Räumlich Beweglich Arcgis

Base R enthält viele Funktionen, die zum Lesen, Visualisieren und Analysieren von räumlichen Daten verwendet werden können. Der Schwerpunkt dieser Betrachtung liegt auf quotgeographischen räumlichen Daten, bei denen Beobachtungen mit geographischen Standorten identifiziert werden können und bei denen zusätzliche Informationen über diese Orte abgerufen werden können, wenn der Standort sorgfältig erfasst wird. Basis-R-Funktionen werden ergänzt durch beigetragene Pakete, von denen einige auf CRAN, und andere sind noch in der Entwicklung. Ein aktiver Standort ist R-Forge. Die in seinem Projektbaum quotSpatial Data und Statisticsquot-Projekte auflistet. Informationen zu R-Spatialpaketen, insbesondere sp, finden Sie auf der Website des R-Forge rspatial-Projekts. Einschließlich einer Visualisierungsgalerie. Die aktive Entwicklung von sp geht weiter auf Github. Die mitgelieferten Pakete behandeln zwei große Bereiche: die Verschiebung von räumlichen Daten in und aus R und die Analyse von räumlichen Daten in R. Die R-SIG-Geo-Mailingliste ist ein guter Ausgangspunkt, um Hilfe zu holen und Fragen über den Zugriff auf Daten, Und zu analysieren. Die Mailingliste ist ein guter Ort, um nach Informationen über relevante Kurse zu suchen. Weitere Informationen zu den Kursen finden Sie auf der Registerkarte "Eventsquot" dieses Blogs. Es gibt eine Reihe von Tutorials und Einführungen eine neue ist Einführung in die Visualisierung von räumlichen Daten in R von Robin Lovelace und James Cheshire. Die Pakete in dieser Ansicht können grob in die folgenden Themen unterteilt werden. Wenn Sie denken, dass ein Paket fehlt aus der Liste, lass es mich wissen. Klassen für Geodaten. Da viele der Pakete, die räumliche Daten importieren und verwenden, Objekte zum Speichern von Daten und Funktionen zur Visualisierung enthalten müssen, wird eine Initiative entwickelt, um gemeinsame Klassen und Plotterfunktionen für räumliche Daten zu erstellen. Das Sp-Paket wird in einer Notiz in R News diskutiert. Ein neues Paket namens sf ist nun auf CRAN, und wird aktiv auf GitHub entwickelt. Die einfache Funktionen für R. Die Entwicklung des Pakets wird durch das R-Konsortium unterstützt. Es bietet einfache Features Zugriff für Vektordaten, und als solche ist eine moderne Implementierung von Teilen der sp. Viele andere Pakete sind abhängig von den sp-Klassen, einschließlich rgdal und maptools. Das rgeos-Paket bietet eine Schnittstelle zu Topologiefunktionen für sp-Objekte mit GEOS. Das stplanr bietet eine quotSpatialLinesNetworkquot-Klasse basierend auf Objekten, die in sp und igraph definiert sind, die für die Routinganalyse in R verwendet werden können. Ein anderes Netzwerkpaket ist shp2graph. Das Cleangeo kann verwendet werden, um räumliche Objekte zu untersuchen, die Handhabung und Berichterstattung von Topologiefehlern und Geometriegültigkeitsfragen zu erleichtern. Es behauptet, einen Geometrie-Reiniger bereitzustellen, der alle Geometrieprobleme behebt und die Wahrscheinlichkeit von Problemen bei der Verarbeitung räumlicher Daten beseitigt (zumindest verringert). Das Rasterpaket ist eine wesentliche Erweiterung der räumlichen Datenklassen, um den Zugriff auf große Raster zu virtualisieren, so dass große Objekte analysiert und die für Raster - und Vektordaten verfügbaren Analysetools erweitert werden können. Verwendet mit rasterVis. Es kann auch eine verbesserte Visualisierung und Interaktion. Das Paket spatial. tools enthält räumliche Funktionen zur Verbesserung der Kernfunktionalität des Rasterpakets, einschließlich einer Parallelverarbeitungsmaschine für Raster. Das Mikromap-Paket bietet verknüpfte Mikromaps unter Verwendung von ggplot2. Das Remap-Paket stellt rechteckige Kartogramme mit Rechteckgrößen zur Verfügung, die beispielsweise die Population der Statebins widerspiegeln, die einen einfacheren Binning-Ansatz für US-Staaten darstellen. Das Raumzeitpaket erweitert die in sp definierten gemeinsamen Klassen für räumlich-zeitliche Daten (siehe Spatio-Temporale Daten in R). Die Grid2Polygons konvertiert ein räumliches Objekt aus der Klasse SpatialGridDataFrame in SpatialPolygonsDataFrame. Ein alternativer Ansatz für einige dieser Probleme wird im PBSmapping-Paket implementiert. PBSmodelling bietet Modellierungsunterstützung. Darüber hinaus bietet GEOmap Kartierungsmöglichkeiten, die auf die Bedürfnisse von Geologen ausgerichtet sind, und nutzt das Geomapdata-Paket. Umgang mit räumlichen Daten. Eine Anzahl von Paketen wurde unter Verwendung von sp-Klassen geschrieben. Das Rasterpaket führt viele GIS-Methoden ein, die nun mit räumlichen Daten viel zu tun haben, ohne dass zusätzlich zu R GIS verwendet werden muss. Es kann durch gdistance ergänzt werden. Die die Berechnung von Entfernungen und Routen auf geographischen Netzen vorsah. Geosphäre erlaubt Berechnungen von Entfernung und Fläche, die auf Geodaten in geographischen Koordinaten durchgeführt werden sollen. Das dggridR-Paket bietet eine Schnittstelle zu DGGRID für die Arbeit mit diskreten globalen Gittern unter Verwendung von Sechsecken, Dreiecken und Diamanten, um das Problem zu überwinden, dass jedes Fach denselben Bereich hat. Das Paket spsurvey bietet eine Reihe von Sampling-Funktionen. Das Reisepaket erweitert sp-Klassen, um den Zugriff und die Manipulation von räumlichen Daten für die Tierverfolgung zu ermöglichen. Das hdeco-Paket bietet hierarchische Dekomposition von Entropie für kategorische Kartenvergleiche. Das GeoXp-Paket ermöglicht eine interaktive grafische Explorations-Raumdatenanalyse. Spcosa liefert räumliche Deckungsproben und Stichproben aus kompakten geographischen Schichten. Die magclass bietet eine Datenklasse für erhöhte Interoperabilität mit räumlich-zeitlichen Daten zusammen mit entsprechenden Funktionen und Methoden (Konvertierungen, Grundrechnungen und grundlegende Datenmanipulation). Die Klasse unterscheidet zwischen räumlichen, zeitlichen und anderen Dimensionen, um die Entwicklung und Interoperabilität von Tools für sie zu erleichtern. Weitere Merkmale sind die namentliche Adressierung von Daten und interne Konsistenzprüfungen (z. B. die Überprüfung der richtigen Datenreihenfolge in Berechnungen). Die UScensus2000 Suite von Paketen (UScensus2000cdp. UScensus2000tract) macht die Verwendung von Daten aus der US-Volkszählung 2000 bequemer. Ein wichtiger Datensatz, Guerrys quotMoral Statistics von Francequot, wurde im Guerry-Paket zur Verfügung gestellt, das Daten und Karten und Beispiele liefert, die zur Integration multivariater und räumlicher Analysen beitragen sollen. Das marmap-Paket dient zum Herunterladen, Plotten und Manipulieren bathymetrischer und topographischer Daten in R. marmap kann die von der NOAA gehosteten ETOPO1-Bathymetrie - und Topographiedatenbank abfragen, einfache Latitude-Längen-Tiefe-Daten im ascii-Format nutzen und die Fortschritte nutzen Plotting-Tools in R, um bahnbrechende bathymetrische Karten zu erstellen (siehe das PLOS-Papier). Moderne Ländergrenzen werden bei 2 Auflösungen von rworldmap zusammen mit Funktionen zum Verbinden und Zuordnen von tabellarischen Daten, auf die durch Ländernamen oder Codes verwiesen wird, zur Verfügung gestellt. Chloropleth - und Bubble-Maps werden unterstützt und allgemeine Funktionen zur Bearbeitung der vom Benutzer bereitgestellten Maps (siehe Neues R-Paket zum Mapping von Globaldaten) Länderlimitierungen mit höherer Auflösung stehen im verknüpften Paket rworldxtra zur Verfügung, historische Ländergrenzen (1946-2012) sind erhältlich Das cshapes - Paket zusammen mit Funktionen zum Berechnen von Abstandsmatrizen (siehe Mapping and Measuring Country Shapes) Das landat - Paket mit begleitendem JSS - Papier stellt Werkzeuge für die Erforschung und Entwicklung von Korrekturwerkzeugen für Fernerkundungsdaten dar. TaRifx ist eine Sammlung von Nutzen - und Komfortfunktionen und Einige interessante räumliche Funktionen Das gdalUtils-Paket stellt Wrapper für die GDAL-Dienstprogramme zur Verfügung. Ein rOpenSci-Blogeintrag beschrieb einen GeoJSON-zentrierten Ansatz für das Lesen von GeoJSON - und WKT-Daten GeoJSON kann mit rgdal und WKT by geschrieben und gelesen werden Rgeos Der Eintrag listet geojson. geojsonio. geoaxe und Rasen ua Das rgbif-Paket wird für den Zugriff auf globale Daten zur Biodiversitätsinformation (GBIF) verwendet. Die Geoaxe ermöglicht es Benutzern, Geo-Objekte in Stücke zu teilen. Das Rasen-Paket ist ein Client für Turfjs für Geo-Analyse. Lesen und Schreiben räumlicher Daten - rgdal. Karten können vektor - oder rasterbasiert sein. Das rgdal-Paket bietet Bindungen zu GDAL-unterstützten Rasterformaten und OGR-unterstützten Vektorformaten. Es enthält Funktionen zum Schreiben von Rasterdateien in unterstützten Formaten. Das Paket bietet auch PROJ.4-Projektionsunterstützung für Vektorobjekte (diese Seite bietet durchsuchbare Online-PROJ.4-Darstellungen von Projektionen). Affine - und Ähnlichkeitstransformationen auf sp-Objekten können mit Funktionen im Paket vec2dtransf durchgeführt werden. Die Windows - und Mac OSX-CRAN-Binärdateien von rgdal umfassen Untermengen von möglichen Datenquellentreibern, wenn andere benötigt werden, andere Konvertierungsprogramme verwenden oder von einer Quelle mit einer Version von GDAL mit den erforderlichen Treibern installieren. Das rgeos Paket bietet Funktionen zum Lesen und Schreiben bekannter Text (WKT) Geometrie, und das wkb Paket bietet Funktionen zum Lesen und Schreiben bekannter binärer (WKB) Geometrie. Lesen und Schreiben räumlicher Daten - andere Pakete. Es gibt eine Reihe weiterer Pakete für den Zugriff auf Vektordaten auf CRAN: maps (mit mapdata und mapproj) bieten Zugriff auf dieselben geografischen Datenbanken wie S - RArcInfo erlaubt, ArcInfo v.7 Binärdateien und. e00 Dateien zu lesen, und Maptools und Shapefiles lesen und schreiben können ArcGIS / ArcView-Shapefiles für NetCDF-Dateien, ncdf4 oder RNetCDF verwendet werden. Das maptools-Paket enthält auch Hilfsprogramme zum Schreiben von Karten-Polygon-Dateien, die von WinBUGS, Mondrian und dem Befehl tmap in Stata gelesen werden sollen. Es bietet auch Schnittstellenfunktionen zwischen PBSmapping - und spatstat - und sp-Klassen, zusätzlich zu Kartendatenbanken und sp-Klassen. Es gibt auch eine Schnittstelle zu GSHHS shoreline Datenbanken. Das gmt-Paket bietet eine einfache Schnittstelle zwischen der GMT-Kartenerstellungssoftware und R. geonames ist eine Schnittstelle zum Dienst geonames. org. OpenStreetMap bietet Zugang zu offenen Straßenkarten-Rasterbildern und osmar bietet Infrastrukturen, um auf OpenStreetMap-Daten aus verschiedenen Quellen zuzugreifen, mit den Daten gemeinsam R zu arbeiten und Daten in eine vorhandene Infrastruktur zu konvertieren, die durch vorhandene R-Pakete bereitgestellt wird. Das rpostgis-Paket bietet dem RPostgreSQL-Paket zusätzliche Funktionen für die Schnittstelle R mit einer PostGIS-fähigen Datenbank sowie bequeme Wrapper für gängige PostgreSQL-Abfragen. Das PostGIStools-Paket bietet Funktionen zur Umwandlung von Geometrie - und Hstore-Datentypen aus PostgreSQL in Standard-R-Objekte sowie zur Vereinfachung des Importes von R-Datenrahmen (einschließlich räumlicher Datenrahmen) in PostgreSQL Integration mit Version 6. und des führenden Open Source GIS , GRASS, wird im CRAN Paket spgrass6 zur Verfügung gestellt. Mit rgdal für den Datenaustausch. Verwenden Sie für GRASS 7. rgrass7. RPyGeo ist ein Wrapper für Python-Zugriff auf den ArcGIS GeoProcessor und RSAGA ist ein ähnlicher Shell-basierter Wrapper für SAGA-Befehle. Das RQGIS-Paket schafft eine Schnittstelle zwischen R und QGIS, d. h. es ermöglicht dem Benutzer, auf QGIS-Funktionalitäten von der R-Konsole zuzugreifen. Dies wird durch die Verwendung der QGIS Python API über die Befehlszeile erreicht. Beachten Sie auch diesen Thread zu einer alternativen R / QGIS-Integration. Visualisierung. Für die Visualisierung sind die im RColorBrewer-Paket enthaltenen Farbpaletten sehr nützlich und können mit der mit R. versehenen colorRampPalette-Funktion modifiziert oder erweitert werden. Das classInt-Paket bietet Funktionen zur Auswahl von Klassenintervallen für thematische Kartografie. Das tmap-Paket erwies sich als moderne Basis für die thematische Abbildung wahlweise mit einer Grammatik der Graphics-Syntax. Da es eine eigene grafische Grafikplattform hat, entfällt die Notwendigkeit, die mit ggplot2 zu verwendenden Geometrien zu verstärken. Das mapview-Paket bietet Methoden, um räumliche Objekte interaktiv zu betrachten, meist auf einer Web-Mapping-Basis. Das quickmapr-Paket bietet eine einfache Methode, um sp - und Rasterobjekte zu visualisieren, das grundlegende Zoomen, Schwenken, Identifizieren und Beschriften von räumlichen Objekten zu ermöglichen und erfordert nicht, dass sich die Daten in geografischen Koordinaten befinden. Das Kartografiepaket ermöglicht verschiedene kartographische Darstellungen wie Proportionalsymbole, Choropleth, Typologie, Strömungen oder Diskontinuitäten. Das Mapmisc-Paket ist ein minimales, leichtes Set von Werkzeugen für die Produktion von schönen Karten in R, mit Unterstützung für Kartenprojektionen. Wenn der Benutzer einen Kartenhintergrund hinter anderen Anzeigen platzieren möchte, ist das RgoogleMaps-Paket für den Zugriff auf Google Maps (TM ) könnte nützlich sein. Ggmap kann für die räumliche Visualisierung mit Google Maps und OpenStreetMap verwendet werden ggsn stellt Nordpfeile und Skalen für solche Karten zur Verfügung. Das plotGoogleMaps-Paket bietet Methoden zur Visualisierung von räumlichen und spatio-zeitlichen Objekten in Google Maps in einem Webbrowser. PlotKML ist ein Paket, das Methoden zur Visualisierung räumlicher und räumlich-zeitlicher Objekte in Google Earth bereitstellt. Eine weitere Option ist die Broschüre. Die grundlegende Web-Mapping-Funktionalität bietet, um Vektordateien und Online-Map-Kacheln aus verschiedenen Quellen zu kombinieren. Punktmusteranalyse. Das räumliche Paket ist ein empfohlenes Paket, das mit Base R ausgeliefert wird und enthält mehrere Kernfunktionen, einschließlich einer Implementierung von Khat durch seinen Autor, Prof. Ripley. Darüber hinaus ermöglicht spatstat Freiheit bei der Definition der Region (en) von Interesse und macht Erweiterungen zu markierten Prozessen und räumlichen Kovariaten. Seine Stärken sind Modell-Anpassung und Simulation, und es hat eine nützliche Homepage. Es ist das einzige Paket, das es dem Benutzer ermöglicht, inhomogene Punktprozessmodelle mit Interpoint-Interaktionen zu platzieren. Das Spatgraph-Paket bietet Graphen, Graph-Visualisierungen und grafische Zusammenfassungen für die räumliche Punktmuster-Analyse. Das Splancs-Paket erlaubt auch das Analysieren von Punktdaten innerhalb eines polygonalen Bereichs von Interesse und deckt viele Verfahren, einschließlich 2D-Kerndichten, ab. Das smacpod-Paket bietet verschiedene statistische Methoden zur Analyse von Case-Control-Point-Daten. Die zur Verfügung stehenden Methoden entsprechen denen in Kapitel 6 der Applied Spatial Statistics for Public Health Data von Waller und Gotway (2004). Ecespa liefert Wrapper, Funktionen und Daten für die räumliche Punktmusteranalyse, die im Buch zur räumlichen Ökologie des ECESPA / AEET verwendet wird. Die Funktionen zum Binning von Punkten auf Gittern in Asche können ebenfalls von Interesse sein. Das Anzeigenpaket führt erste und zweite Massenanalysen aus der Ripleys K-Funktion durch. Das aspace-Paket ist eine Sammlung von Funktionen zur Schätzung von Zentrographie-Statistik und Berechnungsgeometrien aus räumlichen Punktmustern. Spatialkernel liefert eine randkorrigierte Kerneldichtemessung und eine binäre Kernregressionsschätzung für multivariate räumliche Punktprozessdaten. DSpat enthält Funktionen für die räumliche Modellierung von Entfernungsabtastdaten und die Spatialsegregation bietet Segregationsmaßnahmen für multitype-räumliche Punktmuster. GriegSmith verwendet die Grieg-Smith-Methode auf zweidimensionalen räumlichen Daten. Das dbmss-Paket erlaubt eine einfache Berechnung eines vollständigen Satzes von räumlichen statistischen Funktionen der Distanz, einschließlich klassischer (Ripleys K und andere) und jüngeren von räumlichen Ökonomen (Duranton und Overmans Kd, Marcon und Puechs M). Es beruht auf spatstat für die Kernberechnung. LatticeDensity enthält Funktionen, die den Gitterbasierten Dichteabschätzer von Barry und McIntyre berechnen, der Punktprozesse in zweidimensionalen Bereichen mit unregelmäßigen Grenzen und Löchern berücksichtigt. Geostatistik. Das gstat-Paket bietet eine breite Palette von Funktionen für die univariate und multivariate Geostatistik, auch für größere Datensätze, während geoR und geoRglm Funktionen für die modellbasierte Geostatistik enthalten. Die Variogramm-Diagnostik kann mit vardiag durchgeführt werden. Die automatische Interpolation mit gstat ist in automap verfügbar. Diese Familie von Paketen wird durch intamap mit Prozeduren für automatisierte Interpolation und psgp ergänzt. Die projizierte spärliche Gaußsche Prozesskrigments implementiert. Ein ähnliches breites Spektrum an Funktionen finden Sie im Bereich Paket. Das räumliche Paket wird mit Base R ausgeliefert und enthält mehrere Kernfunktionen. Das spBayes-Paket passt Gaussian univariate und multivariate Modelle mit MCMC. Rampen ist ein anderes bayesisches geostatistisches Modellierungspaket. Das geospt-Paket enthält geostatistische und radiale Basisfunktionen inklusive Vorhersage und Kreuzvalidierung. Darüber hinaus umfasst es Funktionen für die Gestaltung optimaler räumlicher Abtastnetze auf Basis geostatistischer Modellierung. Das geostatsp-Paket bietet geostatistische Modellierungsmöglichkeiten mit Raster - und SpatialPoints-Objekten. Nicht-Gauss-Modelle passen mit INLA, und Gaussian geostatistische Modelle verwenden Maximum Likelihood Estimation. Das RandomFields-Paket bietet Funktionen zur Simulation und Analyse von Zufallsfeldern und Variogrammmodellbeschreibungen können zwischen geoR übergeben werden. Gstat und dieses Paket. SpatialExtremes schlägt mehrere Ansätze für räumliche Extreme Modellierung mit RandomFields. Darüber hinaus ist CompRandFld. ConstrainedKriging und Geospt bieten alternative Ansätze zur geostatistischen Modellierung. Das spTimer-Paket ist in der Lage, große Mengen an Raum-Zeit-Daten unter Verwendung von 1 Bayesschen Gaußschen Prozeß - (GP) - Modellen, 2 Bayesschen Auto-Regressiven (AR) - Modellen und 3 Bayesschen Gaußschen Prädiktiven Prozessen (GPP) zu platzieren, räumlich vorherzusagen und zeitlich zu prognostizieren AR-Modelle. Das rtop-Paket bietet Funktionen für die geostatistische Interpolation von Daten mit unregelmäßiger räumlicher Unterstützung wie Abflussdaten oder Daten von Verwaltungseinheiten. Das Georob-Paket bietet Funktionen für die Anpassung von linearen Modellen mit räumlich korrelierten Fehlern durch robuste und Gaussian Restricted Maximum Likelihood sowie die Berechnung von robusten und üblichen Point-and-Block-Kriging-Vorhersagen sowie Utility-Funktionen für die Cross-Validierung und für die uneingeschränkte Rücktransformation von kriging Prognosen Log-transformierten Daten. Das SpatialTools-Paket hat einen Schwerpunkt auf kriging und bietet Funktionen zur Vorhersage und Simulation. Es wird von ExceedanceTools erweitert. Die Werkzeuge für den Aufbau von Vertrauensbereichen für Überschreitungsbereiche und Höhenlinien zur Verfügung stellt. Das Zahnradpaket implementiert gemeinsame geostatistische Methoden in einer sauberen, direkten und effizienten Weise und wird als Quasi-Neustart von SpatialTools bezeichnet. Das Sgeostat-Paket ist ebenfalls erhältlich. Im selben allgemeinen aktuellen Bereich sind die deldir - und tripack-Pakete für die Triangulation und das akima-Paket für die Spline-Interpolation das MBA-Paket für gestreute Dateninterpolation mit mehrstufigen B-Splines. Darüber hinaus gibt es das räumlicheKovarianzpaket, das die Berechnung räumlicher Kovarianzmatrizen für Daten auf Rechtecken, das Regresspaketgebäude teilweise auf räumlicher Kovarianz, unterstützt. Und das tgp-Paket. Das Stem-Paket sieht die Schätzung der Parameter eines räumlich-zeitlichen Modells unter Verwendung des EM-Algorithmus und die Schätzung der Parameter-Standardfehler unter Verwendung eines raumzeitlichen parametrischen Bootstrap vor. FieldSim ist ein weiteres Zufallsfeld-Simulationspaket. Die SSN ist für die geostatistische Modellierung für Daten in Stream-Netzwerken, einschließlich Modellen auf der Strecke in Stream. Modelle werden mit gleitenden mittleren Konstruktionen erstellt. Räumliche lineare Modelle, einschließlich Kovarianten, können mit ML oder REML gepasst werden. Mapping und andere grafische Funktionen sind enthalten. Das ipdw bietet Funktionen o interpolieren georeferenzierten Punktdaten über Inverse Pfad Distanzgewichtung. Nützlich für Küsten-Marine-Anwendungen, wo Barrieren in der Landschaft Interpolation mit euklidischen Abständen ausschließen. RSurvey kann als Verarbeitungsprogramm für räumlich verteilte Daten verwendet werden und ist zu Fehlerkorrekturen und Datenvisualisierung fähig. Disease-Mapping und flächige Datenanalyse. DCluster ist ein Paket zum Nachweis räumlicher Cluster von Krankheiten. Es erweitert und hängt von dem spdep-Paket ab, das Grundfunktionen für den Aufbau von Nachbarlisten und Raumgewichten, Tests für die räumliche Autokorrelation für flächige Daten wie Morans I und Funktionen für die Anpassung von räumlichen Regressionsmodellen wie SAR - und CAR-Modellen bereitstellt. Diese Modelle gehen davon aus, dass die räumliche Abhängigkeit durch bekannte Gewichte beschrieben werden kann. Das SpatialEpi-Paket bietet Implementierungen von Cluster-Erkennungs - und Krankheits-Mapping-Funktionen, einschließlich Bayes-Cluster-Erkennung, und unterstützt Schichten. Das smerc-Paket bietet statistische Methoden für die Analyse von Daten-Areal-Daten mit einem Fokus auf Cluster-Erkennung. Das Erkrankungspaket bietet die Formatierung von Populations - und Falldaten, die Berechnung standardisierter Inzidenzverhältnisse und die Anpassung des BYM-Modells mittels INLA. Die Regionalisierung von Polygonobjekten erfolgt durch AMOEBA. Eine Funktion zur Berechnung räumlicher Cluster unter Verwendung der Lokalstatistik von Getis-Ord. Es sucht unregelmäßige Cluster (Ökotope) auf einer Karte und von Skater in spdep. Die Seg - und OasisR-Pakete bieten Funktionen zur Messung der räumlichen Segregation OasisR beinhaltet Monte-Carlo-Simulationen, um die Indizes zu testen. Das spgwr-Paket enthält eine Implementierung geografisch gewichteter Regressionsmethoden zur Ermittlung möglicher Nicht-Stationarität. Das GWRR-Paket passt geografisch gewichtete Regressionsmodelle (GWR-Modelle) und verfügt über Werkzeuge zur Diagnose und Korrektur von Kollinearität in den GWR-Modellen. Auch für geographisch gewichtete Kammregression (GWRR) und geographisch gewichtete Lasso (GWL) Modelle. Das GWmodel-Paket enthält Funktionen zur Berechnung geographisch gewichteter Modelle. Das lctools-Paket bietet Forschern und Pädagogen einfach zu erlernen benutzerfreundliche Werkzeuge für die Berechnung der räumlichen Schlüsselstatistik und die Anwendung einfacher sowie fortgeschrittener Methoden der räumlichen Analyse in realen Daten. Dazu gehören: lokale Pearson - und geographisch gewichtete Pearson-Korrelationskoeffizienten, räumliche Ungleichheitsmaße (Gini, räumliche Gini, LQ, Focal LQ), räumliche Autokorrelation (Globale und lokale Morans I), verschiedene geographisch gewichtete Regressionstechniken und andere räumliche Analysewerkzeuge (andere geographisch Gewichtete Statistiken). Dieses Paket enthält auch Funktionen zur Messung der Signifikanz jeder berechneten Statistik, die hauptsächlich auf Monte-Carlo-Simulationen basiert. Das Sparr-Paket bietet einen weiteren Ansatz für relative Risiken. Das CARBayes-Paket implementiert Bayes'sche hierarchische räumliche Flächenmodelle. In solchen Modellen wird die räumliche Korrelation durch einen Satz von Zufallseffekten modelliert, denen eine bedingte autoregressive (CAR) Vorverteilung zugeordnet ist. Beispiele für die Modelle sind das BYM-Modell sowie ein kürzlich entwickeltes lokalisiertes räumliches Glättungsmodell. Das glmmBUGS-Paket ist eine hilfreiche Möglichkeit, räumliche Modelle an WinBUGS zu übergeben. Das spaMM-Paket passt zu räumlichen GLMMs, wobei die Matern-Korrelationsfunktion als Grundmodell für räumliche Zufallseffekte verwendet wird. Das PReMiuM - Paket ist für die Profilregression, die ein Dirichlet - Prozess - Bayesschen Clustermodell ist, das einen räumlichen CAR - Term liefert, der in die festen Effekte (die globalen, dh nicht clusterspezifischen Parameter) gehören, um eine räumliche Korrelation zu berücksichtigen Die Residuen. Das spacom-Paket bietet Werkzeuge, um räumlich gewichtete Kontextdaten zu konstruieren und auszunutzen, und ermöglicht ferner die Kombination der resultierenden räumlich gewichteten Kontextdaten mit individuellen Prädiktor - und Ergebnisvariablen für die Zwecke der mehrstufigen Modellierung. Das geospacom-Paket erzeugt Distanzmatrizen aus Formdateien und stellt räumlich gewichtete Mehrebenenanalyseergebnisse dar. Die räumliche Überlebensanalyse ergibt sich aus der spatsurv - Bayes'schen Schlussfolgerung für parametrische proportionale Gefährdungen räumlicher Überlebensmodelle - und spBayesSurv - Bayessche Modellierung und Analyse von räumlich korrelierten Überlebensdatenpaketen. Das spselect-Paket bietet Modellierungsfunktionen auf der Grundlage der schrittweisen Vorwärtsregression, der inkrementellen Vorwärtsstufenregression, der kleinsten Winkelregression (LARS) und der Lasso-Modelle zur Auswahl der räumlichen Skala von Kovariaten in Regressionsmodellen. Räumliche Regression. Die Wahl der Funktion für die räumliche Regression hängt von der verfügbaren Unterstützung ab. Wenn die Daten durch Punktunterstützung gekennzeichnet sind und der räumliche Prozess kontinuierlich ist, können geostatistische Methoden oder Funktionen im nlme-Paket verwendet werden. Wenn der Träger flach ist und der räumliche Prozeß nicht kontinuierlich behandelt wird, können Funktionen, die in dem spdep-Paket vorgesehen sind, verwendet werden. Dieses Paket kann auch die Bereitstellung von räumlichen Ökonometrie Funktionen zu sehen ist, und, wie oben erwähnt, bietet grundlegende Funktionen für den Aufbau Nachbarlisten und Raumgewichte, Tests für die räumliche Autokorrelation für Flächendaten wie Morans I und Funktionen für den Einbau räumlichen Regressionsmodelle. Es bietet das gesamte Spektrum der lokalen Indikatoren der räumlichen Assoziation, wie lokale Morans I und Diagnose-Tools für lineare Modelle, einschließlich Lagrange Multiplikator-Tests. Räumliche Regressionsmodelle, die mit maximaler Wahrscheinlichkeit eingebaut werden können, schließen räumliche Lag-Modelle, räumliche Fehlermodelle und räumliche Durbin-Modelle ein. Für größere Datensätze können Sparse-Matrix-Techniken für Maximum-Likelihood-Anpassungen verwendet werden, während räumliche zweistufige kleinste Quadrate und generalisierte Verfahren von Momentenschätzern eine Alternative darstellen. Bei Verwendung von GMM kann sphet verwendet werden, um sowohl Autokorrelation als auch Heteroskedastizität aufzunehmen. Die räumliche Zählregression wird durch benutzerdefinierte MCMC durch spatcounts bereitgestellt. Die McSpatial stellt Funktionen für die lokal gewichtete Regression, semiparametrischer und bedingt parametrischer Regression, Fourier und kubische Spline-Funktionen, GMM und linearisiert räumlichen logit und Probit, k-Dichtefunktionen und counterfactuals, nichtparametrischer Quantilsregression und bedingte Dichtefunktionen, Machado-Mata Zersetzung für Quantil Regressionen, räumliche AR-Modell, wiederholen Verkaufsmodelle und bedingte parametrische logit und probit. Das Splm-Paket bietet Methoden für die Anpassung räumlicher Panel-Daten durch maximale Wahrscheinlichkeit und GM. Die beiden kleinen Pakete S2sls und spanel bieten alternative Implementierungen ohne die meisten der Einrichtungen von Splm. Das HSAR-Paket bietet hierarchische räumliche Autoregressive Modelle (HSAR), basierend auf einem Bayesian Markov Chain Monte Carlo (MCMC) Algorithmus. Spatialprobit ermöglichen die Bayessche Schätzung des räumlich autoregressiven Probit-Modells (SAR probit model). Das ProbitSpatial-Paket bietet Methoden für die Anpassung von Binomial-Raumprobenmodellen an größere Datensätze, die räumlich autoregressive (SAR) und räumliche Fehler (SEM) - Probit-Modelle enthalten sind. Ökologische Analyse. Es gibt viele Pakete zur Analyse ökologischer und ökologischer Daten. Dazu gehören für Explorations - und euklidischen Methoden in den Umweltwissenschaften, die adehabitat Familie von Verpackungen für die Analyse von Lebensraum Auswahl von Tieren ade4 (adehabitatHR. AdehabitatHS. AdehabitatLT. Und adehabitatMA), pastecs für die Regulierung, Zersetzung und Analyse der Raum-Zeit-Serie , Vegan für Ordinationsmethoden und andere nützliche Funktionen für Gemeinde - und Vegetationsökologen und viele andere Funktionen in anderen beigetragenen Paketen. Eines davon ist tripEstimation. Basiert auf den Klassen durch Reise zur Verfügung gestellt. Ncf hat CRAN vor kurzem eingegeben und bietet eine Reihe von räumlichen nichtparametrischen Kovarianzfunktionen. RangeMapper ist ein Paket zur Manipulation von Speziesbereichen (Ausmaß des Vorkommens), vor allem Werkzeuge zur einfachen Erzeugung von Biodiversität (Artenreichtum) oder Lebensgeschichte-Merkmalkarten. Das siplab-Paket ist eine Plattform zum Experimentieren mit räumlich expliziten individuellen Vegetationsmodellen. ModelMap baut auf anderen Paketen auf, um Modelle mit zugrunde liegenden GIS-Daten zu erstellen. Die SpatialPosition berechnet räumliche Positionsmodelle: Stewart Potentiale, Reilly Einzugsgebiete, Huff Einzugsgebiete. Die Watersheds-Paket bietet Methoden für die Wasserscheide Aggregation und räumliche Drainage Netzwerk-Analyse. Ein Off-CRAN-Paket - Rcitrus - dient der räumlichen Analyse der Inzidenz von Pflanzenkrankheiten. Das Geneland-Paket verwendet Felder und RandomFields, um sowohl die geografischen als auch die genetischen Informationen zu nutzen, um die Anzahl der Populationen in einem Datensatz abzuschätzen und ihre räumliche Organisation abzugrenzen. Das ngspatiale Paket liefert Werkzeuge für die Analyse räumlicher Daten, insbesondere nicht-Gaußscher Flächendaten. Es unterstützt das spärlich räumlich verallgemeinerte lineare Mischmodell von Hughes und Haran (2013) und das zentrierte autologe Modell von Caragea und Kaiser (2009). Die Environmetrics Task View enthält eine umfassendere Übersicht über relevante Funktionen und Pakete. CRAN-Pakete: Related Links: Ich habe eine Rasterkarte von US-Midwest, die sehr spärlich ist, d. H. Die Pixel von Interesse sind wenige genug, um fast unsichtbar zu sein, wenn in einer Skala, wo alle Staaten der US-Midwest sichtbar sind. Ich möchte den Ansatz in diesem PNAS Papier (pnas. org/content/110/10/4134.full) skizziert folgen eine bessere Karte zu schaffen, aber nicht sicher, wie es in ArcGIS zu replizieren. Jede Hilfe wäre willkommen. Das PNAS-Papier skizziert die folgenden Schritte: Wegen der geringen Größe und der gestreuten Verteilung der Veränderungsbereiche war es schwierig, die regionalen Muster von LCLUC mit der ursprünglichen 56-m-räumlichen Auflösung zu visualisieren. Als Ergebnis haben wir räumliche Glättung Techniken verwendet, um eine regionale Veränderung Oberfläche, die lokalen Hotspots der Veränderung hervorgehoben zu schaffen. Verwandte Ansätze werden in Bereichen wie der räumlichen Epidemiologie verwendet, um eine stabile Schätzung der Krankheitsraten zu erzeugen (48), wurden aber im Bereich der Landveränderungswissenschaft nicht breit angewandt. In unserem Glättungsansatz wurden Pixeln mit einer Auflösung von 56 Metern zuerst auf den Prozentsatz der Änderung bei einer Auflösung von 560 m aufgelagert. Dies wurde durchgeführt, indem 10-mal-10 Blöcke von 56-m Pixeln (d. h. 100 Pixelblöcke) genommen wurden und die binäre Änderung innerhalb jedes Blocks summiert wurde (Fig. S4A). Als nächstes wurde ein 2D-Kernel verwendet, um eine geglättete Schätzung der prozentualen Veränderung für jedes der 560-m-Auflösungspixel (Fig. S4B) zu berechnen. Eine quartische Kernelfunktion wurde verwendet, um gleitende Mittelwerte über das Untersuchungsgebiet mit einer Bandbreite von 10 km zu berechnen. Das gleiche quartic Kernel-Funktion verwendet wurde 2006 Prozent Veränderung von Mais / Soja zu glätten schließlich im Jahr 2011 in Grünland erzielten wir eine geglättete Karte von Grünland Abdeckung im Jahr 2006 von Grünland Präsenz auf 56-m Auflösung Prozent Grünland Abdeckung bei 560- aggregieren M Auflösung und dann Glätten dieser aggregierten Deckschicht unter Verwendung desselben 10-km-Quarzkerns. Diese geglättete Grünland-Deckschicht wurde anschließend als der Nenner bei der Erzeugung einer Karte der relativen Raten der Grünland-Umwandlung verwendet. Soweit ich verstehe, das ist das Flussdiagramm: 1. Verwenden Sie Blockstatistiken in ArcGIS 10x10 Pixel von 56-m-Raster zu 560m Raster 2. 2D-Kernel glattere zusammenzufassen: nicht sicher, wie diese 3. Quartic Kernel zu tun: nicht sicher, wie Um dies zu tun Nicht sicher, wie Fortschritt über Schritt 1 gefragt Aug 15 14 bei 0:29