设置kde对象的输出分辨率

Question

我正在试图弄清楚如何正确设置使用k中的ks库中的kde函数创建的kde对象的输出分辨率。基本上，我有一些SpatialPoints对象，我将其转换为kde并转换输出到光栅。我希望此栅格的单元格具有特定的分辨率。

以下是根据要求使用默认数据集的示例。

library(ks)
library(raster)
data(meuse)
points = data.frame(meuse$x,meuse$y)
raster(kde(points,Hlscv(points)))

我从这段代码得到的输出是：

class       : RasterLayer 
dimensions  : 151, 151, 22801  (nrow, ncol, ncell)
resolution  : 31.37394, 46.03558  (x, y) 
extent      : 177628.8, 182366.2, 328186.8, 335138.2  (xmin, xmax, ymin, ymax)
projection  : NA 
values      : in memory
min value   : 0 
max value   : 2.925851e-07 

我想找到一种方法来将输出分辨率（第三行输出）设置为我想要的。

现在我知道kde有'gridsize'和'bgridsize'选项，并且使用这些选项可以设置每个维度中所需的点数/单元格数。但是，如果不知道输出的范围，则无法计算获得特定分辨率的单元格数。

我想到的一个想法是使用适当维度中的H值来缓冲每个维度的最小和最大坐标，并预先导出kde输出的范围。但是，我认为这只适用于H的对角矩阵，因此我不确定它是否可以用完整的2x2 H值矩阵实现。

我也知道你可以重新采样一个栅格，但我想确保我不是来自较低分辨率的kde对象。

Answer 1

正如我在第一篇评论中所述，我认为：gridsize =范围/分辨率，如下图所示，是一个相对精细的网格（选择具有我认为可比较的默认值的分辨率）然后展示了更粗糙的网格。正如blindJesse指出的那样，“分辨率”的单位比我意识到的要复杂得多。在这一点上，我建议bindJesse开始起草一份写给Spatial-R邮件列表的信件：

 gridsize.x <- diff(range(meuse@coords[,"x"]))/35
 gridsize.y <- diff(range(meuse@coords[,"y"]))/35
 gridsize.x
#[1] 79.57143
 gridsize.y
# [1] 111.3429
 rimage <- raster(kde(coordinates(meuse),Hlscv(coordinates(meuse)), 
                                  gridsize=c(gridsize.x,gridsize.y) ))
 plot(rimage)

 gridsize.y <- diff(range(meuse@coords[,"y"]))/70
 gridsize.x <- diff(range(meuse@coords[,"x"]))/70
 rimage <- raster(kde(coordinates(meuse),Hlscv(coordinates(meuse)), 
         gridsize=c(gridsize.x,gridsize.y) ))
 plot(rimage)

Answer 2

我正在四处寻找，并注意到输出kde栅格的范围与输入点和H参数的增加之间存在一致的关系。我不知道为什么会这样（如果是由于实现或数学背后的事情），所以它可能不适用于所有情况，但它对我来说是一致的，所以我传递它。具体来说，我发现（这是一个等式，而不是代码）：

(range(coordinates(output)) - range(coordinates(input))) / H = ~7.4 for each dimension.

请考虑以下代码：

for (i in seq(1:10)){
    pts = data.frame(x=rnorm(100,300000,2500),y=rnorm(100,4000000,2500))
    rangePtsX <- diff(range(pts$x))
    rangePtsY <- diff(range(pts$y))
    H  <- Hlscv(pts)
    ras <- raster(kde(pts,H))
    rangeRasX <- xmax(ras) - xmin(ras)
    rangeRasY <- ymax(ras) - ymin(ras)
    rangeDiffX <- rangeRasX - rangePtsX
    rangeDiffY <- rangeRasY - rangePtsY
    print(paste("rangeDiffX/hX:",rangeDiffX/sqrt(H[1,1]),"rangeDiffY/hY:",rangeDiffY/sqrt(H[2,2])))
}

这个输出是：

[1] "rangeDiffX/hX: 7.37104456534156 rangeDiffY/hY: 7.37763153209006"
[1] "rangeDiffX/hX: 7.39015683159216 rangeDiffY/hY: 7.39151926375274"
[1] "rangeDiffX/hX: 7.39492769120192 rangeDiffY/hY: 7.39414077521017"
[1] "rangeDiffX/hX: 7.39909462708713 rangeDiffY/hY: 7.39917867776494"
[1] "rangeDiffX/hX: 7.39801448966617 rangeDiffY/hY: 7.39779576937998"
[1] "rangeDiffX/hX: 7.39679742756067 rangeDiffY/hY: 7.39745249174806"
[1] "rangeDiffX/hX: 7.39405975028797 rangeDiffY/hY: 7.39368126656615"
[1] "rangeDiffX/hX: 7.3913950522465 rangeDiffY/hY: 7.38980236385133"
[1] "rangeDiffX/hX: 7.39988585440102 rangeDiffY/hY: 7.39988850314936"
[1] "rangeDiffX/hX: 7.39529001635855 rangeDiffY/hY: 7.39475036015628"

从那里编写一个函数来计算最佳细胞数是很简单的：

gridSize <- function(pts,H,res){
    sizeX <- (diff(range(pts[,1])) + (7.4 * sqrt(H[1,1]))) / res
    sizeY <- (diff(range(pts[,2])) + (7.4 * sqrt(H[2,2]))) / res
    c(sizeX,sizeY)
}

这适用于不同的选择器：

for (hMethod in c("Hlscv","Hlscv.diag","Hscv","Hpi","Hpi.diag")){
    for (i in seq(1:5)){
        pts <- data.frame(x=rnorm(100,300000,2500),y=rnorm(100,4000000,2500))
        ras <- raster(kde(pts,eval(call(hMethod,x=pts)),gridsize=gridSize(pts,H,30)))
        print(paste("xres:",xres(ras),"yres:",yres(ras)))
    }
}

产生

    [1] "xres: 29.8498137761045 yres: 29.8456700392426"
    [1] "xres: 29.9573491524671 yres: 29.9874090657282"
    [1] "xres: 29.968525344047 yres: 29.9580897162408"
    [1] "xres: 29.9498803408057 yres: 29.964382664777"
    [1] "xres: 29.9711108728299 yres: 29.9773401860409"
    [1] "xres: 29.9950831714231 yres: 29.9658642153949"
    [1] "xres: 29.9905564968586 yres: 29.982738272666"
    [1] "xres: 29.9527729769381 yres: 29.9855591986985"
    [1] "xres: 29.9786535322154 yres: 29.9594421322198"
    [1] "xres: 29.9461263582666 yres: 29.9587155045891"
    [1] "xres: 32.1494143184879 yres: 31.9656619568261"
    [1] "xres: 31.3425525696929 yres: 31.7046601198584"
    [1] "xres: 31.9515186102478 yres: 31.9042586036464"
    [1] "xres: 31.5043829006183 yres: 30.0677630099221"
    [1] "xres: 31.1816325999623 yres: 30.782974425409"
    [1] "xres: 29.4406922338173 yres: 28.70952461795"
    [1] "xres: 31.0945577583419 yres: 31.2995894646556"
    [1] "xres: 29.3060327529272 yres: 29.4708662690499"
    [1] "xres: 29.502732054192 yres: 29.3034911939017"
    [1] "xres: 30.0529058397693 yres: 29.2893540247008"
    [1] "xres: 27.7898933275596 yres: 29.1928490584976"
    [1] "xres: 27.7628745096943 yres: 27.5794864810828"
    [1] "xres: 28.9513504972817 yres: 29.7665791290592"
    [1] "xres: 28.9569389967698 yres: 29.2103688932787"
    [1] "xres: 28.6005579365073 yres: 29.3701912564357"

其产生的结果非常接近我想要的值30（在kde中选择整数个网格单元时存在固有误差）。如果我想要更精确的分辨率，我可以从这里重新采样/分解光栅。