白话空间统计二十一：密度分析（一）

密度分析这个概念其实很早就想写了，也有无数同学都问过我，虾神你能不能讲讲那些漂亮的热度图是怎么做的啊？比如下面这种：

如果说，这是互联网地图里面，最让人喜闻乐见的一种空间分析模式（或者是看热闹的同学就认为是一种漂亮的可视化方式也行），让以百度热力地图为代表的这种可视化方式，成为了即缓冲查询和路径分析之后，最为广大人民群众所熟知的一种空间分析方式。

那么既然大家这么关心，所以我觉得花一段不短的时间，来把密度分析这个东西从头到尾讲一遍。继续虾神一贯的方式，我们仅仅是作为科普和入门。更深入的东西，需要大家自己去研究和学习。

嗯，开始之前，还是用GIS专业术语给大家说一句：上面那个东东，不叫热点分析，叫做热度图……具体的内容请去看虾神公众号里面白话空间统计十九：热点分析。

首先，我们来简单看看密度这个概念——中学物理说得很清楚了，单位体积内的质量就叫做密度：而且最重要的一点，密度不是绝对数值，而是一个相对值。

比如物理上面的密度，都是以水为基准单位的，如果说水的密度为1（（在常温常压下，单位g/cm3），那么铁的密度是7.8，这个7.8就是指与水相比较得出来的。同等体积的铁是同等体积的水的质量的7.8倍。

OK，物理上的对比非常容易，那么是不是空间上也是一样呢？实际上很多分析里面，都直接套用了物理上的一些思维，比如：人口密度，普遍的计算方法就是以平方公里为单位，来进行计算，得出的结果一般都是下面这样的示意图：

这种对比方式，可以较为明显识别世界上各个区域的人口密度情况，这种密度就是最容易做的一种密度了，直接划分网格，然后把每个网格包含多少个点（人）计数进去就可以了。

但是实际上，空间的密度的计算可能要更加复杂一点。

比如，针对上面的密度图形，提出一个问题，中国和印度，那个国家的人口密度更大？这种问题一提出来，肯定各种被喷，话说你的条件太不严谨了等等等的。。。中国东部很多地方的密度比印度还要高，但是中国还有大片西部没人的地方……这怎么比较啊。

所以不论是计算总体密度还是计算网格密度的方式，都还是在某些方面有限制……特别是用于比较的时候。

下面我们来看看古往今来，一些关于点密度计算的方式。

最简单的一种，就是借用了一维统计分析中的技术，看看下面这个例子。

如果我们有5个事件，把他们画到直线上，正好是在7、8、9、12、13，因为总的数量是20，所以总体的密度就应该是应该是5/20 = 0.25个点每单位长度。

而如果我们就整个事件分成两段，每段10个长度，那么一部分的密度就变成了0.33个点每单位，而第二段就变成了0.2个点每单位了……

再继续分成4段——第一段和最后一段，密度就变成了0，而第二段的密度是0.6，第三段的密度变成了0.4。

这种细分总体段的方法，在空间分析里面，是空间尺度的一种，不同的空间尺度下，可能得出不同的结果。所以如果将所有的点分配到线的整个长度上，是没有唯一答案的。

比如对中国人口密度的描述，总分一段肯定就是：14亿人/960万平方公里，但是如果按东西部分两段，得出的密度又不一样了……按省、按市就变化得更厉害了。

从这里可以看出一些个重要概念：
最计算的时候，采用的线段的长度，对密度值有着重要的影响，而因为这个长度是任意的，所以我们要想办法来去除对于这种线段长度的依赖性。这种关于空间尺度的论述，汗牛充栋了，大家有兴趣自己去阅读相关论文。

那么去除线段依赖性的方法有哪些呢？最简单的就是去切分线段，把线分割成若干段。但是切开始之后，我们会发现在分割处，我们的密度值会突然发现间断——这种情况在很多时候我们并不希望。回到最上面那张百度热力地图，它的可视化效果在内行人的眼中，观察到的最大的一个优点，就是非常平滑的过度；而如果出现了断崖式的变化的话，效果就差很远了，比如下面这种：

这样效果无疑就差很远了。

而且因为点数据的分布，还有可能出现密度为0的区域，如果密度为0，那么计算出来的密度可能有部分出现了空缺的情况，像这样：当然，这种情况是肯定有出现。

最后，我们可能会尽可能的细化——以至于进行了太多的细分，就有可能变成了二值化的区域：每个部分仅包含1或者0……这样又回到了我们最初始的状态，如下：且分成若干网格之后，每个网格要么是1（红色），要么没值是0（灰色）……

所以，挑选合适的空间尺度，在密度计算里面是最最重要的事情之一，如果没有合适的尺度，密度计算的结果会让你抓狂，而至于如何来处理，我们下次继续说。

白话空间统计二十一：密度分析（一）相关推荐

白话空间统计二十一：密度分析（五）带宽与核表面曲率的关系
白话空间统计二十一:密度分析(五) 上次讲密度分析的时候,有同学问道带宽的问题,实际上我翻了一下以前写的文章,在密度分析一.二里面,都对这个有过描述,详细的可以回去翻一下(很老的文章了--可能要翻到 ...
白话空间统计二十一：密度分析（四）
白话空间统计系列断了好久了--虽然写了很多其他的文章,但是有同学问,还是系列性的文章效果比较好,当然这些文章大部分都能分开来读,没有啥前后联系,但是系列文章最大的特点就是能够形成知识体系,无论是对于写 ...
白话空间统计二十一：密度分析（七） Python实现
R语言的核密度渲染弄完了,今天来看看Python的核密度.本来没准备些Python,但是今天在玩seaborn包的时候,发现了强大的kdeplot这样一样工具,让虾神我惊为天人,不写感觉都对不起这个方 ...
白话空间统计二十四：地理加权回归（八）结果解读（一）
地理加权回归分析完成之后,与OLS不同的是会默认生成一张可视化图,像下面这张一样的: 这种图里面数值和颜色,主要是系数的标准误差.主要用来衡量每个系数估计值的可靠性.标准误差与实际系数值相比较小时,这 ...
白话空间统计二十三：回归分析（四）
白话空间统计二十三:回归分析(四) 今天把回归最后几个概念介绍一下,后面就不再说了--开始写回归的时候,我发现我掉入了一个巨大的坑里面.就说回归分析这种东东,汗牛充栋啊,在任何大学里面,妥妥一个学期的 ...
白话空间统计二十七：统计学七支柱之空间统计版本（二）聚合（2）
还记得a long long time ago 的青葱岁月--作为学渣的虾神最怕的就是各种(不擅长)的考试,虾神读书时候有个习惯,就拿到试卷之后,第一时间会把试卷翻到最后一页,去看最后一道大题.然后以 ...
白话空间统计二十九：空间插值(二）
前文再续,书接上一回--上回书说到,空间插值可以对数据进行估算,这一张我们来具体说说空间插值的一些概念. 首先,来说说插值的输入与输出问题. 首先输入的肯定是用来进行插值的观测点数据,一般来说都是点要 ...
白话空间统计二十三：回归分析番外-ArcGIS中的OLS（一）
在讲GWR的ArcGIS应用之前,首先讲讲ArcGIS里面的OLS(Ordinary least squares:普通最小二乘法)工具的应用和解读,毕竟GWR是从回归分析里面演化出来的,OLS又是回顾 ...
白话空间统计二十九：空间插值(六）IDW部分完结篇
写在前面的话: 我知道很多同学都在等克里金,但是空间插值这个系列我已经预定好了撰写的思路,所以暂时没办法直接跳过前面的内容直奔克里金,所以大家只能将就一下先把前面的内容看完,但是应该快了. 前文再续, ...

白话空间统计二十一：密度分析（一）

白话空间统计二十一：密度分析（一）相关推荐

最新文章

热门文章