Bas R innehåller många funktioner som kan användas för att läsa, visualisera och analysera rumsliga data. Fokusen i denna vy är geografisk geografisk data, där observationer kan identifieras med geografiska platser och där ytterligare information om dessa platser kan hämtas om platsen registreras med försiktighet Bas R-funktioner kompletteras med bidragspaket, varav några är på CRAN och andra är fortfarande i utveckling En aktiv plats är R-Forge som listar rumsliga data och statistikprojekt i sitt projektträd Information om R-rumsliga paket, speciellt sp publiceras på R-Forge rspatialprojektets webbplats, inklusive ett visualiseringsgalleri. Aktiv utveckling av sp fortsätter på Github. De medverkade paketen adresserar två stora områden som flyttar rumslig data till och från R och analyserar rumsliga data i R. R-SIG-Geo-postlistan är ett bra ställe att börja för att få hjälp och diskutera frågor om både åtkomst till data och analysera den. postlista är ett bra ställe att söka efter information om relevanta kurser. Ytterligare information om kurser hittar du under fliken Evenemang i den här bloggen. Det finns ett antal medarbetade handledning och introduktioner som nyligen presenterats är Introduktion till visualisering av rumsliga data i R av Robin Lovelace och James Cheshire. Paketen i den här vyn kan vara grovt strukturerad i följande ämnen Om du tycker att något paket saknas från listan, var god och låt mig veta. Klasser för rumsliga data Eftersom många paket som importerar och använder rumsliga data har var tvungen att inkludera objekt för att lagra data och funktioner för att visualisera det. Ett initiativ pågår för att konstruera delade klasser och plottningsfunktioner för rumsliga data. Sp-paketet diskuteras i en notering i R-nyheter. Ett nytt paket som heter sf är nu på CRAN, och utvecklas aktivt på GitHub som ger enkla funktioner för R Utvecklingen av paketet stöds av R-konsortiet Det ger enkla funktioner enligt Ess för vektordata och som sådan är ett modernt genomförande av delar av sp Många andra paket har blivit beroende av SP-klasserna, inklusive rgdal och maptools. Rgeos-paketet ger ett gränssnitt till topologiska funktioner för sp-objekt som använder GEOS. Stplanr tillhandahåller ett SpatialLinesNetwork Klass baserad på objekt definierade i sp och igraf som kan användas för routing analys inom R Ett annat nätverkspaket är shp2graph Cleangeo kan användas för att inspektera rumsliga objekt, underlätta hantering och rapportering av topologiska fel och geometrisk validitetsproblem. Det hävdar att ge en geometri rengöringsmedel som kommer att åtgärda alla geometriska problem och eliminera åtminstone minska sannolikheten för att ha problem vid rumslig databehandling. Rasterpaketet är en stor förlängning av rumsliga dataklasser för att virtualisera åtkomst till stora raster, vilket medger att stora objekt kan analyseras och utsträckas De analysverktyg som finns tillgängliga för både raster - och vektordata Används med rasterVis det kan också ge en förhöjd visualisering och interaktion Paketet innehåller rumsliga funktioner som syftar till att förbättra rasterpaketets kärnfunktionalitet, inklusive en parallellbehandlingsmotor för användning med raster. Mikromappaketet tillhandahåller länkade mikromaps med hjälp av ggplot2. Rekombapaketet ger rektangulära kartogram med rektangelformat som återspeglar exempelvis befolkningen statsfacken privides en enklare binning tillvägagångssätt för amerikanska stater spacetime paketet utvidgar delade klasser definieras i sp för spatio-temporal data se Spatio-Temporal Data i R Grid2Polygons omvandlar ett rymdobjekt från klass SpatialGridDataFrame till SpatialPolygonsDataFrame. A alternativ inställning till några av Dessa problem är implementerade i PBSmapping-paketet PBSmodelling tillhandahåller modelleringsstöd Dessutom tillhandahåller GEOmap kartläggningsanläggningar som är inriktade på att tillgodose geologernas behov och använder geomapdata-paketet. Hantering av geografiska data Ett antal paket har skrivits med hjälp av SP-klasser. Introducerar många GIS-metoder som nu tillåter mycket att göras med rumsliga data utan att behöva använda GIS utöver R Det kan kompletteras med gdistance som gav beräkning av avstånd och rutter på geografiska gridens geosfär tillåter beräkningar av avstånd och område som ska utföras på rumsliga data i geografiska koordinater DggridR-paketet ger ett gränssnitt till DGGRID för att arbeta med diskreta globala nät, med hjälp av hexagoner, trianglar och diamanter för att övervinna problemet att varje bin har samma område Spsurvey-paketet erbjuder en rad samplingsfunktioner Turen paketet utökar sp-klasser för att tillåta åtkomst och manipulering av rumsliga data för spårning av djur. Hdeco-paketet tillhandahåller hierarkisk sönderdelning av entropi för kategoriska kartsammanställningar. GeoXp-paketet möjliggör interaktiv grafisk exploratory spatial data-analys spcosa ger rumslig provtagning och slumpmässig provtagning från kompakta geografiska strator Magclassen erbjuder en da ta klass för ökad driftskompatibilitet som arbetar med rumsliga tidsmässiga data tillsammans med motsvarande funktioner och metoder omvandlingar, grundläggande beräkningar och grundläggande datamanipulering Klassen skiljer mellan rumsliga, tidsmässiga och andra dimensioner för att underlätta utveckling och driftskompatibilitet av verktyg som bygger på det. Ytterligare funktioner är namn baserad adressering av data och interna konsistens kontroller t. ex. kontroll av rätt datordel i beräkningar. UScensus2000-paketet UScensus2000cdp UScensus2000tract gör användningen av data från 2000-US-folkräkningen mer bekväm. En viktig dataset, Guerry s Moral Statistics of France, har gjorts tillgängligt i Guerrypaketet, som tillhandahåller data och kartor och exempel som är utformade för att bidra till integrationen av multivariat och rumslig analys. Marmappaketet är utformat för nedladdning, plottning och manipulering av badymetriska och topografiska data i R marmap kan fråga ETOPO1-badymetri och topografi databas ASE som är värd för NOAA, använder enkla latitudgrader-djupdata i ascii-format och utnyttjar de avancerade plottningsverktygen som finns i R för att bygga badymetriska kartor av publikationskvalitet se PLOS-papperet. Moderna landgränser tillhandahålls vid 2 resolutioner av rworldmap tillsammans med funktioner för att gå med och kartlägga tabelldata hänvisade till landnamn eller koder Kloroplet - och bubbelkartor stöds och allmänna funktioner för att arbeta med användarkort som visas. Se Ett nytt R-paket för kartläggning av globala data. Landgränser med högre upplösning är tillgängliga från den länkade paketet rworldxtra Historiska landgränser 1946-2012 kan erhållas från cshapes-paketet tillsammans med funktioner för beräkning av avståndsmatriser se kartläggning och mätning av landformer. Landespaketet med medföljande JSS-papper tillhandahåller verktyg för att utforska och utveckla korrigeringsverktyg för fjärranalysdata taRifx är en samling av nytta och bekvämlighet funktioner, och några intressanta rumsliga funktioner T hans gdalUtils-paket innehåller wrappers för Geospatial Data Abstraction Library GDAL Utilities. En rOpenSci blogginlägg beskriver ett GeoJSON-centrerat tillvägagångssätt för att läsa GeoJSON och WKT-data. GeoJSON kan skrivas och läsas med rgdal och WKT av rgeos Införslistorna geojson geojsonio geoaxe och gräsmatta bland annat Rgbif-paketet används för att få tillgång till Global Biodiversity Information Facility GBIF-data Geoaxe tillåter användare att dela upp geospatiala objekt i bitar. Gräsmattapaketet är en klient för Turfjs för geospatial analysis. Reading och skrivning av geografisk data - rgdal Kartor kan vara vektorbaserade Eller raster-baserad Rgdal-paketet ger bindningar till GDAL-stödda rasterformat och OGR-stödda vektorformat. Det innehåller funktioner för att skriva rasterfiler i stödformat. Paketet ger också PROJ 4-projektionsstöd för vektorobjekt på denna sida ger sökbara online PROJ 4-representationer av projektioner Affinera och likformiga transformationer på sp-objekt kan göras med hjälp av func i vec2dtransf-paketet Windows och Mac OSX CRAN-binärerna i rgdal inkluderar delsatser av möjliga datakälla drivrutiner om andra behövs, använda andra konverteringsverktyg eller installera från källan mot en version av GDAL med nödvändiga drivrutiner. Rgeos-paketet innehåller funktioner för läser och skriver välkänd WKT-geometri och wkb-paketet innehåller funktioner för läsning och skrivning av kända binära WKB-geometrier. Läser och skriver rumsliga data - andra paket Det finns ett antal andra paket för att få tillgång till vektordata på CRAN-kartor med mapdata och mapproj ger tillgång till samma slags geografiska databaser som S - RArcInfo tillåter ArcInfo v 7 binära filer och e00-filer att läsas och maptools och shapefiles läser och skriver ArcGIS ArcView shapefiles för NetCDF-filer, kan ncdf4 eller RNetCDF användas. maptools-paketet tillhandahåller även hjälparfunktioner för att skriva kartpolygonfiler som ska läsas av WinBUGS, Mondrian och tmap-kommandot i Stata. Det provar också Ides-gränssnittsfunktioner mellan PBSmapping och spatstat och sp-klasser, förutom kartdatabaser och sp-klasser. Det finns också ett gränssnitt till GSHHS-kustdatabaser. Gmt-paketet ger ett enkelt gränssnitt mellan GMT-kartprogramvara och R geonames är ett gränssnitt till tjänsten OpenStreetMap ger tillgång till öppna gatukarta rasterbilder och osmar ger infrastruktur tillgång till OpenStreetMap-data från olika källor, för att arbeta med data på vanligt R-sätt och att konvertera data till tillgänglig infrastruktur som tillhandahålls av befintliga R-paket. Rpostgis-paketet ger ytterligare funktioner till RPostgreSQL-paketet till gränssnitt R med en PostGIS-aktiverad databas, samt lämpliga omslag till vanliga PostgreSQL-frågor PostGIStools-paketet innehåller funktioner för att konvertera geometri och hstore datatyper från PostgreSQL till standard R-objekt, samt att förenkla importen av R-dataramar inklusive rumsliga dataramar i PostgreSQL. Integration med version 6 och den ledande öppna källan GIS, GRASS, finns i CRAN-paketet spgrass6 med rgdal för utbyte av data För GRASS 7, använd rgrass7 RPyGeo är ett omslag för Python-åtkomst till ArcGIS GeoProcessor och RSAGA är ett liknande skalbaserat omslag för SAGA-kommandon RQGIS-paketet etablerar ett gränssnitt mellan R och QGIS, det vill säga att användaren kan komma åt QGIS-funktioner från R-konsolen. Det uppnår detta genom att använda QGIS Python API via kommandoraden. Notera också denna tråd om en alternativ R QGIS-integration. Visualisering För visualisering är färgpaletterna som finns i paketet RColorBrewer mycket användbara och kan ändras eller förlängas med hjälp av ColorRampPalette-funktionen som är försedd med R. ClassInt-paketet innehåller funktioner för att välja klassintervall för tematisk kartografi. TMap-paketet ger en modern grund för tematiska kartläggning valfritt med hjälp av en grammatikgrafiksyntax Eftersom den har en anpassad gridgrafikplattform elimineras behovet av fortifiering y geometrier att använda med ggplot2 Kartvyspaketet erbjuder metoder för att visa geografiska objekt interaktivt, vanligtvis på en webbkarta. Quickmapr-paketet ger en enkel metod för att visualisera sp och rasterobjekt, möjliggör grundläggande zoomning, panorering, identifiering och märkning av rumsliga objekt och kräver inte att uppgifterna befinner sig i geografiska koordinater. Kartografipaketet tillåter olika kartografiska representationer som proportionella symboler, choropleth, typologi, flöden eller diskontinuiteter. Mapmisc-paketet är en minimal, lätt uppsättning verktyg för att producera snygga kartor i R, med stöd för karta vill användaren placera en kartbakgrund bakom andra skärmar. RgoogleMaps-paketet för åtkomst till Google Maps TM kan vara användbart. ggmap kan användas för rumslig visualisering med Google Maps och OpenStreetMap. ggsn ger norra pilar och skalor för Sådana kartor PlotGoogleMaps-paketet tillhandahåller metoder för visualisering av rumsliga och spatio-temporala objekt i Google Maps i en webbläsare plotKML är ett paket som tillhandahåller metoder för visualisering av rumsliga och spatio-temporala objekt i Google Earth Ett ytterligare alternativ är leafletR som ger grundläggande webbkartningsfunktionalitet för att kombinera vektorgegevensfiler och online kartor från olika källor. Point-mönsteranalys Den rumsliga paketet är ett rekommenderat paket som levereras med bas R och innehåller flera kärnfunktioner, inklusive en implementering av Khat av dess författare, prof Ripley. Dessutom tillåter spatstat friheten att definiera regionens intresse och förlängningar Till markerade processer och rumsliga kovariater Dess styrkor är modellmontering och simulering och den har en användbar hemsida. Det är det enda paketet som gör det möjligt för användaren att passa inhemogena punktprocessmodeller med interpunktsinteraktioner. Spatgraphs-paketet innehåller grafer, grafvisualisering och graf baserade sammanfattningar som ska användas med spatial point mönsteranalys Splitspaketet tillåter också punktdata t O analyseras inom en polygonal region av intresse och täcker många metoder, inklusive 2D-kärndensiteter. Smakpodpaketet tillhandahåller olika statistiska metoder för att analysera fallkontrollpunktsdata. Tillgängliga metoder följer noggrant de i kapitel 6 i tillämpad rumslig statistik för folkhälsodata Av Waller och Gotway 2004.ecespa ger wrappers, funktioner och data för rumlig punktmönsteranalys, som används i boken om ECESPA AEET: s rumsekologi. Funktionerna för binningpunkter på nät i ask kan också vara av intresse. Annonspaketet utför första - Och andra ordningens mångskala analyser härledda från Ripley s K-funktion Aspace-paketet är en samling funktioner för att uppskatta centrografiska statistik och beräkningsgeometrier från rumsliga punktmönster. Spatialkernel tillhandahåller kantskorrigerad kärntäthetsberäkning och binärkärnans regressionsuppskattning för multivariata rumsliga punktprocessdata DSpat innehåller funktioner för rumlig modellering för avstånd Samplingsdata och spatialsegregation tillhandahåller segregeringsåtgärder för multityp spatialpunktsmönster GriegSmith använder Grieg-Smith-metoden på 2-dimensionell rumslig data. Dbmss-paketet möjliggör enkel beräkning av en komplett uppsättning av rumsliga statistiska distansfunktioner, inklusive klassiska Ripley s K och andra och Nyare som används av rumsekonomer Duranton och Overman s Kd, Marcon och Puech s M. Det bygger på spatstat för kalkylberäkningsgitter. Density innehåller funktioner som beräknar gitterbaserad densitetsberäkare av Barry och McIntyre, som står för punktprocesser i tvådimensionella Regioner med oregelbundna gränser och hål. Geostatistik Gstat-paketet erbjuder ett brett utbud av funktioner för univariat och multivariat geostatistik, även för större dataset, medan geoR och geoRglm innehåller funktioner för modellbaserad geostatistik. Variogramdiagnostik kan utföras med vardag Automatiserad interpolering med gstat finns i automap Denna fami Förpackningar kompletteras med intamap med förfaranden för automatiserad interpolering och psgp som implementerar projicerad glesjussisk processkriging. Ett liknande brett spektrum av funktioner finns i fältpaketet. Den rumsliga paketet levereras med bas R och innehåller flera kärnfunktioner. SpBayes-paketet passar Gaussiska univariata och multivariata modeller med MCMC-ramper är ett annat Bayesian geostatistiskt modelleringspaket. Geospt-paketet innehåller några geostatistiska och radiala basfunktioner, inklusive prediktion och korsvalidering. Dessutom innehåller den funktioner för utformning av optimala rumsliga provtagningsnät baserat på geostatistiska modellering Geostatsp-paketet erbjuder geostatistiska modelleringsanordningar som använder Raster och SpatialPoints-objekt tillhandahålls. Icke-Gaussian modeller är anpassade med INLA, och Gaussian geostatistiska modeller använder högsta sannolikhetsberäkning. RandomFields-paketet tillhandahåller funktioner för simulering och analys av slumpmässiga fält , och variogrammodellbeskrivningar kan överföras mellan geoR gstat och detta paket. SpatialExtremes föreslår flera tillvägagångssätt för rumlig extremmodellering med RandomFields. Dessutom tillhandahåller CompRandFld constrainedKriging och geospt alternativa tillvägagångssätt för geostatistisk modellering. SpTimer-paketet kan passa, spatially predict and temporally forecast stora mängder rymdtiddata med hjälp av 1 Bayesian Gaussian Process GP-modeller, 2 Bayesian Auto-Regressive AR-modeller och 3 Bayesian Gaussian Predictive Processes GPP-baserade AR-modeller Rtop-paketet tillhandahåller funktioner för geostatistisk interpolering av data med oregelbundet rumsligt stöd, t. ex. Avrinningsrelaterade data eller data från administrativa enheter Georobpaketet tillhandahåller funktioner för anpassning av linjära modeller med rumsligt korrelerade fel med robust och Gaussisk begränsad maximal sannolikhet och för beräkning av robusta och vanliga punkter och blockeringskrigsutsikter, tillsammans med verktygsfunktioner för cross validation n och för obearbetad omformning av kriging förutsägelser av logtransformerad data Paketet SpatialTools har tonvikt på kriging och ger funktioner för prediktion och simulering. Det utökas av ExceedanceTools som tillhandahåller verktyg för att bygga förtroendeområden för överskridande regioner och konturlinjer. Växelpaketet implementerar vanliga geostatistiska metoder på ett rent, rakt och effektivt sätt och sägs vara en kvasom omstart av SpatialTools. Sperrorest-paketet implementerar rumslig feluppskattning och permutationsbaserad rumslig variabel betydelse med användning av olika rumsliga korsvaliderings - och spatial block bootstrap-metoder . Sgeostat-paketet är också tillgängligt Inom samma allmänna aktuella område är deldir - och tripackpaketet för triangulering och akimapaketet för splineinterpolering, MBA-paketet ger spridd datainterpolering med multilevel B-splines. Dessutom finns det spatialCovariance-paketet, vilket stöder datorn åtkomst av rumsliga kovariansmatriser för data på rektanglar, regresspaketet bygger delvis på spatialCovariance och tgp-paketet. Stampaketet möjliggör uppskattning av parametrarna för en spatio-temporal modell med användning av EM-algoritmen och uppskattningen av parameterstandarden Fel med hjälp av en spatio-temporal parametrisk bootstrap FieldSim är ett annat slumpmässigt fält simuleringspaket SSN är för geostatistisk modellering för data på strömnätverk, inklusive modeller baserade på in-stream-avstånd Modeller skapas med hjälp av rörliga medelkonstruktioner. Spatiala linjära modeller, inklusive kovariater, kan vara lämplig med ML eller REML Mapping och andra grafiska funktioner ingår. Ipdw tillhandahåller funktioner o interpolera georeferenced point data via inverterad vägdistans viktning Användbar för kustnärliga applikationer där hinder i landskapet utesluter interpolering med euklidiska avstånd RSurvey kan användas som bearbetningsprogram för rumsligt distribuerad data, och är c möjliggöra felkorrigeringar och datavisualisering. Disease-kartläggning och arealdataanalys DCluster är ett paket för detektering av rumsliga kluster av sjukdomar. Det sträcker sig och beror på spdep-paketet, vilket ger grundläggande funktioner för att bygga grannlistor och rumsvikter, tester för rumsliga autokorrelation för arealdata som Moran s I och funktioner för montering av rumsregressionsmodeller, såsom SAR - och CAR-modeller. Dessa modeller förutsätter att det geografiska beroendet kan beskrivas med kända vikter Paketet SpatialEpi tillhandahåller implementeringar av klusteravkänning och sjukdomskartläggningsfunktioner, inklusive Bayesian cluster detection, och stöder strata. Pakc-paketet tillhandahåller statistiska metoder för analys av dataområdesdata med fokus på klusteravkänning. Sjukapplikationspaketet erbjuder formatering av population - och falldata, beräkning av standardiserade incidensförhållanden och anpassning av BYM-modellen Användning av INLA Regionalisering av polygonobjekt tillhandahålls av AMOEBA en funktion för att beräkna rumsliga klyftor med hjälp av Getis-Ords lokala statistik Det söker oregelbundna klyftor ecotoper på en karta och med skridare i spdep Seg och OasisR-paket ger funktioner för mätning av rumslig segregering OasisR inkluderar Monte Carlo-simuleringar för att testa indexen The spgwr-paketet innehåller ett genomförande av geografiskt viktiga regressionsmetoder för att undersöka möjlig icke-stationäritet. Gwrr-paketet passar GWR-modeller med geografiskt viktad regression och har verktyg för att diagnostisera och avhjälpa kollinearitet i GWR-modellerna. Passar även geografiskt viktad åsregering GWRR och geografiskt viktad lasso GWL-modeller GWmodel-paketet innehåller funktioner för att beräkna geografiskt viktade modeller Lctools-paketet ger forskare och utbildare lättanvända användarvänliga verktyg för att beräkna nyckelområdessstatistik och att tillämpa enkla såväl som avancerade metoder för rymdanalys i reala data. Dessa inkluderar Local Pearson och Geografiskt viktiga Pearson-korrelationskoefficienter, rumsliga jämviktsåtgärder Gini, Spatial Gini, LQ, Focal LQ, Spatial Autocorrelation Global och Local Moran s I, flera geografiskt viktiga regressionstekniker och andra rumsliga analysverktyg, annan geografisk vägd statistik. Detta paket innehåller också funktioner för mätning av Betydelsen av varje statistik beräknad, huvudsakligen baserad på Monte Carlo-simuleringar Sparr-paketet ger ett annat tillvägagångssätt för relativa risker. CARBayes-paketet implementerar Bayesian hierarkiska rumsliga enhetmodeller. I sådana modeller modelleras den rumsliga korrelationen med en uppsättning slumpmässiga effekter som tilldelas en Villkorlig autoregressiv CAR tidigare fördelning Exempel på modeller som ingår är BYM-modellen och en nyligen utvecklad lokaliserad rumslig utjämningsmodell. GlmmBUGS-paketet är ett bra sätt att överföra rymdmodeller till WinBUGS. SpaMM-paketet passar rumsliga GLMM, med hjälp av Matern korrelationsfunktionen Jon som grundmodell för rumsliga slumpmässiga effekter PReMiuM-paketet är för profilregression, vilket är en Dirichlet-process Bayesian clustermodell det ger en rumslig CAR-term som kan inkluderas i de fasta effekterna som är globala, dvs icke-klusterspecifika parametrar till redogöra för vilken rumslig korrelation som helst i residualerna. spacompaketet tillhandahåller verktyg för att konstruera och utnyttja rumsligt viktad kontextdata och möjliggör vidare att kombinera de resulterande rumsliga viktade kontextdata med individuella nivåprediktor och resultatvariabler, för multilevelmodellering. Geospacom-paketet genererar avståndsmatriser från formfiler och representerar rumsligt viktiga multilevelanalysresultat. Spatial överlevnadsanalys tillhandahålls av spatsurv-Bayesian-inferensen för parametriska proportionala faror, rumsliga överlevnadsmodeller - och spBayesSurv - Bayesian Modeling and Analysis of Spatially Correlated Survival Data - paket Spselect-paketet tillhandahåller modellin g-funktioner baserade på framåtriktad regression, inkrementell framåtriktad regressionsprincip, minstvinkelregression LARS - och lassamodeller för val av rumsskala av kovariater i regressionsmodeller. Patientregression Valet av funktion för rumlig regression beror på tillgängligt stöd Om data Kännetecknas av punktstöd och den rumsliga processen är kontinuerlig, geostatistiska metoder kan användas eller funktioner i nlme-paketet Om stödet är isalt och den rumsliga processen inte behandlas som kontinuerlig kan funktioner som tillhandahålls i spdep-paketet användas Detta paket kan också ses som att tillhandahålla spatialekonometrifunktioner och, som nämnts ovan, ger grundläggande funktioner för att bygga grannlistor och rumsviktar, tester för rumslig autokorrelation för arealdata som Moran s I och funktioner för anpassning av rumsregressionsmodeller. Det ger hela spektret av lokala indikatorer för rumslig förening, såsom lokal Moran s I och diagnostisk till ols för anpassade linjära modeller, inklusive Lagrange Multiplikatortester. Spatialregressionsmodeller som kan monteras med högsta sannolikhet inkluderar rumsliga modeller, rumsliga felmodeller och rumsliga Durbin-modeller. För större dataset kan sparsamma matrismetoder användas för maximal sannolikhet, medan Rumsliga tvåstegs minsta kvadrater och generaliserad metod för momentestimatörer är ett alternativ När man använder GMM kan spet användas för att rymma både autokorrelation och heteroskedasticitet. Spatialräkning regression tillhandahålls med användande av anpassad MCMC genom spatcounts. McSpatial tillhandahåller funktioner för lokalviktad regression, semiparametrisk och villkorligt Parametrisk regression, fourier - och kubisk splinefunktioner, GMM och lineariserad rumslig logit och probit, k-densitetsfunktioner och motfaktorer, icke-parametrisk kvantilregenression och villkorliga densitetsfunktioner, Machado-Mata-sönderdelning för kvantilregressioner, rumslig AR-modell, upprepade försäljningsmodeller och villkorligt parametrisk lo git och probit splm-paketet tillhandahåller metoder för montering av data i rumsliga panelen med största sannolikhet och GM De två små förpackningarna S2sls och spanel ger alternativa implementeringar utan de flesta av faciliteterna i splm. HSAR-paketet erbjuder hierarkiska rymdautoregressiva modeller HSAR, baserat på en Bayesian Markov Kedja Monte Carlo MCMC-algoritm spatialprobit möjliggör Bayesian uppskattning av den rumsliga autoregressiva probitmodellen SAR probitmodellen ProbitSpatial-paketet tillhandahåller metoder för montering av binomiala rumsliga probitmodeller till större datasatser rumsautoregressiv SAR och rumsfel SEM probitmodeller ingår Starma-paketet innehåller funktioner Identifiera, uppskatta och diagnostisera en Space-Time AutoRegressive Moving Average STARMA-modell. Ekologisk analys Det finns många paket för analys av ekologiska och miljömässiga data. De innehåller ade4 för exploratory och euclidiska metoder inom miljövetenskaper, adehabitat-familjen av paket för Analys av livsmiljöval av djur adehabitatHR adehabitatHS adehabitatLT och adehabitatMA, pastecs för reglering, sönderdelning och analys av rymdtidsserier, veganer för ordinationsmetoder och andra användbara funktioner för samhälls - och vegetationsekologer och många andra funktioner i andra bidragspaket Ett sådant är tripEstimation baserat på de klasser som tillhandahålls av trip ncf har gått in i CRAN nyligen och erbjuder ett urval av rumsliga icke-parametriska kovariansfunktioner rangeMapper är ett paket för att manipulera arter avståndsutbredningsplaner, främst verktyg för enkel generering av biodiversitetens artrikedom eller liv - historiska egenskaper kartor Siplab-paketet är en plattform för att experimentera med rumsligt explicit enskilda baserade vegetationsmodeller. ModelMap bygger på andra paket för att skapa modeller med underliggande GIS-data. SpatialPosition beräknar rumsliga modeller. Stewart-potentialer, Reilly-avrinningsområden, Huff-upptagningsområden. paketförsörjning Es metoder för sammanslagning av vattendena och rumsavvandlingsnätverk En off-CRAN-paket - Rcitrus - används för den rumsliga analysen av växtskyddssjukdomar Geneland-paketet använder fält och RandomFields för att utnyttja både geografiska och genetiska informationer för att uppskatta antalet populationer i en dataset och avgränsa deras rumsliga organisation Det ngspatialpaketet tillhandahåller verktyg för att analysera rumsliga data, särskilt icke-gaussiska arealdata. Den stöder den sparsamma generella linjära blandade modellen av Hughes och Haran 2013 och den centrerade autologiska modellen Caragea och Kaiser 2009 The Environmetrics Task View innehåller en mycket mer fullständig undersökning av relevanta funktioner och packages. CRAN-paket. Släta länkar. Spatialfiltrering med hjälp av ett raster geografiskt informationssystem för att skala hälsa och miljödata. Mahammad Ali a c. Michael Emch b. Jean-Paul Donnay ca ICDDR , B, Mohakhali, Dhaka, Bangladesh. b Institutionen för geografi, Portland State University, Po Rtland, OR, USA. c Department of Geomatics, University of Liege, Belgien. Antaget den 3 oktober 2001, Tillgänglig online den 8 november 2001. Trots användningen av geografiska informationssystem GIS inom akademisk forskning är det fortfarande ovanligt att folkhälsoansvariga använder Sådana verktyg för att ta itu med hälso - och miljöfrågor Komplexitet i metodologiska frågor för att hantera relationer mellan hälsa och miljö, undersöka rumslig variation av sjukdom och hantera rumslig efterfrågan och tillgång till hälsovårdstjänst hindrar användningen av GIS inom hälsovårdssektorn Detta dokument visar enkel Rumsliga filtreringsmetoder för att analysera hälso - och miljödata med hjälp av ett raster GIS Computing rumsliga glidmedel reducerar individuella effekter och skapar en kontinuerlig fenomenöverflöde En annan geografisk analysmetod som diskuteras är beräkning av exponeringsstatusytor, inklusive grannarnas influenser vägda av avståndsförlust Dessa metoder beskriver hur hälsa och miljö data kan skalas för att bättre kunna hantera hälsoproblem. Spatiala filtreringsmetoder demonstreras med hjälp av hälso - och befolkningsövervakningsdata inom en GIS som samlades in för cirka 210 000 personer i Matlab, Bangladesh. Sammanfattande författare International Vaccine Institute, Kwanak PO Box 14, Seoul, 151-600, Sydkorea. Upphovsrätt 2002 Utgiven av Elsevier Ltd. Cookies används av denna sida Mer information finns på cookies sidan. Copyright 2017 Elsevier BV eller dess licensgivare eller bidragsgivare ScienceDirect är ett registrerat varumärke som tillhör Elsevier B V. UNIT 40 - SPATIAL INTERPOLATION Ipiled med hjälp av Nigel M Waters, University of Calgary. Spatial interpolation är förfarandet för att uppskatta värdet av egenskaper på osammanställda platser inom det område som omfattas av befintliga observationer. I nästan alla fall måste egenskapen vara intervall eller förhållande skalas. kan betraktas som omvända av processen som används för att välja de få punkterna från en DEM som representerar korrekt ytan. rationalen bakom rumsinterpolation är den observation som punkterar nära varandra i rymden är mer benägna att ha liknande värden än punkter långt ifrån varandra. Toblers lag av geografi. spatial interpolering är en mycket viktig egenskap hos många GIS. spatial interpolation kan användas i GISs. to tillhandahålla konturer för att visa data grafiskt. För att beräkna någon egenskap av ytan vid en given punkt. För att ändra jämförelsetalen vid användning av olika datastrukturer i olika lager. Används ofta som hjälp i den rumsliga beslutsprocessen båda 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