摘要: 從 GIS 的角度來看，熱圖是一種顯示現象地理聚類的方法, 熱圖顯示更高密度的地理實體的位置。熱圖是一種很常見的圖，其基本原則是用顏色代表數字，讓數據呈現更直觀、對比更明顯。常用來表示不同樣品組代表性基因的表達差異、不同樣品組代表性化合物的含量差異、不同樣品之...
從 GIS 的角度來看，熱圖是一種顯示現象地理聚類的方法, 熱圖顯示更高密度的地理實體的位置。熱圖是一種很常見的圖，其基本原則是用顏色代表數字，讓數據呈現更直觀、對比更明顯。常用來表示不同樣品組代表性基因的表達差異、不同樣品組代表性化合物的含量差異、不同樣品之間的兩兩相似性。實際上，任何一個表格數據都可以轉換為熱圖展示。熱圖是一種在地理上可視化位置的方法，以便可以出現高于平均發生率的模式，例如犯罪活動、交通事故或商店位置等。
如何創建熱圖
創建熱圖的其中一種方法是通過對離散點進行插值來創建稱為密度表面的連續表面。計算密度表面時，必須確定會影響結果的三個主要參數： 柵格數據像元大小、搜索半徑和插值計算類型。
單元格大小
假設輸出是柵格文件，則單元格大小將是根據所得密度表面的粗糙度來決定細節程度的決定因素。單元尺寸越大，對所得表面層的階梯效應就越大。相反，較小的單元尺寸會產生更平滑的表面，但處理時間會更長，并且會導致文件更大。因此建議將單元大小設置在每個密度單位 10 到 100 個單元之間。
搜索半徑
帶寬或搜索半徑是要設置的第二個參數。搜索半徑是 GIS 軟件將考慮到密度計算的每個單元周圍的區域。將搜索半徑設置得太小，密度模式將被限制在點要素的直接區域。將搜索半徑設置得太大，密度模式將變得過于籠統。
插值計算的類型
第三個參數是用于插值密度表面的計算類型。最簡單的計算是對搜索半徑內的特征進行直接計數。更常見的計算是使用加權計算，例如反距離加權 (IDW)。與距離較遠的特征相比，IDW 為最接近起始單元的特征分配更多權重。換言之，給定點的權重與其與插值單元的距離成反比。
熱圖示例
利用梯度可視化生成的密度表面，從而可以輕松識別最高密度（或熱點）的區域。例如，下面的熱圖顯示了美國各地 GIS 工作列表的高密度區域。
紅色越深， 代表 GIS 職位列表的密度越高。該地圖對于突出顯示美國內具有較高工作列表密度的區域集群非常有用。熱圖在執法機構的犯罪預防計劃中特別受歡迎，因為能夠識別出可識別的較高犯罪活動的地理集群，從而可以更智能地將警察資源部署到犯罪率高的地區。
顯示“旅游”的熱圖
除了犯罪地圖之外，熱圖的創建還有其他應用。在上面的示例中，根據上傳到 Flickr 的地理標記圖像，創建了一個熱圖來顯示全球“旅游”情況。黃色表示由攝影師拍攝照片集中度最高的區域。紅色表示中等“旅游”區域，藍色表示最低級別。
上傳照片密度最高的區域可以立即識別為歐洲、美國沿海地區以及亞洲最引人注目的地區 （可在 Google Maps 中查看旅游地圖或 從 Heinla 的網站 下載 KML 文件，并提供用于創建疊加層的 Python 腳本）。
熱圖工具
Heatmap.py 是一個 Python 腳本，用于根據坐標數據生成熱圖。gheat 為熱圖圖層實現了地圖切片服務器。顧名思義，HeatMapAPI 是一種將熱圖圖像集成到 Google 地圖中的 API（具有有限的免費和許可版本）。Google Fusion Tables 具有熱圖功能，可作為地理數據可視化選項的一部分。heatmap.js 利用 Patrick Wied 創建的 html5 畫布元素生成 Web 熱圖。該頁面有使用演示，包括 Google Maps 和 OpenLayers 演示。
