Räumlich Gleitend Durchschnittlich Arcgis

Ich habe eine Rasterkarte von US Midwest, die sehr spärlich ist, d. h. die Pixel von Interesse sind nur wenige genug, um fast unsichtbar zu sein, wenn sie in einer Skala betrachtet werden, wo alle Staaten von US Midwest sichtbar sind. Ich möchte dem Ansatz folgen, der in diesem PNAS-Papier (pnas. orgcontent110104134.full) umgesetzt wird, um eine bessere Karte zu erstellen, aber nicht sicher, wie man es in ArcGIS repliziert. Jede Hilfe wäre willkommen. Das PNAS-Papier skizziert die Schritte wie folgt: Aufgrund der geringen Größen und der verstreuten Verteilung der Veränderungsgebiete war es schwierig, regionale Muster von LCLUC bei der ursprünglichen 56-m-Raumauflösung zu visualisieren. Als Ergebnis haben wir räumliche Glättung Techniken verwendet, um eine regionale Veränderung Oberfläche, die lokale Hotspots der Veränderung hervorgehoben zu schaffen. Verwandte Ansätze werden in Bereichen wie räumliche Epidemiologie verwendet, um eine stabile Schätzung der Krankheitsraten zu erzeugen (48), wurden aber im Bereich der Landwechselwissenschaft nicht breit angewandt. In unserem Glättungsansatz wurden die Pixelpixel mit einer Auflösung von 56 m mit der prozentualen Veränderung bei 560-m-Auflösung zusammengefasst. 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 benutzten wir einen 2D-Kernel, der glatter wurde, um eine geglättete Schätzung der prozentualen Veränderung für jedes der 560-m-Auflösung-Pixel zu berechnen (Abb. S4B). Eine quartic Kernel-Funktion wurde verwendet, um gleitende Durchschnitte im gesamten Studienbereich mit einer Bandbreite von 10 km zu berechnen. Die gleiche quartic Kernel-Funktion wurde verwendet, um prozentuale Veränderung von Cornsoy im Jahr 2006 zu Grasland im Jahr 2011 zu glätten. Schließlich haben wir eine geglättete Karte der Grasland-Abdeckung im Jahr 2006 durch Aggregation Grasland Präsenz bei 56-M-Auflösung zu Prozent Grasland Deckung bei 560-M-Auflösung , Und dann Glättung dieser aggregierten Deckschicht unter Verwendung des gleichen 10-km-Quarzkerns. Diese geglättete Grünland-Deckschicht wurde anschließend als Nenner bei der Erzeugung einer Karte der relativen Raten der Grünlandumwandlung verwendet. Soweit ich verstehe, ist dies das Flußdiagramm: 1. Verwenden Sie Blockstatistiken in ArcGIS, um 10x10 Pixel von 56-m Raster auf 560m Raster zu senken 2. 2D Kernel glatter: nicht sicher, wie dies zu tun ist 3. Quartikkernel: nicht sicher, wie Um dies zu tun Nicht sicher, wie man über Schritt 1 hinausgeht, fragte am 15. August 14 bei 0: 29Base R enthält viele Funktionen, die zum Lesen, Visualisieren und Analysieren von räumlichen Daten verwendet werden können. Der Fokus in dieser Ansicht liegt auf quotenographischen räumlichen Daten, bei denen Beobachtungen mit geographischen Orten identifiziert werden können und wo zusätzliche Informationen über diese Orte abgerufen werden können, wenn der Standort sorgfältig aufgezeichnet wird. Basis-R-Funktionen werden durch beigefügte Pakete ergänzt, von denen einige auf CRAN sind und andere noch in Entwicklung sind. Ein aktiver Standort ist R-Forge. Die in ihrem Projektbaum quotSpatial Data und Statisticsquot Projekte auflistet. Informationen über R-räumliche Pakete, insbesondere sp, werden auf der R-Forge rspatial Projekt-Website veröffentlicht. Einschließlich einer Visualisierungsgalerie. Die aktive Entwicklung von sp geht weiter auf Github. Die beigefügten Pakete adressieren zwei breite Bereiche: Bewegen von räumlichen Daten in und aus R und analysieren räumliche Daten in R. Die R-SIG-Geo Mailing-Liste ist ein guter Ort, um Hilfe zu erhalten und Fragen über den Zugriff auf Daten, Und analysiert es Die Mailingliste ist ein guter Ort, um nach Informationen über relevante Kurse zu suchen. Weitere Informationen zu den Kursen finden Sie unter der Registerkarte "Registerkarte". 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 folgende Themen eingeteilt werden. Wenn du denkst, dass etwas Paket aus der Liste fehlt, lass es mich wissen. Klassen für räumliche Daten. Da viele der Pakete, die räumliche Daten importieren und verwenden, Objekte zum Speichern von Daten und Funktionen zur Visualisierung enthalten mussten, ist eine Initiative im Gange, um gemeinsam genutzte Klassen zu erstellen und Funktionen für räumliche Daten zu plotten. Das Sp-Paket wird in einer Notiz in R News diskutiert. Ein neues Paket namens sf ist jetzt auf CRAN und wird aktiv auf GitHub entwickelt. Bietet einfache Funktionen für R. Die Entwicklung des Pakets wird vom R-Konsortium unterstützt. Es bietet einfache Funktionen Zugriff auf Vektordaten, und als solche ist eine moderne Implementierung von Teilen von 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. Der Stplanr bietet eine quotSpatialLinesNetworkquot-Klasse auf der Grundlage von Objekten, die in sp und igraph definiert sind, die für die Routing-Analyse in R verwendet werden können. Ein anderes Netzwerkpaket ist shp2graph. Der Cleangeo kann verwendet werden, um räumliche Objekte zu untersuchen, die Handhabung und Berichterstattung von Topologiefehlern und Geometrievaliditätsproblemen zu erleichtern. Es behauptet, eine Geometrie-Reiniger, die alle Geometrie-Probleme zu beheben, und zu beseitigen (zumindest reduzieren) die Wahrscheinlichkeit von Problemen bei der Durchführung von räumlichen Datenverarbeitung. Das Rasterpaket ist eine wesentliche Erweiterung der räumlichen Datenklassen, um den Zugang zu großen Rastern zu virtualisieren, große Objekte zu analysieren und die analytischen Werkzeuge für Raster - und Vektordaten zu erweitern. Gebraucht mit rasterVis. Es kann auch eine verbesserte Visualisierung und Interaktion bieten. Das Paket patial. tools enthält räumliche Funktionen, um die Kernfunktionalität des Rasterpakets zu verbessern, einschließlich einer Parallelverarbeitungsmaschine für den Einsatz mit Rastern. Das Mikromap-Paket bietet verknüpfte Mikromaps mit ggplot2. Das recmap-Paket bietet rechteckige Kartogramme mit Rechteckgrößen, die zum Beispiel die Population widerspiegeln. Die Statebins teilen sich einen einfacheren Binning-Ansatz für US-Staaten. Das Raumzeitpaket erweitert die in sp für spatio-temporale Daten definierten gemeinsamen Klassen (siehe Spatio-Temporal Data in R). Die Grid2Polygons konvertieren ein räumliches Objekt aus der Klasse SpatialGridDataFrame in SpatialPolygonsDataFrame. Ein alternativer Ansatz für einige dieser Themen wird im PBSmapping-Paket implementiert. PBSmodelling bietet Modellierungsunterstützung. Darüber hinaus bietet GEOmap Mapping-Einrichtungen, die auf die Bedürfnisse von Geologen ausgerichtet sind, und nutzt das geomapdata-Paket. Umgang mit räumlichen Daten. Eine Anzahl von Paketen wurde mit sp-Klassen geschrieben. Das Rasterpaket stellt viele GIS-Methoden vor, die jetzt viel mit räumlichen Daten zu tun haben, ohne GIS zusätzlich zu R verwenden zu müssen. Es kann durch gdistance ergänzt werden. Die Berechnung von Entfernungen und Routen auf geografischen Gittern. Geosphäre erlaubt Berechnungen von Distanz und Fläche, die an räumlichen Daten in geographischen Koordinaten durchgeführt werden sollen. Das dggridR-Paket bietet eine Schnittstelle zu DGGRID für die Arbeit mit diskreten globalen Gittern, mit Sechsecken, Dreiecken und Diamanten, um das Problem zu überwinden, dass jeder Behälter den gleichen Bereich hat. Das Spsurvey-Paket 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 Zerlegung der Entropie für kategorische Kartenvergleiche. Das GeoXp-Paket ermöglicht eine interaktive grafische explorative räumliche Datenanalyse. Spcosa bietet räumliche Abdeckungsproben und Stichproben aus kompakten geographischen Schichten. Die magclass bietet eine Datenklasse für eine erhöhte Interoperabilität, die mit räumlich-zeitlichen Daten zusammenarbeitet, zusammen mit entsprechenden Funktionen und Methoden (Konvertierungen, Basisberechnungen und Basisdatenmanipulation). Die Klasse unterscheidet zwischen räumlichen, zeitlichen und anderen Dimensionen, um die Entwicklung und Interoperabilität von Werkzeugen zu erleichtern. Weitere Merkmale sind die namenbasierte Adressierung von Daten und interne Konsistenzprüfungen (z. B. Überprüfung der richtigen Datenreihenfolge in Berechnungen). Die UScensus2000 Suite von Paketen (UScensus2000cdp. UScensus2000tract) macht den Gebrauch von Daten von der US-Volkszählung 2000 bequemer. Ein wichtiger Datensatz, Guerrys quotMoral Statistics of Francequot, wurde im Guerry-Paket zur Verfügung gestellt, das Daten und Karten und Beispiele liefert, die zur Integration von multivariater und räumlicher Analyse beitragen sollen. Das Marmap-Paket ist für das Herunterladen, Plotten und Manipulieren von bathymetrischen und topographischen Daten in R. marmap entworfen, um die ETOPO1-Bathymetrie - und Topographie-Datenbank, die von der NOAA gehostet wird, abzufragen, einfache Breitengrad-Längengrad-Tiefen-Daten im ascii-Format zu verwenden und den Fortschritt zu nutzen Plotter-Tools in R zu bauen Publikation-Qualität bathymetrische Karten (siehe PLOS-Papier). Moderne Ländergrenzen werden bei 2 Auflösungen von rworldmap zusammen mit Funktionen zur Verfügung gestellt, um tabellarische Daten zu verknüpfen, die durch Ländernamen oder Codes referenziert werden. Chloropleth - und Blasenkarten werden unterstützt und allgemeine Funktionen für die Arbeit an benutzerdefinierten Karten (siehe Ein neues R-Paket für die Zuordnung von Globaldaten). Höhere Ländergrenzen sind aus dem verknüpften Paket rworldxtra verfügbar. Historische Ländergrenzen (1946-2012) erhalten Sie ab Das Landschaftspaket mit begleitendem JSS-Papier bietet Werkzeuge für die Erkundung und Entwicklung von Korrekturwerkzeugen für Fernerkundungsdaten an. TaRifx ist eine Sammlung von Utility - und Komfortfunktionen Das GdalUtils-Paket bietet den GeoJSON - und WKT-Daten einen GeoJSON-zentrierten Ansatz, um GeoJSON - und WKT-Daten zu lesen. GeoJSON kann mit rgdal und WKT geschrieben werden Der Rgbif-Paket wird verwendet, um auf Globale Biodiversity Information Facility (GBIF) Daten zuzugreifen). Der Rgbif-Paket wird verwendet, um auf GUT Biodiversity Information Facility (GBIF) zuzugreifen. Die Geoaxe ermöglicht es Benutzern, Geo-Objekte in Stücke zu teilen. Das Rasenpaket ist ein Kunde für Turfjs für die Geo-Analyse. Lesen und Schreiben von räumlichen Daten - rgdal. Karten können vektorbasiert 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-Objekte können mit Funktionen im vec2dtransf-Paket erfolgen. Die Windows - und Mac OSX CRAN-Binärdateien von rgdal beinhalten Untermengen von möglichen Datenquellentreibern, falls andere benötigt werden, andere Konvertierungsprogramme verwenden oder von einer Quelle 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 Binär - (WKB-) Geometrie. Lesen und Schreiben von räumlichen Daten - andere Pakete. Es gibt eine Reihe weiterer Pakete für den Zugriff auf Vektordaten auf CRAN: Karten (mit mapdata und mapproj) bietet Zugriff auf die gleichen Arten von geografischen Datenbanken wie S - RArcInfo erlaubt ArcInfo v.7 Binärdateien und. e00 Dateien gelesen werden, und Maptools und Shapefiles lesen und schreiben ArcGISArcView Shapefiles für NetCDF Dateien, ncdf4 oder RNetCDF können verwendet werden. Das Maptools-Paket bietet 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 Karten-Datenbanken und sp-Klassen. Es gibt auch eine Schnittstelle zu GSHHS Shoreline Datenbanken. Das gmt-Paket gibt eine einfache Schnittstelle zwischen GMT-Map-Software und R. geonames ist eine Schnittstelle zum geonames. org Service. OpenStreetMap bietet Zugriff auf offene Roadmap-Rasterbilder und osmar bietet Infrastruktur, um auf OpenStreetMap-Daten aus verschiedenen Quellen zuzugreifen, mit den Daten gemeinsam zu arbeiten und Daten in die vorhandene Infrastruktur zu implementieren, die von vorhandenen R-Paketen bereitgestellt wird. Das rpostgis-Paket bietet dem RPostgreSQL-Paket zusätzliche Funktionen, um R mit einer PostGIS-fähigen Datenbank zu verbinden, sowie bequeme Wrapper zu gemeinsamen PostgreSQL-Abfragen. Das PostGIStools-Paket bietet Funktionen zur Umwandlung von Geometrie - und Hertore-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 dem führenden Open-Source-GIS , GRASS, wird im CRAN Paket spgrass6 zur Verfügung gestellt. Mit rgdal zum austauschen von daten. Für GRASS 7. verwenden Sie rgrass7. RPyGeo ist ein Wrapper für den Python-Zugriff auf den ArcGIS GeoProcessor und RSAGA ist ein ähnlicher Shell-basierter Wrapper für SAGA-Befehle. Das RQGIS-Paket stellt eine Schnittstelle zwischen R und QGIS her, d. h. es ermöglicht dem Benutzer, auf QGIS-Funktionalitäten von der R-Konsole zuzugreifen. Es erreicht dies durch die Verwendung der QGIS Python API über die Befehlszeile. Beachten Sie auch diesen Thread auf einer alternativen RQGIS-Integration. Visualisierung Zur Visualisierung sind die im RColorBrewer-Paket bereitgestellten Farbpaletten sehr nützlich und können mit der mit R gelieferten colorRampPalette-Funktion modifiziert oder erweitert werden. Das ClassInt-Paket bietet Funktionen zur Auswahl von Klassenintervallen für die thematische Kartographie. Das tmap-Paket bewies eine moderne Basis für die thematische Kartierung optional mit einer Grammatik der Grafik-Syntax. Weil es eine benutzerdefinierte Grid-Grafik-Plattform hat, erübt es die Notwendigkeit, Geometrien zu verstärken, um mit ggplot2 zu verwenden. 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 Grundzoom, das Panning, die Identifizierung und die Etikettierung von räumlichen Objekten zu ermöglichen und die Daten nicht in geographischen Koordinaten zu verwenden. Das Kartographiepaket erlaubt verschiedene kartographische Darstellungen wie Proportionalzeichen, Choropleth, Typologie, Strömungen oder Diskontinuitäten. Das Mapmisc-Paket ist ein minimales, leichtes Werkzeug für die Herstellung von schön aussehenden Karten in R, mit Unterstützung für Kartenprojektionen. Wenn der Benutzer eine Kartenkulisse hinter anderen Displays 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 bietet Nordpfeile und Skalen für solche Karten. Das PlotGoogleMaps-Paket bietet Methoden zur Visualisierung von räumlichen und räumlich-zeitlichen Objekten in Google Maps in einem Webbrowser. PlotKML ist ein Paket, das Methoden zur Visualisierung von räumlichen und räumlich-zeitlichen Objekten in Google Earth bereitstellt. Eine weitere Option ist das Merkblatt. Die grundlegende Web-Mapping-Funktionalität kombiniert, um Vektordatendateien und Online-Kartenfliesen aus verschiedenen Quellen zu kombinieren. Punktmusteranalyse Das Raumpaket ist ein empfohlenes Paket, das mit Basis R versendet wird und enthält mehrere Kernfunktionen, einschließlich einer Implementierung von Khat durch seinen Autor, Prof. Ripley. Darüber hinaus erlaubt spatstat die Freiheit, die Region (n) von Interesse zu definieren und macht Erweiterungen zu markierten Prozessen und räumlichen Kovariaten. Seine Stärken sind modellbasiert und simuliert, und es hat eine nützliche Homepage. Es ist das einzige Paket, das es dem Benutzer ermöglicht, inhomogene Punktprozessmodelle mit Interpoint-Interaktionen zu platzieren. Das Spatgraphs-Paket bietet Graphen, Diagrammvisualisierung und graphbasierte Zusammenfassungen, die mit der räumlichen Punktmusteranalyse verwendet werden sollen. Das Splanc-Paket ermöglicht auch die Analyse von Punktdaten innerhalb eines polygonalen Bereichs von Interesse und umfasst viele Methoden, einschließlich 2D-Kerndichten. Das smacpod-Paket bietet verschiedene statistische Methoden zur Analyse von Fallkontrollpunktdaten. Die Methoden, die in Kapitel 6 der angewandten räumlichen Statistik für die öffentlichen Gesundheitsdaten von Waller und Gotway (2004) genau aufgeführt sind, Ecespa liefert Wrapper, Funktionen und Daten für die räumliche Punktmusteranalyse, die im Buch zur räumlichen Ökologie des ECESPAAEET verwendet wird. Die Funktionen für Binning-Punkte auf Gittern in Asche können auch von Interesse sein. Das Anzeigenpaket führt die von der Ripleys K-Funktion abgeleiteten Multi - Skalen-Analysen erster und zweiter Ordnung durch. Das aspace-Paket ist eine Sammlung von Funktionen zur Schätzung von centrographischen Statistern und rechnerischen Geometrien aus räumlichen Punktmustern. Spatialkernel bietet randkorrigierte Kerndichte-Schätzung und binäre Kernregressionsschätzung für multivariate räumliche Punktprozessdaten. DSpat enthält Funktionen für die räumliche Modellierung von Distanzabtastdaten und die räumliche Segregation bietet Segregationsmaßnahmen für räumliche Punktmuster von Multiplex. GriegSmith nutzt die Grieg-Smith-Methode auf zweidimensionalen räumlichen Daten. Das dbmss-Paket ermöglicht eine einfache Berechnung eines vollständigen Satzes von räumlichen statistischen Funktionen der Distanz, einschließlich klassischer (Ripleys K und andere) und neuere von räumlichen Ökonomen (Duranton und Overmans Kd, Marcon und Puechs M). Es beruht auf spatstat für die Kernberechnung. Gitterdichte enthält Funktionen, die den gitterbasierten Dichteabschätzer von Barry und McIntyre berechnen, der Punktprozesse in zweidimensionalen Regionen mit unregelmäßigen Grenzen und Löchern berücksichtigt. Geostatistik Das gstat-Paket bietet eine breite Palette von Funktionen für univariate und multivariate Geostatistik, auch für größere Datensätze, während geoR und geoRglm Funktionen für modellbasierte Geostatistik enthalten. Die Variogrammdiagnose kann mit vardiag durchgeführt werden. Automatisierte Interpolation mit gstat ist in automap verfügbar. Diese Familie von Paketen wird ergänzt durch intamap mit Prozeduren für automatisierte Interpolation und psgp. Die das projizierte spärliche Gaußsche Prozess kriging implementiert. Eine ähnliche breite Palette von Funktionen finden Sie im Feld Paket. Das Raumpaket wird mit Basis R ausgeliefert und enthält mehrere Kernfunktionen. Das spBayes Paket passt zu Gaussian univariate und multivariate Modelle mit MCMC. Rampen ist ein anderes bayesisches geostatistisches Modellierungspaket. Das geospt-Paket enthält einige geostatistische und radiale Basisfunktionen, einschließlich Vorhersage und Kreuzvalidierung. Darüber hinaus umfasst es Funktionen für die Gestaltung von optimalen räumlichen Stichprobenetzwerken auf Basis geostatistischer Modellierung. Das geostatsp-Paket bietet geostatistische Modellierungsmöglichkeiten mit Raster - und SpatialPoints-Objekten. Nicht-Gaußsche Modelle passen mit INLA, und Gaußsche geostatistische Modelle verwenden Maximum Likelihood Estimation. Das RandomFields-Paket bietet Funktionen für die Simulation und Analyse von zufälligen Feldern, und Variogramm-Modellbeschreibungen können zwischen geoR übergeben werden. Gstat und dieses Paket. SpatialExtremes schlägt mehrere Ansätze für räumliche Extreme vor, die mit RandomFields modellieren. Darüber hinaus ist CompRandFld. BeschränkteKriging und geospt bieten alternative Ansätze zur geostatistischen Modellierung. Das spTimer-Paket ist in der Lage, große Mengen an Raum-Zeit-Daten mit 1 Bayesian Gaussian Process (GP) Modellen, 2 Bayesian Auto-Regressive (AR) Modellen und 3 Bayesian Gaussian Predictive Processes (GPP) basieren zu können, räumlich vorherzusagen und zeitlich zu prognostizieren AR-Modelle Das rtop-Paket bietet Funktionen für die geostatistische Interpolation von Daten mit unregelmäßiger räumlicher Unterstützung, wie z. B. ablaufbezogene Daten oder Daten von Verwaltungseinheiten. Das Georob-Paket bietet Funktionen für die Anpassung von linearen Modellen mit räumlich korrelierten Fehlern durch robuste und Gaußsche eingeschränkte Maximum Likelihood und für die Berechnung von robusten und üblichen Punkt - und Block-Kriging-Prognosen sowie Utility-Funktionen zur Cross-Validierung und zur unvoreingenommenen Rücktransformation von kriging-Prognosen Log-transformierte Daten. Das SpatialTools-Paket hat einen Schwerpunkt auf kriging und bietet Funktionen für Vorhersage und Simulation. Es wird um ExceedanceTools erweitert. Die Werkzeuge für den Aufbau von Vertrauensbereichen für Überschreitungsbereiche und Konturlinien bereitstellt. Das Getriebepaket implementiert gemeinsame geostatistische Methoden in einer sauberen, unkomplizierten und effizienten Weise und wird als Quasi-Neustart von SpatialTools bezeichnet. Das sperrorste Paket implementiert räumliche Fehlerabschätzung und Permutations-basierte räumliche Variablen Bedeutung mit verschiedenen räumlichen Cross-Validierung und räumlichen Block Bootstrap Methoden. Das sgeostat Paket ist auch vorhanden. Innerhalb des gleichen allgemeinen topischen Bereichs befinden sich die Deldir - und Tripack-Pakete für die Triangulation und das akima-Paket für die Spline-Interpolation. Das MBA-Paket bietet eine gestreute Dateninterpolation mit mehrstufigen B-Splines. Darüber hinaus gibt es das räumlicheCovarianz-Paket, das die Berechnung von räumlichen Kovarianzmatrizen für Daten auf Rechtecken unterstützt, das Regresspaket, das zum Teil auf räumlicher Kovarianz aufbaut. Und das tgp-Paket. Das Stem-Paket sorgt für die Schätzung der Parameter eines räumlich-zeitlichen Modells mit dem EM-Algorithmus und die Schätzung der Parameter-Standardfehler mit einem räumlich-zeitlichen parametrischen Bootstrap. FieldSim ist ein weiteres Zufallsfeld-Simulationspaket. Die SSN ist für die geostatistische Modellierung für Daten in Stream-Netzwerken, einschließlich Modellen auf der Basis von In-Stream-Distanz. Modelle werden mit gleitenden durchschnittlichen Konstruktionen erstellt. Räumliche lineare Modelle, einschließlich Kovariaten, können mit ML oder REML passen. Mapping und andere grafische Funktionen sind enthalten. Die ipdw bietet Funktionen o interpolieren georeferenzierte Punktdaten über Inverse Path Distance Weighting. Nützlich für Küsten-Marine-Anwendungen, wo Barrieren in der Landschaft Interpolation mit euklidischen Distanzen ausschließen. RSurvey kann als Verarbeitungsprogramm für räumlich verteilte Daten verwendet werden und ist fähig zu Fehlerkorrekturen und Datenvisualisierung. Krankheitsmapping und flächige Datenanalyse DCluster ist ein Paket für die Erkennung von räumlichen Clustern von Krankheiten. Es reicht und hängt vom 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 zur Anpassung von räumlichen Regressionsmodellen wie SAR - und CAR-Modellen bietet. Diese Modelle gehen davon aus, dass die räumliche Abhängigkeit durch bekannte Gewichte beschrieben werden kann. Das SpatialEpi-Paket bietet Implementierungen von Cluster-Erkennungs - und Erkennungsfunktionen, einschließlich der Bayesischen Cluster-Erkennung, und unterstützt die Schichten. Das smerc-Paket bietet statistische Methoden für die Analyse von Daten-Daten-Daten mit einem Fokus auf Cluster-Erkennung. Das Erkennungspaket bietet die Formatierung von Populations - und Falldaten, die Berechnung der standardisierten Inzidenzverhältnisse und die Anpassung des BYM-Modells mit INLA. Die Regionalisierung von Polygonobjekten erfolgt durch AMOEBA. Eine Funktion zur Berechnung von räumlichen Clustern mit der Getis-Ord lokalen Statistik. Es sucht unregelmäßige Cluster (Ökotope) auf einer Karte und durch Skater in spdep. Die Seg - und OasisR-Pakete bieten Funktionen zur Messung der räumlichen Segregation OasisR umfasst Monte-Carlo-Simulationen, um die Indizes zu testen. Das spgwr-Paket enthält eine Umsetzung von geographisch gewichteten Regressionsmethoden zur Erforschung möglicher Nicht-Stationarität. Das gwrr-Paket passt zu geographisch gewichteten Regressionsmodellen (GWR) und verfügt über Werkzeuge zur Diagnose und Abhilfe von Kollinearität in den GWR-Modellen. Auch passt geographisch gewichtete Ridge Regression (GWRR) und geographisch gewichtete Lasso (GWL) Modelle. Das GWmodel-Paket enthält Funktionen zur Berechnung von geografisch gewichteten Modellen. Das lctools-Paket bietet Forschern und Pädagogen einfach zu bedienende, benutzerfreundliche Werkzeuge für die Berechnung der wichtigsten räumlichen Statistiken und die Anwendung einfacher und fortgeschrittener Methoden der räumlichen Analyse in realen Daten. Dazu gehören: Lokale Pearson - und Geographisch gewichtete Pearson-Korrelationskoeffizienten, räumliche Ungleichheitsmaßnahmen (Gini, Räumliche Gini, LQ, Focal LQ), Räumliche Autokorrelation (Globale und lokale Morans I), mehrere geographisch gewichtete Regressionstechniken und andere Geometrisch-Instrumente (andere geographisch) Gewichtete statistiken). Dieses Paket enthält auch Funktionen zur Messung der Signifikanz jeder berechneten Statistik, die hauptsächlich auf Monte-Carlo-Simulationen basiert. Das Sparp-Paket bietet einen weiteren Ansatz für relative Risiken. Das CARBayes-Paket implementiert Bayes'sche Hierarchie-Raumobjektmodelle. In solchen Modellen wird die räumliche Korrelation durch einen Satz von zufälligen Effekten modelliert, denen eine bedingte autoregressive (CAR) vorherige Verteilung 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 weiterzugeben. Das spaMM-Paket passt zu räumlichen GLMMs, wobei die Matern-Korrelationsfunktion als Grundmodell für räumliche zufällige Effekte verwendet wird. Das PReMiuM-Paket ist für die Profilregression, ein Dirichlet-Prozess Bayesian Clustering-Modell, das es einen räumlichen CAR-Term bietet, der in die festen Effekte (die globale, dh nicht clusterspezifische, Parameter) enthalten können, um jede räumliche Korrelation in Die verbleibenden Das spacom-Paket bietet Werkzeuge, um räumlich gewichtete Kontextdaten zu konstruieren und auszunutzen und ermöglicht ferner die Kombination der daraus resultierenden räumlich gewichteten Kontextdaten mit individuellen Prädiktor - und Ergebnisvariablen für die mehrstufige Modellierung. Das geospacom-Paket erzeugt Distanzmatrizen aus Formdateien und stellt räumlich gewichtete mehrstufige Analyseergebnisse dar. Die räumliche Überlebensanalyse wird durch die Spatsurv - Bayes'sche Schlussfolgerung für parametrische Proportionalrisiken räumliche Überlebensmodelle - und spBayesSurv - Bayes'sche Modellierung und Analyse von räumlich korrelierten Überlebensdatenpaketen zur Verfügung gestellt. Das Spselect-Paket bietet Modellierungsfunktionen, die auf einer vorwärts schrittweisen Regression, einer inkrementellen Vorwärts-Bühnenregression, einer kleinsten Winkelregression (LARS) und Lasso-Modellen zur Auswahl der räumlichen Skala von Kovariaten in Regressionsmodellen basieren. 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 verwendet werden oder Funktionen im nlme-Paket. Wenn der Träger areal ist und der räumliche Prozess nicht als kontinuierlich behandelt wird, können die im spdep-Paket vorgesehenen Funktionen verwendet werden. Dieses Paket kann auch als räumliche Ökonometrie-Funktionen gesehen werden und stellt, wie oben erwähnt, grundlegende Funktionen für den Aufbau von Nachbarlisten und Raumgewichten, Tests für die räumliche Autokorrelation für flächige Daten wie Morans I und Funktionen zur Anpassung von räumlichen Regressionsmodellen zur Verfügung. Es bietet die gesamte Palette der lokalen Indikatoren der räumlichen Assoziation, wie lokale Morans I und Diagnosewerkzeuge für gepaßte lineare Modelle, einschließlich Lagrange Multiplier Tests. Räumliche Regressionsmodelle, die mit maximaler Wahrscheinlichkeit ausgestattet werden können, umfassen räumliche Verzögerungsmodelle, räumliche Fehlermodelle und räumliche Durbin-Modelle. Für größere Datensätze können spärliche Matrixtechniken für maximale Wahrscheinlichkeitsanpassungen verwendet werden, während räumliche zweistufige kleinste Quadrate und verallgemeinerte Methoden der Momente Schätzer eine Alternative sind. Bei der Verwendung von GMM kann Sphet verwendet werden, um sowohl Autokorrelation als auch Heteroskedastizität unterzubringen. Räumliche Zählung Regression wird mit benutzerdefinierten MCMC von Spatcounts zur Verfügung gestellt. Der McSpatial bietet Funktionen für lokal gewichtete Regression, semiparametrische und bedingte parametrische Regression, Fourier - und Kubic-Spline-Funktionen, GMM und linearisierte räumliche Logit - und Probit-, K-Dichte-Funktionen und Counterfactuals, nichtparametrische Quantil-Regression und bedingte Dichtefunktionen, Machado-Mata-Zerlegung für Quantil Regressionen, räumliches AR-Modell, Wiederholungsverkaufsmodelle und bedingter parametrischer Logit und Probit. Das Splm-Paket bietet Methoden für die Anpassung der räumlichen Panel-Daten mit maximaler Wahrscheinlichkeit und GM. Die beiden kleinen Pakete S2sls und Spanel bieten alternative Implementierungen ohne die meisten Einrichtungen von Splm. Das HSAR-Paket bietet hierarchische räumliche Autoregressive Modelle (HSAR), basierend auf einem Bayesischen Markov Chain Monte Carlo (MCMC) Algorithmus. Spatialprobit ermöglicht eine Bayes'sche Schätzung des räumlichen autoregressiven Probit-Modells (SAR-Probit-Modell). Das ProbitSpatial-Paket bietet Methoden zur Anpassung von binomialen räumlichen Probit-Modellen an größere Datensätze räumliche autoregressive (SAR) und räumliche Fehler (SEM) Probit-Modelle sind enthalten. Ökologische Analyse Es gibt viele Pakete zur Analyse ökologischer und ökologischer Daten. Dazu gehören ade4 für explorative und euklidische Methoden in den Umweltwissenschaften, die Apfhabungsfamilie der Pakete für die Analyse der Lebensraumauswahl durch Tiere (adehabitatHR. AdehabitatHS adehabitatLT und adehabitatMA), Pasteten für die Regulierung, Zersetzung und Analyse von Raumzeitreihen , Vegan für Ordination Methoden und andere nützliche Funktionen für Gemeinde-und Vegetation Ökologen, und viele andere Funktionen in anderen beigetragenen Pakete. Eine solche ist TripEstimation. Basierend auf den Klassen, die von der Reise zur Verfügung gestellt werden Ncf hat kürzlich CRAN eingegeben und bietet eine Reihe von räumlichen, nichtparametrischen Kovarianzfunktionen. RangeMapper ist ein Paket zur Manipulation von Artenbereich (Out-of-Vorkommen) Karten, vor allem Werkzeuge für die einfache Erzeugung von Biodiversität (Artenreichtum) oder Lebensgeschichte-Merkmalen. Das siplab-Paket ist eine Plattform für das 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-Potenziale, Reilly-Einzugsgebiete, Huff-Einzugsgebiete. Das Watersheds-Paket bietet Methoden für Wasserscheiden Aggregation und räumliche Entwässerung Netzwerk-Analyse. Ein Off-CRAN-Paket - Rcitrus - ist für die räumliche Analyse der Pflanzenkrankheit Inzidenz. Das Geneland-Paket nutzt Felder und RandomFields, um sowohl geografische als auch genetische Informationen zu nutzen, um die Anzahl der Populationen in einem Datensatz abzuschätzen und ihre räumliche Organisation abzugrenzen. Das ngspatiale Paket bietet Werkzeuge für die Analyse von räumlichen Daten, insbesondere nicht-Gaußsche Daten. Es unterstützt das spärlich räumlich verallgemeinerte lineare gemischte Modell von Hughes und Haran (2013) und das zentrierte autologe Modell von Caragea und Kaiser (2009). Die Environmetrics Task View enthält eine viel umfassendere Übersicht über relevante Funktionen und Pakete. CRAN-Pakete: Related Links: Wie Filter funktioniert mit Spatial Analyst Lizenz. Das Filter-Tool kann verwendet werden, um entweder falsche Daten zu beseitigen oder Funktionen zu verbessern, die sonst nicht sichtbar in den Daten sichtbar sind. Filter erzeugen im Wesentlichen Ausgabewerte durch ein sich bewegendes, überlappendes 3x3-Zellen-Nachbarschaftsfenster, das durch das Eingabe-Raster scannt. Wenn der Filter über jede Eingangszelle geht, wird der Wert dieser Zelle und seiner 8 unmittelbaren Nachbarn verwendet, um den Ausgangswert zu berechnen. Es gibt zwei Arten von Filtern, die im Werkzeug verfügbar sind: Tiefpass und Hochpass. Filtertypen Der Filtertyp LOW verwendet einen Tiefpass oder Mittelwert, filtert über das Eingabe-Raster und glättet im Wesentlichen die Daten. The HIGH filter type uses a high pass filter to enhance the edges and boundaries between features represented in the raster. Low pass filter A low pass filter smooths the data by reducing local variation and removing noise. It calculates the average (mean) value for each 3 x 3 neighborhood. It is essentially equivalent to the Focal Statistics tool with the Mean statistic option. The effect is that the high and low values within each neighborhood will be averaged out, reducing the extreme values in the data. Following is an example of the input neighborhood values for one processing cell, the center cell with the value 8. The calculation for the processing cell (the center input cell with the value 8) is to find the average of the input cells. This is the sum of all the values in the input contained by the neighborhood, divided by the number of cells in the neighborhood (3 x 3 9). The output value for the processing cell location will be 4.22. Since the mean is being calculated from all the input values, the highest value in the list, which is the value 8 of the processing cell, is averaged out. This example shows the resulting raster generated by Filter with the LOW option on a small 5x5 cell raster. To illustrate how NoData cells are handled, the output values with the Ignore NoData parameter set to Data then NODATA follow: Input cell values: Output cell values with DATA option set (NoData cells in a filter window will be ignored in the calculation): Output cell values with NODATA option set (the output will be NoData if any cell in the filter window is NoData): In the following example, the input raster has an anomalous data point caused by a data collection error. The averaging characteristics of the LOW option have smoothed the anomalous data point. High pass filter The high pass filter accentuates the comparative difference between a cells values and its neighbors. It has the effect of highlighting boundaries between features (for example, where a water body meets the forest), thus sharpening edges between objects. It is generally referred to as an edge-enhancement filter. With the HIGH option, the nine input z-values are weighted in such a way that removes low frequency variations and highlights the boundary between different regions. The 3 x 3 filter for the HIGH option is: Note that the values in the kernel sum to 0, since they are normalized. The High Pass filter is essentially equivalent using the Focal Statistics tool with the Sum statistic option, and a specific weighted kernel. The output z-values are an indication of the smoothness of the surface, but they have no relation to the original z-values. Z-values are distributed about zero with positive values on the upper side of an edge and negative values on the lower side. Areas where the z-values are close to zero are regions with nearly constant slope. Areas with values near z-min and z-max are regions where the slope is changing rapidly. Following is a simple example of the calculations for one processing cell (the center cell with the value 8): The calculation for the processing cell (the center cell with the value 8) is as follows: The output value for the processing cell will be 29.5. By giving negative weights to its neighbors, the filter accentuates the local detail by pulling out the differences or the boundaries between objects. In the example below, the input raster has a sharp edge along the region where the values change from 5.0 to 9.0. The edge enhancement characteristic of the HIGH option has detected the edge. Processing cells of NoData The Ignore NoData in calculations option controls how NoData cells within the neighborhood window are handled. When this option is checked (the DATA option), any cells in the neighborhood that are NoData will be ignored in the calculation of the output cell value. When unchecked (the NODATA option), if any cell in the neighborhood is NoData, the output cell will be NoData. If the processing cell itself is NoData, with the Ignore NoData option selected, the output value for the cell will be calculated based on the other cells in the neighborhood that have a valid value. Of course, if all of the cells in the neighborhood are NoData, the output will be NoData, regardless of the setting for this parameter. References Gonzalez, R. C. and P. Wintz. 1977. Digital Image Processing. Massachusetts: AddisonWesley. Hord, R. M. 1982. Digital Image Processing of Remotely Sensed Data. New York: Academic. Moik, J. G. 1980. Digital Processing of Remotely Sensed Images. New York: Academic. Richards, J. A. 1986. Remote Sensing Digital Image Analysis: An Introduction. Berlin: Springer-Verlag. Rosenfeld, A. 1978. Image Processing and Recognition. Technical Report 664. University of Maryland Computer Vision Laboratory. Verwandte Themen