Ini hampir merupakan duplikat dari Bagaimana menafsirkan hasil GRASS v.kernel? , tetapi sedikit berbeda dalam meminta interpretasi dalam hal radius pencarian. Mari kita bicarakan itu.
Densitas kernel adalah konvolusi , seperti dijelaskan pada 1 , 2 , dan 3 . Dalam istilah nonteknis ini berarti bahwa nilai setiap sel dalam kisi masukan tersebar di sekitarnya. "Kernel" adalah fungsi yang menggambarkan bentuk penyebaran. Pikirkan nilainya ketika merekam ketinggian pasir yang dituangkan ke dalam kotak berdasarkan sel. Jika Anda menghapus kotak, pasir akan merosot. Kernel mengatakan bentuk apa yang akan diperolehnya; jumlah pasir menentukan seberapa tinggi bentuk itu. Ulangi proses ini secara independen untuk setiap sel di dalam kisi, memungkinkan tumpukan pasir menumpuk secara vertikal (tanpa menyebabkan kemerosotan tambahan dari tumpang tindih).
Dari uraian ini kita dapat menyimpulkan jawaban atas dua pertanyaan yang diajukan di sini:
Bergantung pada perangkat lunak, nilai-nilai output memberikan jumlah total pasir di setiap sel atau - lebih biasanya - mereka memberikan jumlah per satuan luas. (Inilah yang dimaksud dengan "kepadatan".) Menggunakan keluaran per satuan luas lebih baik karena tidak berubah secara berarti ketika Anda mengubah ukuran sel keluaran . Misalnya, jika Anda membagi dua ukuran sel keluaran, setiap sel hanya menempati seperempat jejak sebelumnya, jadi biasanya hanya ditutupi oleh sekitar seperempat dari pasir. Ketika Anda menyatakan output sebagai pasir per unit area, itu tidak berubah: Anda mendapatkan seperempat dari pasir di seperempat dari area asli, di mana rasionya sama.
"Jari-jari pencarian" (istilah istimewa yang diadopsi oleh vendor GIS tertentu; dalam literatur terkait jumlah digunakan, dikenal sebagai kernel "setengah-lebar" atau "lebar penuh pada setengah maksimum"), menggambarkan jumlah penyebaran. Terlepas dari bagaimana ini dinyatakan, jika Anda ingin menyebarkan nilai sel asli dua kali lebih jauh, Anda akan berakhir dengan empatkali lebih banyak area. Saat Anda menyebarkan nilai sel tunggal, tumpukan yang dihasilkan akan hanya seperempat tinggi di setiap titik. Namun, dalam kebanyakan kasus kepadatan menyebar memiliki hubungan yang lebih kompleks dengan kepadatan kurang menyebar, karena tumpukan "pasir" - meskipun secara individual lebih kecil - menerima kontribusi dari sel yang lebih jauh. Secara keseluruhan, efeknya seimbang. Apa yang Anda lihat adalah bahwa penyebaran yang lebih besar menciptakan kisi-kisi keluaran yang bervariasi dengan cara yang lebih halus, sedangkan penyebaran yang lebih sedikit menciptakan kisi-kisi keluaran yang secara lokal lebih bervariasi.
Angka-angka ini menggambarkan efek dari mengubah jari-jari (untuk kernel Gaussian) pada kisi masukan jarang yang memiliki nilai 0 atau 1.
Gambar dan beberapa kepadatan kernel Gaussiannya
Darkness menggambarkan nilai kisi (hitam = 1, putih = 0). Semua gambar 16 dengan 16.
Gambar yang sama ditampilkan sebagai plot 3D nilai kisi
Tinggi menggambarkan nilai kisi. Semua plot berada pada skala umum untuk perbandingan. Metode plot ini menunjukkan tumpukan asli "pasir" sebagai kerucut daripada sebagai kotak.