R devient un outil assez puissant pour manipuler et analyser des données spatiales. J'ai appris des choses utiles par le biais de questions comme celle- ci à SO et j'ai pensé qu'il pourrait être utile d'avoir quelque chose de similaire, mais plus orienté «spatialement».
Pouvez-vous partager quelques conseils et astuces de R spatial que vous avez trouvés utiles?
tips-and-tricks
r
radek
la source
la source
Réponses:
Ce n’est pas vraiment une astuce, c’est une
spplot()
fonctionnalité intégrée astucieuse.spplot()
La capacité du logiciel à mettre à l'échelle les échantillons de légende (afin de correspondre aux plages de sauts de classification) constitue un outil pédagogique utile lors de la discussion sur la distribution des données d'attribut et les types de classification. La combinaison des tracés de distribution cumulative avec les cartes aide dans cette entreprise.Les étudiants n’ont besoin que de modifier quelques paramètres de script pour explorer les types de classification et les effets de transformation des données. Il s’agit généralement de leur première incursion dans R dans un cours essentiellement centré sur ArcGIS.
Voici un extrait de code:
Réf: Analyse appliquée de données spatiales avec R (R. Bivand, E. Pebesma et V. Gomez-Rubio)
la source
EDIT: notez que cela ne fonctionne plus le 2018-10-24, en raison de nouvelles exigences pour les sources cartographiques Google.
J'étais assez heureux de trouver le package dismo avec géocodage et téléchargement de Google Maps:
C’est dans R 2.12.0 sous Windows, il est facile d’installer dismo et ses dépendances là-bas, ce qui n’est pas sûr sur d’autres systèmes.
la source
e <- extent(x[4:7] + c(-0.001, 0.001, -0.001, 0.001))
et je reçois un message d'erreurError: c("x", "y") %in% names(x) is not all TRUE
.x[4:7]
semble bien cependant; des idées sur ce que le problème pourrait être?x <- geocode('110 George Street, Bathurst, NSW, Australia')
retourneZERO_RESULTS
par exemple, et quand j'utilise un exemple qui retourne un lat / long, la fonctione <- extent(x[4:7] + c(-0.001, 0.001, -0.001, 0.001)) also fails.
extent
nécessite un vecteur de nombres. Donc ça marchee <- extent(c(x[,4], x[,5], x[,6], x[,7]) + c(-0.001, 0.001, -0.001, 0.001))
.e <- extent(as.numeric(x[4:7]) + c(-0.001, 0.001, -0.001, 0.001))
Voici quelques-uns que j'ai rassemblés.
cran.r spatial , blog gmane , analyse de séries chronologiques , géodatacenter
la source
Aussi pas une astuce, mais voici quelques ressources / exemples que j'ai rassemblés
Exemple de tracé de petites cartes multiples de données surfaciques dans R à l’aide du package de réseau.
Il y a quelques questions sur StackOverflow concernant la cartographie et R, et en voici une avec un bel exemple. Je regarderais les autres réponses et les ressources qu’elles donnent (ainsi que la recherche de quelques exemples supplémentaires) sur SO.
Un lien différent vers le même groupe de r-sig-geo que Brad a déjà donné. Il est très actif et Roger Bivand répond aux questions pratiquement tous les jours sur le groupe. Tous deux liés à la programmation et à l'analyse statistique.
En plus de vérifier la page spatiale cran, je vous suggère également de vérifier spécifiquement la page Spatstat maintenue par Adrian Baddeley. Beaucoup d'exemples, un cours et un prochain livre électronique. (Au moment où je vais à travers le spatstat cours , et je pense qu'il est une introduction beaucoup plus douce que le livre Bivand).
Ce n’est pas une ressource gratuite, mais si vous êtes intéressé par le Rotary, vous devriez consulter le site Web Use R! série de Springer. Vous avez un livre Applied Spatial Data Analysis avec R directement pertinent (le livre A Beginner's Guide to R est également mon livre de R sur l'apprentissage).
Un livre électronique gratuit, Guide pratique de la cartographie géostatistique (Hengl 2009), contient des exemples de géostats appliqués en R, GRASS et Google Earth (KML).
Si je trouve plus de bons exemples, je continuerai à les mettre à jour (j'espère que d'autres personnes posteront également de bons exemples!)
la source
Pour l'analyse raster, le package raster est extrêmement puissant. A côté du manuel standard, il y a quelques vignettes pour commencer.
la source
Je ne suis pas un utilisateur de PostGIS, mais après avoir suggéré des polygones de Voronoï pour une question sur le voisin le plus proche , j'ai un peu cherché. J'ai trouvé qu'avec R, vous pouvez créer des polygones de Voronoï pour PostGIS . Je suis impressionné.
la source
tess
objet ensp
objet à l' aide de cette fonction fournie par Adrian Baddeley. À partir d'unsp
objet, vous pouvez l'exporter dans un fichier de formes si vous le souhaitez.Je suis tombé sur Spatial-Analyst.net . Très informatif, complet et utile. Plus spécifique à cette question et en ligne avec certaines des réponses précédentes, voir cette page .
la source
Voir également ici comment profiter d’une analyse statistique de haute qualité dans GRASS: http://grass.osgeo.org/wiki/R_statistics
la source
Avec cette fonction, vous pouvez facilement faire des jointures spatiales, mais seulement si toutes les zones sont remplies par des polygones.
la source
Exemple d'analyse de modèle de points:
Crée un motif de points et le représente. Le progiciel spatstat comporte un certain nombre de fonctions d’analyse de données géographiques. Voici quelques tutoriels sur Spatstat :
la source
Je ne suis pas sûr qu'il s'agisse d'un "truc", mais je suis un grand fan de la combinaison du
acs
package (pour sélectionner les données du recensement américain) et duleaflet
package (pour créer des cartes javascript interactives pouvant être hébergées en ligne).Ce tutoriel fait un excellent travail illustrant les avantages de l’utilisation conjointe de ces deux packages.
la source