Baza R zawiera wiele funkcji, które można wykorzystać do odczytywania, wizualizacji i analizy danych przestrzennych. W tym kontekście skoncentrowano się na danych geograficznych przestrzennych, w których można obserwować obserwacje z położeniem geograficznym, a także można uzyskać dodatkowe informacje o tych lokalizacjach, jeśli lokalizacja jest rejestrowana z dbałością Podstawowe funkcje R uzupełnione są przez dostarczone pakiety, z których część znajduje się na serwerze CRAN, a inne są nadal w fazie rozwoju Jedna aktywna lokalizacja to R-Forge, która wymienia obiekty danych przestrzennych i statystyk w drzewie projektu Informacje o przestrzenie R-przestrzennym pakiety, zwłaszcza sp są umieszczane na stronie internetowej R-Forge rspatial project wraz z galerią wizualizacji Aktywny rozwój sp kontynuowany jest na Github. Pakiety źródłowe dotyczą dwóch szerokich obszarów przenoszących dane przestrzenne do i z R, a także analizowania danych przestrzennych w R. Lista mailingowa R-SIG-Geo jest dobrym miejscem do rozpoczęcia pomocy i omawiania pytań dotyczących zarówno dostępu do danych, jak i analizy lista dyskusyjna jest dobrym miejscem na wyszukiwanie informacji o odpowiednich kursach. Więcej informacji na temat kursów można znaleźć na karcie Wydarzenia tego bloga. Istnieje wiele samouczków i wprowadzonych prezentacji, a ostatnie to wprowadzenie do wizualizacji danych przestrzennych w R przez Robin Lovelace i James Cheshire. Pakiety w tym widoku mogą mieć przybliżoną strukturę w następujące tematy: Jeśli uważasz, że na liście brakuje niektórych pakietów, proszę dać mi znać. Classes for spatial data Ponieważ wiele pakietów importujących i używających danych przestrzennych musiały zawierać obiekty przechowywania danych i funkcji do ich wizualizacji, trwa budowa wspólnych klas i funkcji wykreślania danych przestrzennych Pakiet sp omówiono w nocie w R News Nowy pakiet o nazwie sf jest teraz na serwerze CRAN, jest aktywnie rozwijana w GitHub dostarczając proste funkcje dla R Opracowanie pakietu jest wspierane przez Konsorcjum R Zapewnia proste funkcje, ess dla danych wektorowych i jako taka jest nowoczesna implementacja części sp Wiele innych pakietów zależało od klasy sp, w tym rgdal i maptools Pakiet rgeos zapewnia interfejs do funkcji topologii obiektów sp używających GEOS Stplanr udostępnia sieć SpatialLines Network klasa oparta na obiektach zdefiniowanych w sp i igraph, które mogą być wykorzystane do analizy routingu w ramach R Inny pakiet sieciowy to shp2graph Funkcja cleangeo może być używana do inspekcji obiektów przestrzennych, ułatwia obsługę i zgłaszanie błędów topologii i kwestii ważności geometrii. Twierdzi, że dostarcza geometrii który wyeliminuje wszystkie problemy geometrii i wyeliminuje co najmniej zmniejszenie prawdopodobieństwa wystąpienia problemów podczas przetwarzania danych przestrzennych Pakiet rastrowy jest głównym rozszerzeniem klas danych przestrzennych, aby wirtualizować dostęp do dużych rasterów, umożliwiając analizowanie dużych obiektów i rozszerzanie narzędzia analityczne dostępne zarówno dla danych rastrowych, jak i wektorowych Używanych w rasterVis może także dostarczyć en ulepszona wizualizacja i interakcja Pakiet zawiera funkcje przestrzenne, które mają zwiększyć funkcjonalność rdzenia pakietu rastrowego, w tym silnik przetwarzania równoległego do użytku z rastrami Pakiet mikromap zawiera połączone mikromapty z ggplot2 Pakiet recmap udostępnia prostokątne kartogramy o prostokątnych rozmiarach odzwierciedlających na przykład populację Statebins prezentuje uproszczone podejście binningowe do stanów USA Pakiet czasoprzestrzeni rozszerza współdzielone klasy zdefiniowane w sp dla danych czasoprzestrzennych danych Spatio-Temporal w R Grid2Polygons konwertuje obiekt przestrzenny z klasy SpatialGridDataFrame na SpatialPolygonsDataFrame. Inne podejście do niektórych problemy te są realizowane w pakiecie PBSmapping PBSmodelling zapewnia wsparcie modelowania Ponadto GEOmap udostępnia obiekty mapujące dostosowane do potrzeb geologów i wykorzystuje pakiet geomapdata. Rejestruje dane przestrzenne Wiele pakietów zostało napisanych przy użyciu klas sp. Pakiet rastrowy i ntrodukuje wiele metod GIS, które obecnie pozwalają na wiele do zrobienia z przestrzennymi danymi bez konieczności stosowania GIS w uzupełnieniu do R Może być uzupełniony przez gdistance, który umożliwiał obliczanie odległości i tras na geosferze sieci geograficznych umożliwia obliczanie odległości i obszaru na danych przestrzennych w współrzędnych geograficznych Pakiet dggridR udostępnia interfejs DGGRID do pracy z dyskretnymi siatkami globalnymi, przy użyciu sześciokątów, trójkątów i diamentów, aby przezwyciężyć problem, że każdy pojemnik ma ten sam obszar Pakiet dcgsRrive zawiera szereg funkcji pobierania próbek pakiet rozszerza klasy sp, aby umożliwić dostęp i manipulowanie danymi przestrzennymi do śledzenia zwierząt Pakiet hdeco zapewnia hierarchiczny rozkład entropii do kategorycznych map porównawczych Pakiet GeoXp pozwala na interaktywną graficzną zbadanie danych przestrzennych spcosa zapewnia pobieranie próbek przestrzennych i losowe pobieranie próbek ze zwartych warstw geograficznych Magclass oferuje da ta klasa dla zwiększonej interoperacyjności pracy z danymi przestrzenno-czasowymi wraz z odpowiednimi funkcjami i metodami konwersjami, podstawowymi obliczeniami i podstawową manipulacją danymi Klasa wyróżnia wymiar przestrzenny, czasowy i inne, aby ułatwić rozwój i współdziałanie tworzonych przez nie narzędzi Dodatkowe cechy to nazwa opartego na danych i wewnętrznych kontrolach spójności, np. sprawdzaniu prawidłowego kolejności danych w obliczeniach. Pakiet UScensus2000 pakietu UScensus2000cdp UScensus2000tract sprawia, że korzystanie z danych z 2000 r. w USA jest bardziej wygodne Ważny zestaw danych, Guerry's Moral Statistics of France, został udostępniony w pakiecie Guerry, który dostarcza danych i map oraz przykładów, które mają przyczynić się do integracji analizy wielowymiarowej i przestrzennej Pakiet marmapów przeznaczony jest do pobierania, kreślenia i manipulowania danych batymetrycznych i topograficznych w marmapie R mogą pytać o batymetr ETOPO1 i topografii ase prowadzone przez NOAA, użyj prostych danych szerokości i szerokości geograficznej w formacie ascii i skorzystaj z zaawansowanych narzędzi do rysowania dostępnych w R, aby zbudować mapy jakości bajmetrycznych o jakości publikacji w dokumencie PLOS Współczesne granice kraju są udostępniane w dwóch rozdzielczościach przez rworldmap wraz z funkcjami do łączenia i mapowania danych tabelarycznych, do których odwołują się nazwy krajów lub kody Chloropleth i mapy baniek są obsługiwane i ogólne funkcje działają na mapach dostarczonych przez użytkowników Zobacz pakiet A New R dla mapowania danych globalnych Granice kraju o wyższej rozdzielczości są dostępne z dołączonego pakietu rworldxtra Historyczne granice kraju 1946-2017 można uzyskać z pakietu cshapes wraz z funkcjami obliczania macierzy dystansowych Zobacz Mapowanie i pomiarowanie kształtów kraju. Pakiet landsat wraz z dołączonym dokumentem JSS dostarcza narzędzi do wyszukiwania i rozwijania narzędzi korekty danych zdalnych sensacji taRifx to kolekcja funkcji użytkowych i wygody oraz ciekawych funkcji przestrzennych T pakiet gdalUtils udostępnia opakowania dla biblioteki danych Geospatial Data Library GDAL Utilities. Na blogu rOpenSci opisano podejście GeoJSON do czytania GeoJSON i danych WKT GeoJSON można pisać i czytać za pomocą rgdal i WKT przez rgeos Wpisów lista geojson geojsonio geoaxe i trawnik między innymi Pakiet rgbif jest wykorzystywany do dostępu do danych GBIF Global Bioriversity Information Facility Geoaxe umożliwia użytkownikom dzielenie obiektów przestrzennych na kawałki Pakiet trawników jest klientem Turfjs do analizy geoprzestrzennej. Reading i spisywanie danych przestrzennych - rgdal Mapy mogą być oparte na wektorach lub rastrowym Pakiet rgdal udostępnia wiązania do obsługiwanych formatów rastrowych GDAL i formatów wektorowych obsługiwanych przez OGR. Zawiera on funkcje do zapisu plików rastrowych w obsługiwanych formatach. Pakiet zawiera również obsługę projekcji PROJ 4 obiektów wektorowych, które umożliwiają przeszukiwanie online prezentacji PROJ 4 Projekty Transformacje afiniczne i podobieństwa na obiektach typu sp mogą być wykonane przy użyciu func w pakiecie vec2dtransf Skrypty systemu Windows i Mac OSX CRAN pakietu rgdal zawierają podzbiory możliwych sterowników źródeł danych, jeśli inni są potrzebni, użyj innych narzędzi konwersji lub zainstaluj od źródła do wersji GDAL z wymaganymi sterownikami Pakiet rgeos udostępnia funkcje dla odczytywanie i zapisywanie dobrze znanego tekstu geometrii WKT, a pakiet wkb udostępnia funkcje umożliwiające odczytywanie i zapisywanie znanej binarnej geometrii WKB. Przeglądanie i zapisywanie danych przestrzennych - inne pakiety Istnieje wiele innych pakietów umożliwiających dostęp do danych wektorowych na mapach CRAN z mapdata i mapproj zapewniają dostęp do tych samych typów geograficznych baz danych, co S - RArcInfo pozwala na odczytanie plików binarnych i plików eFlex ArcInfo v 7 oraz maptools i shapefiles odczytywania i zapisywania kształtowników ArcGIS ArcView dla plików NetCDF, można użyć ncdf4 lub RNetCDF pakiet maptools zawiera również funkcje pomocnicze do zapisywania plików wielokątów map, które mają być odczytywane przez WinBUGS, Mondrian i polecenie tmap w Stacie Oprócz interfejsów baz danych baz danych i klas sp, istnieją również interfejsy między mapami bazującymi na PBSmapping i spatstat i sp, a także interfejs do baz danych linii brzegowej GSHHS Pakiet gmt zapewnia prosty interfejs między oprogramowaniem do tworzenia mapy GMT a nazwą R jest interfejsem usługi OpenStreetMap umożliwia dostęp do otwartych map ulicznych obrazów rastrowych, a osmar udostępnia infrastrukturę do uzyskiwania dostępu do danych OpenStreetMap z różnych źródeł, do pracy z danymi wspólnego R i do konwersji danych do dostępnej infrastruktury dostarczanej przez istniejące pakiety R. Pakiet rpostgis zapewnia dodatkowe funkcje pakietu RPostgreSQL do obsługi interfejsu R z bazą danych z obsługą PostGIS i wygodnymi oklejarkami do popularnych zapytań PostgreSQL Pakiet postGIStools udostępnia funkcje przekształcania typów danych geometrii i hStartów z PostgreSQL w standardowe obiekty R, a także uprościć import ramek danych R, w tym ramek danych przestrzennych do PostgreSQL. Integracja z wersją 6 i wiodącego otwartego źródła GIS, GRASS, jest dostarczany w pakiecie CRAN spgrass6 przy użyciu rgdal do wymiany danych Dla GRASS 7 użyj rgrass7 RPyGeo jest opakowaniem dla dostępu Pythona do ArcGIS GeoProcessor, a RSAGA jest podobną powłoką otaczającą dla Polecenia SAGA Pakiet RQGIS tworzy interfejs między R i QGIS, tzn. Umożliwia użytkownikowi dostęp do funkcji QGIS z konsoli R Uzyskuje się to dzięki użyciu interfejsu API QGIS Python za pośrednictwem wiersza polecenia Uwaga także ten wątek na alternatywnej integracji R-QGIS. Wizualizacja Do wizualizacji palety kolorów dostarczane w pakiecie RColorBrewer są bardzo przydatne i mogą być modyfikowane lub rozszerzane przy użyciu funkcji colorRampPalette dostarczanej wraz z pakietem RInstancji klasy classInt udostępnia funkcje do wybierania przedziałów dla kartografii tematycznej Pakiet tmap stanowi nowoczesną bazę tematyczną mapowanie opcjonalnie przy użyciu składni gramatyki grafiki Ponieważ posiada niestandardową platformę grafiki grafikowej, eliminuje konieczność zachowania y do użycia z ggplot2 Pakiet mapview umożliwia przeglądanie obiektów przestrzennych w sposób interaktywny, zazwyczaj na bazie mapowania WWW Pakiet quickmapr zapewnia prostą metodę wizualizacji obiektów sp i rastrowych, umożliwia podstawowe powiększanie, panoramowanie, identyfikowanie i etykietowanie przestrzeni przestrzennej obiekty i nie wymagają, aby dane znajdowały się w współrzędnych geograficznych Pakiet kartograficzny umożliwia różne reprezentacje kartograficzne, takie jak symbole proporcjonalne, choropleth, typologia, przepływy lub nieciągłości Pakiet mapmisc jest minimalnym, lekkim zestawem narzędzi do tworzenia ładnych map w R, z obsługą mapy, którą użytkownik chce umieścić tło mapy za innymi wyświetlaczami, pakiet RgoogleMaps do uzyskiwania dostępu do Google Maps TM może być użyteczny ggmap może być wykorzystany do wizualizacji przestrzennej w Mapach Google i OpenStreetMap ggsn udostępnia strzałki Północy i skalę takie mapy Pakiet plotGoogleMaps udostępnia metody wizualizacji obiektów przestrzennych i czasoprzestrzennych w Mapach Google w przeglądarce internetowej plotKML to pakiet dostarczający sposobów wizualizacji obiektów przestrzennych i przestrzennych czasowych w programie Google Earth Kolejną opcją jest ulotkaR, która zapewnia podstawową funkcję odwzorowywania stron internetowych, aby połączyć pliki danych wektorowych i mapy internetowe z różnych źródeł Analiza pakietów punktowych Pakiet przestrzenny jest zalecanym pakietem dostarczanym wraz z bazą R i zawiera kilka podstawowych funkcji, w tym realizację Khat przez jego autora, Prof Ripley Ponadto spatstat umożliwia swobodę definiowania obszaru zainteresowania i sprawia, że rozszerzenia do zaznaczonych procesów i współzmówień przestrzennych Mocne strony to dopasowanie modelu i symulacja, a jej użyteczna strona internetowa To jedyny pakiet, który umożliwi użytkownikowi dopasowanie niejednorodnych modeli procesów punktowych z interakcjami interakcji Pakiet spatgraphs zawiera wykresy, wizualizację wykresów i wykres streszczenia bazujące na analizie wzorcowej punktu przestrzennego Pakiet splancs umożliwia również dane punktowe t o być analizowane w obrębie wielobocznego obszaru zainteresowań i obejmuje wiele metod, w tym gęstości 2D jądra Pakiet smacpod dostarcza różne metody statystyczne do analizy danych punktu kontrolnego i kontroli przypadku Dostępne metody są ściśle zgodne z tymi, które znajdują się w rozdziale 6 Stosowanej Statystyki Przestrzennego dla Zdrowia Publicznego przez Waller i Gotway 2004.ecespa dostarcza opakowań, funkcji i danych do analizy wzorców przestrzennych, wykorzystywanych w książce o ekologii przestrzennej ECESPA AEET Funkcje punktów binningowych na siatce w popiele mogą być również interesujące Pakiet reklamowy wykonuje pierwsze - oraz wielokrotne analizy wielosekcyjne drugiego rzędu pochodzące z funkcji K-Ripley'a Pakiet aspace to zbiór funkcji służących do oszacowania statystyk centrograficznych i geometrii obliczeniowych z punktów przestrzennych wzbogacania przestrzennego jądra przestrzennego zapewnia oszacowanie gęstości jądra korekcyjnego skorygowanej krawędzi i binarne oszacowanie regresji jądra dla wielowymiarowego rozkładu przestrzennego dane procesowe DSpat zawiera funkcje modelowania przestrzennego na odległość dane próbkowania i spatialsegregation zapewnia środki segregacji dla wielozadaniowych wzorców przestrzennych GriegSmith używa metody Grieg-Smith na dwuwymiarowych danych przestrzennych Pakiet dbmss umożliwia proste obliczanie pełnego zestawu funkcji przestrzennych statystyk dystansu, w tym klasycznych elementów Ripleya K i innych oraz ostatnio wykorzystywane przez ekonomistów przestrzennych Durantona i Overmana Kd, Marcona i Puecha s Opiera się on na spatstacie w kratownicy obliczeniowej rdzenia Gęstość zawiera funkcje obliczające oszacowanie gęstości sieciowej Barry'ego i McIntyre'a, które uwzględnia procesy punktowe w dwuwymiarowych regiony o nieregularnych granicach i otworach. Geostatystyki Pakiet gstat zapewnia szeroki zakres funkcji dla jednocyrowych i wielowymiarowych geostatystyki, także dla większych zbiorów danych, podczas gdy geoR i geoRglm zawierają funkcje geostatystyki opartej na modelu Diagnostyki warystogramu mogą być przeprowadzane za pomocą vardiag Automatyczna interpolacja przy użyciu gstat jest dostępny w automapie Ten fami pakiety są uzupełniane przez intamap z procedurami automatycznej interpolacji i psgp, które realizują przewidywane rzadkie procesy Gaussa kriging Podobny zakres funkcji znajduje się w pakiecie pól Pakiet przestrzenny jest dostarczany z podstawą R i zawiera kilka podstawowych funkcji pakiet spBayes pasuje do Gaussowskiego modelu jednowymiarowego i wielowymiarowego z rampami MCMC jest innym pakietem modelowania geostatystycznego Bayesiana Pakiet geosektu zawiera pewne funkcje geostatystyczne i radialne, w tym predykcję i walidację krzyżową Poza tym obejmuje funkcje do projektowania optymalnych sieci pobierania próbek przestrzennych opartych na geostatystyce modelowanie Pakiet geostatsp oferuje modele geostatystyczno-modelowe z wykorzystaniem obiektów Raster i SpatialPoints. Modele nie-Gaussa są dopasowane przy użyciu INLA, a gaussowskie modele geostatystyczne wykorzystują maksymalny współczynnik prawdopodobieństwa. Pakiet RandomFields udostępnia funkcje symulacji i analizy pól losowych , a opisy modeli variogram mogą zostać przekazane między geoR gstat a tym pakietem SpatialExtremes proponuje kilka podejść do modelowania krańcowego przestrzennego przy użyciu RandomFields Dodatkowo, CompRandFld constrainedKruging i geospt stanowią alternatywne podejście do modelowania geostatystycznego Pakiet spTimer jest w stanie dopasować się, przewidzieć przestrzennie i prognozować czasowo duża ilość danych o przestrzeni czasowej przy użyciu 1 modeli Bayesa Gaussa Procesora GP, 2 modele automatycznego regresywnego Bayesiana i 3 Bayesian Gaussian Predictive Procesorów ARP opartych na GPP Pakiet rtop udostępnia funkcje do geostatystycznego interpolowania danych z nieregularnym przestrzennym wsparciem, dane związane z odpływem lub dane z jednostek administracyjnych Pakiet georob udostępnia funkcje dopasowywania modeli liniowych do błędów przestrzennie skorelowanych przez silne i Gaussowskie Ograniczone Maksymalne prawdopodobieństwo oraz do obliczania solidnego i zwyczajowego punktu oraz blokowania przewidywań krigingu wraz z funkcjami użytecznymi dla ważności krzyżowej n oraz dla obiektywnej transformacji wstecznej przewidywań krigingowych danych transformowanych logami Pakiet SpatialTools kładzie nacisk na kriging i udostępnia funkcje do przewidywania i symulacji Rozszerzony jest przez ExceedanceTools, który dostarcza narzędzi do tworzenia regionów zaufania dla regionów przekraczających i linii konturu pakiet narzędziowy realizuje typowe metody geostatystyczne w sposób czysty, prosty i skuteczny oraz jest quasi rebootem SpatialTools Pakiet spororest realizuje estymację błędów przestrzennych i zmienną przestrzenną opartą na permutacji z wykorzystaniem różnych metod przestrzennego sprawdzania krzyżowego i przestrzennego blokowania bloku Pakiet sgeostat jest również dostępny W tym samym ogólnym obszarze tematycznym są pakiety deldir i tripack dla triangulacji i pakiet akima dla interplinacji spline pakiet MBA oferuje rozproszone interpolacje danych z wielopoziomowymi spacjami typu B Poza tym istnieje pakiet przestrzennyCovariance, wspiera komputer macierzy kowariancji przestrzennej dla danych na prostokątach, budowa pakietu regresowego w części na przestrzenną komorę i pakiet tgp Pakiet Stem umożliwia oszacowanie parametrów modelu przestrzenno - czasowego za pomocą algorytmu EM oraz oszacowanie standardów parametrów błędy przy użyciu czasoprzestrzeniowego startu parametrycznego FieldSim to kolejny pakiet symulacji losowych pól SSN służy do modelowania geostatystycznego danych dotyczących sieci strumieniowych, w tym modeli opartych na odległości in-streamu Modele są tworzone przy użyciu średniej ruchomej konstrukcji Przestrzenne modele liniowe, w tym współzmienne, mogą pasuje do ML lub REML Mapping i inne funkcje graficzne są dołączone Funkcja ipdw udostępnia funkcje interpolowania danych punktu georeferencyjnego za pomocą odwrotnego odwzorowania drogi ważenia Przydatne dla morskich zastosowań przybrzeżnych, gdzie bariery w krajobrazie uniemożliwiają interpolację z dystansami euklidesowymi RSurvey może być używany jako program przetwarzania dla danych rozproszonych przestrzennie i jest c aproksymacja błędów i wizualizacja danych. Dzięki mapowaniu i analizie danych terenowych DCluster jest pakietem do wykrywania przestrzennych klastrów chorób Rozciąga się i zależy od pakietu spdep, który zapewnia podstawowe funkcje do budowania list sąsiedzkich i ciężaru przestrzennego, testy przestrzenne autokorelacja danych dróg, jak Moran s I oraz funkcje dopasowywania modeli regresji przestrzennej, takich jak modele SAR i CAR Te modele zakładają, że zależność przestrzenną może być opisana za pomocą znanych mas. Pakiet SpatialEpi zapewnia implementację funkcji wykrywania klastrów i mapowania chorób, w tym Wykrywanie klastrów Bayesa i wsparcie warstw Publikacja smerc dostarcza statystycznych metod analizy danych przestrzennych, koncentrując się na wykrywaniu klastra Pakiet rozbieżności oferuje formatowanie danych o populacji i danych dotyczących przypadków, obliczanie standardowych współczynników zachorowalności i dopasowanie modelu BYM wykorzystując regionową strukturę obiektów wielobokowych INLA przez AMOEBA funkcję obliczania klastrów przestrzennych przy użyciu lokalnej statystyki Getis-Ord Przeszukuje ekosystemy o nieregularnych klastrach na mapie i skater w spdep Pakiety seg i OasisR udostępniają funkcje do pomiaru segregacji przestrzennej OasisR zawiera symulacje Monte Carlo do testowania wskaźników pakiet spgwr zawiera implementację metod regresji ważonych geograficznie w celu zbadania możliwości niestacjonarności Pakiet gwrr pasuje do modeli regresji GWR ważonych geograficznie i zawiera narzędzia do diagnozowania i poprawiania współliniowości w modelach GWR Również mieści się w regresji grzbietowej ważonej geograficznie GWRR i geologicznie ważonych lasso modeli GWL Pakiet GWmodel zawiera funkcje do obliczania modeli ważonych geograficznie Pakiet lctools udostępnia naukowcom i nauczycielom łatwe do nauczenia się narzędzia przyjazne dla użytkownika do obliczania kluczowych statystyk przestrzennych oraz do stosowania prostych i zaawansowanych metod analizy przestrzennej w danych rzeczywistych Są to Local Pearson i Współczynniki korelacji Pearsona, przestrzenne nierówności Gini, Przestrzenne Gini, LQ, ogniskowe LQ, przestrzenne autokorelacje globalne i lokalne Moran s I, kilka technik regresji ważonych geograficznie i inne narzędzia analizy przestrzennej inne statystyki statystyki ważone geograficznie Pakiet zawiera również funkcje do pomiaru znaczenie każdej obliczonej statystyki, głównie na podstawie symulacji Monte Carlo Pakiet sparr stanowi kolejne podejście do względnego ryzyka Pakiet CARBayes implementuje hierarchiczne przestrzenne modele jednostek przestrzennych Bayesian W takich modelach korelacja przestrzenna jest modelowana przez zestaw efektów losowych, którym przypisano warunkowa autoregresywna dystrybucja przedziału samochodowego Przykłady dołączonych modeli to model BYM oraz niedawno opracowany zlokalizowany model wygładzania przestrzennego Pakunek glmmBUGS jest przydatnym sposobem przekazywania modeli przestrzennych WinBUGS Pakiet spaMM dostosowany jest do przestrzennych GLMM, wykorzystując Matern correlation funct jonowy jako podstawowy model przestrzennych losowych efektów Pakiet PReMiuM przeznaczony jest do regresji profilu, która jest procesem Dirichleta. Model wiązania Bayesiana zapewnia przestrzenny termin CAR, który może być uwzględniony w stałych efektach, które są globalne, tzn. nie będące specyficznymi dla klastra, parametrami uwzględnia wszelkie korelacje przestrzenne w pozostałościach Pakiet spacerów udostępnia narzędzia do konstruowania i wykorzystania danych kontekstowych ważonych przestrzennie i umożliwia ponadto łączenie wynikowych danych kontekstowych ważonych przestrzennie z indywidualnymi predyktorami i zmiennymi wynikowymi w celu modelowania wielopoziomowego Pakiet geospacom generuje matryce dystansowe z plików kształtów i reprezentuje ważone przestrzennie analizy wielopoziomowe Analiza przeżycia przestrzennego dostarcza spatsurv - wnioskowanie Bayesowskie na parametryczne proporcje zagrożeń modeli przetrwania przestrzennego - i spBayesSurv - modelowanie Bayesowskie i analiza danych o przeżyciach - pakiety Pakiet spselect zapewnia modellin g funkcji opartych na regresji krokowego kroku, przyrostowej regresji regresji do przodu, regresji najmniejszych kątów LARS oraz modeli lasso do wybierania skali przestrzennej współzmiennych w modelach regresji. Regresja przestrzenna Wybór funkcji dla regresji przestrzennej zależy od dostępnego wsparcia Jeśli dane charakteryzują się punktowym wsparciem, a proces przestrzenny jest ciągły, mogą być użyte metody geostatystyczne lub funkcje w pakiecie nlme Jeśli nośnik jest przestrzenny, a proces przestrzenny nie jest traktowany jako ciągły, mogą być użyte funkcje zawarte w pakiecie spdep Pakiet ten można również postrzegać jako dostarczanie funkcji przestrzennych ekonometrii i - jak zauważono powyżej - dostarcza podstawowe funkcje do budowania list sąsiednich i ciężaru przestrzennego, testów autokorelacji przestrzennej dla danych dróg, takich jak Moran s I, oraz funkcji dopasowywania modeli regresji przestrzennej pełny zakres lokalnych wskaźników stowarzyszenia przestrzennego, takich jak lokalne Moran I i diagnostyki ols dla zamontowanych modeli liniowych, w tym testów wielozadaniowych Lagrange Modele regresji przestrzennej, które można montować z maksymalnym prawdopodobieństwem, obejmują modele przestrzenne opóźnień, moduły błędów przestrzennych i modele Durbin przestrzennych W przypadku większych zbiorów danych można zastosować rzadkie techniki matrycy, aby uzyskać maksimum prawdopodobieństwa, podczas gdy przestrzenne dwa etapy najmniejszych kwadratów oraz uogólniona metoda estymatorów momentów są alternatywą Przy korzystaniu z GMM, sphet może być użyty do uwzględnienia zarówno autokorelacji, jak i heteroskedastyczności Regresja regresji przestrzennej jest dostarczana przy użyciu niestandardowego MCMC przez spatcounts McSpatial udostępnia funkcje dla regresji ważonej lokalnie, semiparametrycznej i warunkowej regresji parametrycznej, funkcji Fouriera i sześciennego spline, GMM i zliberalizowanego przestrzennego logit i probit, funkcji k-gęstości i przeciwfaktycznych, nieparametrycznej regresji kwantylnej i funkcji gęstości warunkowej, dekompozycji Machado-Mata dla regresji kwantylacji, przestrzennego modelu AR, powtarzalnych modeli sprzedaży i warunkowo parametryczny lo git i probit Pakiet splm udostępnia sposoby dopasowania danych przestrzennych do maksymalnego prawdopodobieństwa i GM Dwa małe pakiety S2sls i spanel zapewniają alternatywne implementacje bez większości urządzeń splm Pakiet HSAR dostarcza hierarchiczne przestrzenne modele autoregresji HSAR oparte na Bayesian Markov Łańcuch Monte Carlo MCMC algorytm spatialprobit umożliwia oszacowanie Bayesiana przestrzennej autoregresywnej probit modelu SAR probit model Pakiet ProbitSpatial dostarcza metody dopasowania modeli probitacji przestrzennej dwumianowych do większych zbiorów danych przestrzennych autoregresji SAR i przestrzennych błędów SEM probit models są zawarte Pakiet starma dostarcza funkcji do identyfikacji, oszacowania i diagnozowania modelu STARMA z automatyczną regresją czasu kosmicznego. Analiza ekologiczna Istnieje wiele pakietów do analizy danych ekologicznych i środowiskowych Obejmują one ade4 dla metod rozpoznawczych i euklidesowych w naukach o środowisku, rodziny adehabitat pakietów dla analiza selekcji siedlisk przez zwierzęta AdehabitatHR adehabitatHS adehabitatLT i adehabitatMA, pastecs dla regulacji, dekompozycji i analizy serii czasoprzestrzeni, weganizmu metod ordynacji i innych użytecznych funkcji dla ekologów wspólnotowych i roślinnych oraz wielu innych funkcji w innych wnoszonych pakietach Jeden taki jest tripEstimacja w oparciu o klasy dostarczone przez trip ncf weszła ostatnio w CRAN i udostępnia szereg funkcji przestrzennych nieparametrycznych funkcji kowariancji zakresMapper jest pakietem do manipulowania mapami zasięgu występowania gatunków, głównie narzędziami do łatwego generowania bogactwa gatunkowego różnorodności biologicznej lub życia mapy charakterystyk miejscowych Pakiet siplab jest platformą do eksperymentowania z przestrzennie indywidualnymi modelami roślinności ModelMap buduje inne pakiety w celu stworzenia modeli wykorzystujących dane GIS przestrzenne SpatialPosition oblicza modele pozycji przestrzennych Potencjały Stewarta, obszary zlewisk Reilly, obszary zlewisk Huff Obszary wodne pakiet provid e metody łączenia zbiorników wodnych i analizy sieci odwadniania przestrzennego Pakiet off-CRAN - Rcitrus - służy do analizy przestrzennej występowania chorób roślinnych Pakiet Geneland używa pól i RandomFields do wykorzystania zarówno informacji geograficznych, jak i genetycznych w celu oszacowania liczby populacji w zestaw danych i określenie ich przestrzennej organizacji Pakiet ngspatialny dostarcza narzędzi do analizy danych przestrzennych, szczególnie danych nieagranowskich Obsługuje rzadki przestrzenny uogólniony liniowy model mieszany Hughesa i Harana 2017 oraz skoncentrowany autologiczny model Caragea i Kaiser 2009 Zadanie Environmetrics View zawiera dużo bardziej kompletne badanie odpowiednich funkcji i pakietów. CRAN packages. Related links. Spatial filtering przy użyciu rastrowych systemów informacji geograficznej metod skalowania danych dotyczących zdrowia i środowiska. Mohammad Ali a c. Michael Emch b. Jean-Paul Donnay ca ICDDR , B, Mohakhali, Dhaka, Bangladesz. b Katedra Geografii, Portland State University, Po rtland, OR, USA. c Wydział Geomatyki, Uniwersytet w Liège, Belgia. Aceptowany 3 października 2001 r., dostępny online 8 listopada 2001 r. Pomimo zastosowania systemów informacji geograficznej GIS w badaniach akademickich, rzadko zdarza się, że urzędnicy służby zdrowia stosują takie narzędzia służące rozwiązywaniu problemów związanych ze zdrowiem i środowiskiem Złożoność w kwestiach metodologicznych służących rozwiązywaniu relacji między zdrowiem a środowiskiem, badaniem przestrzennej zmienności choroby i zajęciem się zapotrzebowaniem przestrzennym i dostawą usług opieki zdrowotnej, utrudnia stosowanie GIS w sektorze zdrowia Niniejszy artykuł przedstawia proste metody przestrzennego filtrowania w celu analizy danych dotyczących zdrowia i środowiska przy użyciu rastrowych GIS Computing przestrzennych średnich ruchów zmniejsza indywidualne oddziaływania i tworzy ciągłą powierzchnię zjawisk Inną metodą analizy przestrzennej jest obliczanie powierzchni stanu narażenia, w tym wpływ sąsiadów ważonych przez rozproszenie odległości Te metody opisują zdrowie i środowisko dane mogą być skalowane w celu lepszego rozwiązywania problemów zdrowotnych Metody filtrowania przestrzennego są wykazane z wykorzystaniem danych dotyczących zdrowia i obserwacji populacji w ramach GIS, które zostały zebrane w przybliżeniu przez 210 000 osób w Matlab w Bangladeszu. Odpowiedni autor International Vaccine Institute, Kwanak PO Box 14, Seul, 151-600, Korea Południowa. Copyright 2002 Publikowane przez Elsevier Ltd. Cookie są wykorzystywane przez tę witrynę Aby uzyskać więcej informacji, odwiedź stronę cookies. Copyright 2017 Elsevier BV lub jej licencjodawcy lub współpracownicy ScienceDirect jest zastrzeżonym znakiem towarowym Elsevier B V. UNIT 40 - MIĘDZYNARODOWE INTERPOLACJE Założone przy pomocy Nigel M Waters, University of Calgary. polimorfia przestrzenna jest procedurą oszacowania wartości właściwości w miejscach bezobsługowych w obrębie obszaru objętego obserwacjami. w prawie wszystkich przypadkach nieruchomość musi być przedziału lub współczynnika skalowanego. można uznać za odwrotny proces wybrany do wyboru kilku punktów z DEM, które dokładnie reprezentują powierzchnia. interale za przestrzenną interpolacją to obserwacja, która zbliża się do siebie w kosmosie, są bardziej prawdopodobne, że mają podobne wartości niż punkty odległe od prawa geograficznego Toblera. interpolacja przestrzenna jest bardzo ważną cechą wielu GIS. interpolacja przestrzenna może być stosowana w GISs. to dostarczyć kontur do wyświetlania danych graficznie. Obliczyć pewną właściwość powierzchni w danym punkcie. to zmienić jednostkę porównania przy użyciu różnych struktur danych w różnych warstwach. Często stosuje się jako pomoc w procesie podejmowania decyzji przestrzennej zarówno in physical and human geography and in related disciplines such as mineral prospecting and hydrocarbon exploration. many of the techniques of spatial interpolation are two - dimensional developments of the one dimensional methods originally developed for time series analysis. this unit introduces spatial interpolation and examines point based interpolation, while the next looks at areal procedures and some applications. there ar e several different ways to classify spatial interpolation procedures. given a number of points whose locations and values are known, determine the values of other points at predetermined locations. point interpolation is used for data which can be collected at point locations e g weather station readings, spot heights, oil well readings, porosity measurements. interpolated grid points are often used as the data input to computer contouring algorithms. once the grid of points has been determined, isolines e g contours can be threaded between them using a linear interpolation on the straight line between each pair of grid points. point to point interpolation is the most frequently performed type of spatial interpolation done in GIS. lines to points. e g contours to elevation grids. areal interpolation. given a set of data mapped on one set of source zones determine the values of the data for a different set of target zones. e g given population counts for census tracts, estimate populations for e lectoral districts. global interpolators determine a single function which is mapped across the whole region. a change in one input value affects the entire map. local interpolators apply an algorithm repeatedly to a small portion of the total set of points. a change in an input value only affects the result within the window. global algorithms tend to produce smoother surfaces with less abrupt changes. are used when there is an hypothesis about the form of the surface, e g a trend. some local interpolators may be extended to include a large proportion of the data points in set, thus making them in a sense global. the distinction between global and local interpolators is thus a continuum and not a dichotomy. this has led to some confusion and controversy in the literature. exact interpolators honor the data points upon which the interpolation is based. the surface passes through all points whose values are known. honoring data points is seen as an important feature in many applications e g the oil industry. proximal interpolators, B-splines and Kriging methods all honor the given data points. Kriging, as discussed below, may incorporate a nugget effect and if this is the case the concept of an exact interpolator ceases to be appropriate. approximate interpolators are used when there is some uncertainty about the given surface values. this utilizes the belief that in many data sets there are global trends, which vary slowly, overlain by local fluctuations, which vary rapidly and produce uncertainty error in the recorded values. the effect of smoothing will therefore be to reduce the effects of error on the resulting surface. stochastic methods incorporate the concept of randomness. the interpolated surface is conceptualized as one of many that might have been observed, all of which could have produced the known data points. stochastic interpolators include trend surface analysis, Fourier analysis and Kriging. procedures such as trend surface analysis allow the statistical significance of the surface and uncertainty of the predicted values to be calculated. deterministic methods do not use probability theory e g proximal. a typical example of a gradual interpolater is the distance weighted moving average. usually produces an interpolated surface with gradual changes. however, if the number of points used in the moving average is reduced to a small number, or even one, there would be abrupt changes in the surface. it may be necessary to include barriers in the interpolation process. semipermeable, e g weather fronts. will produce quickly changing but continuous values. impermeable barriers, e g geologic faults. will produce abrupt changes. Lam 1983 and Burrough 1986 describe a variety of quantitative interpolation methods suitable for computer contouring algorithms. in this and the next sections, these are divided into exact and approximate methods. this section deals with exact methods. all values are assumed to be equal to the nearest known point. is a local interpolatorputing load is relatively light. output data structure is Thiessen polygons with abrupt changes at boundaries. has ecological applications such as territories and influence zones. best for nominal data although originally used by Thiessen for computing areal estimates from rainfall data. is absolutely robust, always produces a result, but has no intelligence about the system being analyzed. available in very few mapping packages, SYMAP is a notable exception. uses a piecewise polynomial to provide a series of patches resulting in a surface that has continuous first and second derivatives. ensures continuity in. elevation zero-order continuity - surface has no cliffs. slope first-order continuity - slopes do not change abruptly, there are no kinks in contours. curvature second order continuity - minimum curvature is achieved. produces a continuous surface with minimum curvature. output data structure is points on a raster. note that maxima and minima do not necessarily occur at the data points. is a local inter polator. can be exact or used to smooth surfacesputing load is moderate. best for very smooth surfaces. poor for surfaces which show marked fluctuations, this can cause wild oscillations in the spline. are popular in general surface interpolation packages but are not common in GISs. can be approximated by smoothing contours drawn through a TIN model. see Burrough 1986 , Davis 1986 and mathematical aspects in Lam 1983 and Hearn and Baker 1986.also described in numerical approximation theory. developed by Georges Matheron, as the theory of regionalized variables , and D G Krige as an optimal method of interpolation for use in the mining industry. the basis of this technique is the rate at which the variance between points changes over space. this is expressed in the variogram which shows how the average difference between values at points changes with distance between points. De vertical axis is E zi - zj 2, i e expectation of the difference. i e the average difference in elevation of any two point s distance d apart. d horizontal axis is distance between i and j. most variograms show behavior like the diagram. the upper limit asymptote of De is called the sill. the distance at which this limit is reached is called the range. the intersection with the y axis is called the nugget. a non-zero nugget indicates that repeated measurements at the same point yield different values. in developing the variogram it is necessary to make some assumptions about the nature of the observed variation on the surface. simple Kriging assumes that the surface has a constant mean, no underlying trend and that all variation is statistical. universal Kriging assumes that there is a deterministic trend in the surface that underlies the statistical variation. in either case, once trends have been accounted for or assumed not to exist , all other variation is assumed to be a function of distance. the input data for Kriging is usually an irregularly spaced sample of points. to compute a variogram we need to determine how variance increases with distance. begin by dividing the range of distance into a set of discrete intervals, e g 10 intervals between distance 0 and the maximum distance in the study area. for every pair of points, compute distance and the squared difference in z values. assign each pair to one of the distance ranges, and accumulate total variance in each range. after every pair has been used or a sample of pairs in a large dataset compute the average variance in each distance range. plot this value at the midpoint distance of each range. once the variogram has been developed, it is used to estimate distance weights for interpolation. interpolated values are the sum of the weighted values of some number of known points where weights depend on the distance between the interpolated and known points. weights are selected so that the estimates are. unbiased if used repeatedly, Kriging would give the correct result on average. minimum variance variation between repeated estimates is minimum. proble ms with this method. when the number of data points is large this technique is computationally very intensive. the estimation of the variogram is not simple, no one technique is best. since there are several crucial assumptions that must be made about the statistical nature of the. variation, results from this technique can never be absolute. simple Kriging routines are available in the Surface II package Kansas Geological Survey and Surfer Golden Software , and in the GEOEAS package for the PC developed by the US Environmental Protection Agency. traditionally not a highly regarded method among geographers and cartographers. however, Dutton-Marion 1988 has shown that among geologists this is a very important procedure and that most geologists actually distrust the more sophisticated, mathematical algorithms. they feel that they can use their expert knowledge, modelling capabilities and experience and generate a more realistic interpolation by integrating this knowledge into the construction of the geological surface. attempts are now being made to use knowledge engineering techniques to extract this knowledge from experts and build it into an expert system for interpolation. see Unit 74 for more on this topic. characteristics of this method include. procedures are local as different methods may be used by the expert on different parts of the map. tend to honor data points. abrupt changes such as faults are more easily modelled using these methods. the surfaces are subjective and vary from expert to expert. output data structure is usually in the form of a contour. surface is approximated by a polynomial. output data structure is a polynomial function which can be used to estimate values of grid points on a raster or the value at any location. the elevation z at any point x, y on the surface is given by an equation in powers of x and y. e g a linear equation degree 1 describes a tilted plane surface. e g a quadratic equation degree 2 describes a simple hill or valley. z a bx cy dx2 exy fy2.in general, any cross-section of a surface of degree n can have at most n-1 alternating maxima and minima. e g a cubic surface can have one maximum and one minimum in any cross-section. equation for the cubic surface. z a bx cy dx2 exy fy2 gx3 hx2y ixy2 jy3.a trend surface is a global interpolator. assumes the general trend of the surface is independent of random errors found at each sampled pointputing load is relatively light. statistical assumptions of the model are rarely met in practice. edge effects may be severe. a polynomial model produces a rounded surface. this is rarely the case in many human and physical applications. available in a great many mapping packages. see Davis 1973 and Sampson 1978 for non - orthogonal polynomials Mather 1976 for orthogonal polynomials. approximates the surface by overlaying a series of sine and cosine waves. a global interpolatorputing load is moderate. output data structure is the Fourier series which can be used to estimate grid values for a raster or at a ny point. best for data sets which exhibit marked periodicity, such as ocean waves. rarely incorporated in computing packages. simple program and discussion in Davis 1973.estimates are averages of the values at n known points. where w is some function of distance, such as. an almost infinite variety of algorithms may be used, variations include. the nature of the distance function. varying the number of points used. the direction from which they are selected. is the most widely used method. objections to this method arise from the fact that the range of interpolated values is limited by the range of the data. no interpolated value will be outside the observed range of z values. other problems include. how many points should be included in the averaging. what to do about irregularly spaced points. how to deal with edge effects. Burrough, P A 1986 Principles of Geographical Information Systems for land Resources Assessment, Clarendon, Oxford See Chapter 8.Davis, J C 1986 Statistics and Data Analysis in Geology, 2nd edition, Wiley, New York Also see the first, 1973, edition for program listings. Dutton-Marion, K E 1988 Principles of Interpolation Procedures in the Display and Analysis of Spatial Data A Comparative Analysis of Conceptual and Computer Contouring, unpublished Ph D Thesis, Department of Geography, University of Calgary, Calgary, Alberta. Hearn, D and Baker, M P 1986 Computer Graphics, Prentice-Hall Inc, Englewood Cliffs, N J. Jones, T A Hamilton, D E and Johnson, C R 1986 Contouring Geologic Surfaces with the Computer, Van Nostrand Reinhold, New York. Lam, N 1983 Spatial Interpolation Methods A Review, The American Cartographer 10 2 129-149.Mather, P M 1976 Computational Methods of Multivariate Analysis in Physical Geography, Wigley, New York. Sampson, R J 1978 Surface II, revised edition, Kansas Geological Survey, Lawrence, Kansas. Waters, N M 1988 Expert Systems and Systems of Experts, Chapter 12 in W J Coffey, ed Geographical Systems and Systems of Geography Essays in Honour of William Warntz, Department of Geography, University of Western Ontario, London, Ontario. An important class of interpolation methods is missing here - so called radial basis functions, such as multiquadrics, thin plate spline, thin plate spline with tension, regularized spline with tension and a large number of other flavours of this approach also sometimes refered to as variational approach These methods are available in almost every GIS, from ArcINFO, GRASS, SURFER to specialized visualization packages The description can be found at Mitas, L Mitasova, H 1999, Spatial Interpolation In M F Goodchild, D J Maguire, Eds , Geographical Information Systems Principles, Techniques, Management and Applications, GeoInformation International, Wiley, 481-492.1 Are there other techniques for surface generation How many of the above procedures are commonly used How would they be ranked in terms of popularity Give examples from the literature of where they have been used.2 How does hand contouri ng rate as an alternative What did you think of it and have you changed your mind What are the key features and processes involved in hand contouring.3 Explain the advantages and disadvantages of manual interpolation as used in hand contouring over computer based interpolation as used in a computer contouring package.4 Describe the different ways in which spatial interpolation algorithms can be classified. Back to Geography 470 Home Page. Please send comments regarding content to Brian Klinkenberg Please send comments regarding web-site problems to The Techmaster Last Updated August 30, 1997.
No comments:
Post a Comment