4、GeoTrellis-核密度估值

geotrellis官方大概意思是说核密度是一种将点要素的集合（矢量数据）转换为栅格数据的一种方法，具体核密度估值的资料可以从百度上查询，我数学也一般大概知道是什么意思但也不是熟悉。

从网上找的一段解释，文章来源于： http://support.supermap.com.cn/DataWarehouse/WebDocHelp/iDesktop/Features/Analyst/Raster/KernelDensityAnalysis.htm

核密度分析用于计算点、线要素测量值在指定邻域范围内的单位密度。简单来说，它能直观的反映出离散测量值在连续区域内的分布情况。其结果是中间值大周边值小的光滑曲面，栅格值即为单位密度，在邻域边界处降为0。 核密度分析可用于计算人口密度、建筑密度、获取犯罪情况报告、旅游区人口密度监测、连锁店经营情况分析等等。例如： 某街区分布了多栋高层公寓及住宅，已知每栋的入住人数，想要了解街区内各处的人口分布情况，即可使用此功能，相当于将每栋楼的人口数量以核函数的变化趋势分布到指定的圆形邻域内，重叠区域进行加和，最后得到街区内各处的人口密度。而人口密度结果可用于店铺选址决策、犯罪率估算等。 某地区有多家店面的连锁零售店，假定顾客会根据路程的远近来选择光顾哪家店面，假定任何一个顾客总是会选择最近的那家店面。根据顾客到店面的距离字段，得出各个店面顾客分布情况的栅格面。 某地区准备修建道路（或者公用设施管线），可根据道路（或管线）对野生动物栖息地的影响字段，计算道路（管线）对野生动物栖息地造成影响。

核密度估值示例代码：

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、先randomPointFeature在范围生成随机的点。for循环中的yield主要作用记住每次迭代数据的值，保存在集合中，循环结束后将返回该集合。

2、使用核密度函数处理数据，并生成一个700 * 400分辨率的栅格地图，

3、输出地图，输出的格式可以选择为png图片，或者tif栅格。

4、查看生成的栅格地图，放大之后查看可以发现每一块都是九个像素点，也是通过val kernelWidth: Int = 9;设置的。