饶加旺，马荣华

1.江苏省测绘工程院 空间信息技术研究中心，南京210013 2.中国科学院 南京地理与湖泊研究所，南京210008

点密度是一定范围内点数量的统计值，是地理空间分析的重要任务[1-2]，而核密度分析是点密度分析常用的重要方法，它是根据核密度估计函数（Kernel Density Estimator）将平面的二维离散点生成连续的三维表面，计算事件点在设定的周围邻近空间的密度的过程，直观地反映点群的聚集或离散分布特征[1]。相比较于其他空间分析方法，核密度分析需要参数较少，受主观因素影响较小，因而成为了地理空间分析中应用最广泛的方法之一[2]，被广泛应用至地物空间分布[3-4]、空间区域格局分析[5]、疫情监测与分析[6]、地质灾害与自然资源环境监测[7-8]、路径优化与分析[9]等诸多领域，从空间上获取事件的宏观分布特征。研究者相继开发出适应R、Python、ArcGIS等多种编程语言和软件环境下的算法。Kern-Smooth是R语言环境下用于计算核密度的功能包，按照核函数的不同可分为bkde、bkde2D、bkfe等函数，其中kde2d是R语言环境下应用最为广泛的密度函数[10-11]，该函数主要使用高斯核密度估计实现函数的平滑，以三维连续表面的形式输出点的概率密度[12]。KernelDensity为Python语言环境下计算核密度常用的功能包，实现方式、功能与R语言中的KernSmooth类似；ArcGIS软件在Spatial Analysis工具箱中集成了核密度分析功能，用于衡量单位面积内点要素的量值[13]，在可视化输出方面常借助核密度函数（或平滑函数），将离散点在空间上拟合为连续的光滑锥形表面，再以不同的颜色分级表示密集程度[14]。……