ำสุดที่สอง ( r = 2) และค่าสูงสุดที่สอง ( r = 5) ของค่าหกค่าในแต่ละเซลล์ คุณสามารถแมปความแตกต่างหรืออัตราส่วนของพวกเขา


2
ฉันคิดว่าสัมประสิทธิ์การแปรผันจะมีประโยชน์ในบริบทนี้
Jeffrey Evans

1
@jeffrey ขอบคุณที่พิจารณาด้วย CV ได้มาจากการหารกริดเบี่ยงเบนมาตรฐาน (ท้องถิ่น) โดยกริดเฉลี่ย (โลคัล) ฉันไม่ได้พูดถึงเรื่องนี้ แต่สำหรับบทสรุปที่ซ้ำซ้อนเช่นนั้นควรใช้ความระมัดระวังเพื่อปกปิดพื้นที่ที่ตัวส่วน (ค่าเฉลี่ยหรือต่ำสุดแล้วแต่กรณี) ใกล้เคียงกับศูนย์: ผลลัพธ์อาจไม่น่าเชื่อถือและมีแนวโน้ม จะไม่สะท้อนสิ่งอื่นใดนอกจากความไม่เที่ยงตรงเชิงตัวเลขและความคลาดเคลื่อนเล็กน้อยในการประมาณเมล็ด
whuber

@whuber คุณช่วยอธิบายเกี่ยวกับ (ก) ในย่อหน้าแรกของคุณได้หรือไม่? ตัวอย่างเช่นคุณหมายถึงข้อผิดพลาดในเทคนิคการเก็บรวบรวมข้อมูลที่อาจจะยังคงข้ามช่องว่างแต่ละป่า (และดังนั้นจึงเป็นระบบที่ประจักษ์ตัวเองในแต่ละ KDE แรสเตอร์) หรือข้อผิดพลาดที่เชื่อมโยงกับการดำเนินงานของฟังก์ชั่นโฟกัส?
MannyG

@whuber ความคิดที่ดีรอบ ๆ - ขอบคุณมาก!
แอรอน
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.