随着地理信息系统(GIS)和大尺度研究的发展,空间数据的管理、统计与制图变得越来越重要。R语言在数据分析、挖掘和可视化中发挥着重要的作用,其中在空间分析方面扮演着重要角色,与空间相关的包的数量也达到130多个。
本次,我们将结合一些经典的例子培训R语言在空间数据处理、管理以及可视化的操作,从空间数据计量、空间数据插值、空间数据建模、机器学习空间预测、空间升、降尺度、数据可视化、知识图谱等方面让您全方位掌握R语言空间数据分析模拟预测及可视化技术
R语言空间数据介绍及数据挖掘关键技术
1、R语言空间数据讲解及应用特点
- R语言基础与数据科学
- R空间矢量数据
- R栅格数据
R语言空间数据挖掘关键技术讲解
sp: 处理地理数据的基础包
sf: dataframe数据框风格的地理数据包
rgdal: 封装 GDAL (一个开源地理数据抽象库,提供非常丰富的地理数据读写驱动))
rgeos: 封装 GEOS 一个开源几何引擎, 提供几何模型、几何关系判断、基本几何计算操作等功能
proj4:PROJ4 一个开源地图投影库,提供丰富的地图投影转换算法
spatstat: 空间点格局分析
gstat、field: 地质统计学建模、空间插值
plot、image、image.plot、tmap、ggmap、ggplot2: 空间专题图
leaflet: 现代移动优先的交互式地图绘制框架
leaflet.extras:leaflet 插件
leaflet.esri: ESRI拓展包
spdep:空间相关性分析
Caret、CAST:机器学习在时空尺度上训练与模拟
R语言空间数据高级处理
R语言空间矢量数据处理
点、线、面数据
空间矢量数据的坐标系定义、转换
空间矢量数据的裁剪、相交与合并
空间矢量数据的数值计算
R语言栅格数据处理
栅格数据的生成与数据管理
栅格数据的坐标系转换
栅格数据的裁剪、相交与拼接
栅格数据的数值计算
R语言栅格数据与矢量数据的相互转换
R语言多维时空数据处理技术与数据清洗整合
1、R语言多维时空数据处理
- nc、tiff等多维时空数据的读取、处理与导出
- 多维空间数据的管理
2、R语言数据清洗和整合
- 数据缺失值、重复值、异常值处理
- 数据插补方法
- 近似采样方法,双线性插值法、最大近邻法等
案例一:全球气象栅格数据的提取、裁剪、重采样和输出
案例二:全球MODIS遥感数据产品的时间趋势分析
案例三:全球和中国土壤数据的分层处理和数据插补
案例四:R语言高层数据与地形数据的计算和提取
R语言地统计与空间自相关、空间插值方法
1、地统计与空间自相关
- 地理学三大定律
- 空间自相关和地理加权回归
- 地统计与空间模型
2、空间插值方法
- R语言反距离权重插值
- 不同克里金方法比较
- R语言克里金插值与半方差函数
- R语言薄盘样条插值
案例一:全国尺度空间自相关计算和地理加权回归模型的构建
案例二:不同空间插值方法、不同空间模型的比较
案例三:基于不同插值方法的全国与区域气象数据降尺度处理
R语言机器学习与空间模型预测及不确定性评估
1、R语言机器学习方法使用
- R语言机器学习模型的构建(数据标准化、数据分割、超参数优化)
- R语言机器学习的验证(不同交叉验证方法、时空交叉验证)
2、R语言机器学习空间预测与不确定性评估
案例一:利用环境变量数据构建贝叶斯模型和机器学习模型进行空间预测
案例二:使用机器学习对空间数据进行聚类
R语言空间尺度转换技术及机器学习方法应用
1、空间升、降尺度技术
2、使用机器学习进行空间降尺度
案例:利用五种机器学习集成对温度、降水和辐射数据进行空间降尺度
R语言空间制图
R语言空间做图——plot
R语言空间做图——image、levelplot
R语言空间做图——ggplot2
- R语言sp空间数据和sf空间数据的转换和灵活使用
- 使用ggplot2对sf数据继续空间制图
2、R语言空间专题图——tmap
练习、讨论与答疑