Romlig Bevegelse Gjennomsnittet Arcgis

Jeg har et rasterkart over US Midwest som er veldig sparsomt, dvs. at pikslene av interesse er få nok til å være nesten usynlige når de ses på en skala hvor alle delstater i USA Midtvesten er synlige. Jeg vil gjerne følge tilnærmingen skissert i dette PNAS-papiret for å lage et bedre kart, men ikke sikker på hvordan du replikerer det i ArcGIS. Enhver hjelp vil bli verdsatt. PNAS-papiret beskriver trinnene som følger. På grunn av de små størrelsene og spredt fordeling av endringsområder, var det vanskelig å visualisere regionale mønstre av LCLUC ved den originale geografiske oppløsningen på 56 m Som et resultat brukte vi romlig utjevningsteknikker for å skape en regional forandringsoverflate som fremhevet lokale hotspots of change. Relaterte tilnærminger brukes i felt som for eksempel spatial epidemiologi for å generere stabilt estimat av sykdomsrate 48, men har ikke blitt bredt anvendt på området for vekselsforskning. I vår utjevningstilgang ble endring av piksler ved 56 m spatial oppløsning først aggregert til prosentandelen forandring ved 560 m oppløsning Dette ble gjort ved å ta 10-i-10 blokker med 56-m piksler, dvs. 100 piksler og summere den binære endringen i hver blokk Fig S4A Deretter brukte vi en 2D-kjerne jevnere til å beregne et jevnt estimat av prosentendring for hver av de 560-m oppløsningspiksler Fig. S4B En kvartskjernefunksjon ble brukt til å beregne bevegelige gjennomsnitt over studieområdet med en båndbredde på 10 km. Den samme kvartiske kjernefunksjonen ble brukt til å jevne prosentendring fra mais soya i 2006 til gressletter i 2011. genererte et utjevnet kart over gresskledddekselet i 2006 ved å samle greslandets tilstedeværelse ved 56 m oppløsning til prosent gresskleddeksel ved 560 m oppløsning og deretter utjevne dette aggregerte dekselaget ved å bruke den samme 10 km kvartiske kjernen. senere brukt som nevneren ved å generere et kart over relative gradergradsomregning. Så vidt jeg forstår, er dette flytskjemaet 1 Bruk blokkstatistikk i ArcGIS til å summe 10x10 piksler med 56-m raster til 560m raster 2 2D kjernen jevnere ikke sikker på hvordan du gjør dette 3 Quartic kjernen er ikke sikker på hvordan du gjør dette. Ikke sikker på hvordan du går videre enn trinn 1. Skrevet Aug 15 14 på 0 29.Base R inneholder mange funksjoner som kan brukes til å lese , visualisere og analysere romlige data. Fokuset i denne visningen er geografiske geografiske data, hvor observasjoner kan identifiseres med geografiske steder, og hvor ytterligere informasjon om disse stedene kan hentes hvis stedet registreres med forsiktighet. Basisfunksjoner suppleres med Bidraget pakker, hvorav noen er på CRAN, og andre er fortsatt i utvikling. En aktiv plassering er R-Forge som lister romlige data - og statistikkprosjekter i prosjektetreet. Informasjon om R-romspakker, spesielt sp er lagt ut på R-Forge rspatialprosjektets hjemmeside, inkludert et visualiseringsgalleri Aktiv utvikling av sp fortsetter på Github. De medfølgende pakkene adresserer to brede områder som flytter romdata inn og ut av R, og analyserer Spatial data i R. R-SIG-Geo mailingliste er et godt sted å begynne for å få hjelp og diskutere spørsmål om både tilgang til data og analysere det. Postliste er et godt sted å søke etter informasjon om relevante kurs. Ytterligere informasjon om kurs finner du under fanen Hendelser i denne bloggen. Det er en rekke medarbeidere og introduksjoner en nylig er Introduksjon til visualisering av romlige data i R av Robin Lovelace og James Cheshire. Pakken i denne visningen kan grovt struktureres i Følgende emner Hvis du mener at noen pakker mangler fra listen, vennligst gi meg beskjed. Klasser for romdata Siden mange av pakkene som importerer og bruker romdata har måttet inkludere objekter for lagring av data og funksjoner for å visualisere det, er i gang for å konstruere delte klasser og plottefunksjoner for romlige data Sp-pakken er omtalt i et notat i R-nyheter En ny pakke kalt sf er nå på CRAN, og blir aktivt utviklet på GitHub som gir enkle funksjoner for R Utviklingen av pakken støttes av R-konsortiet. Det gir enkle funksjoner tilgang for vektordata og som sådan er en moderne implementering av deler av sp. Mange andre pakker er blitt avhengige av sp klasser, inkludert rgdal og maptools Rgeos-pakken gir et grensesnitt til topologiske funksjoner for sp-objekter ved hjelp av GEOS Stplanr gir en SpatialLinesNetwork-klasse basert på objekter definert i sp og igraph som kan brukes til rutingsanalyse innen R En annen nettverkspakke er shp2graph The cleangeo kan brukes til å inspisere romlige objekter, lette håndtering og rapportering av topologiske feil og geometri validitetsproblemer. Det hevder å gi en geometrirenser som vil fikse alle geometriske problemer, og eliminere i det minste å redusere sannsynligheten for å ha problemer når det gjør romlig databehandling. pakken er en stor utvidelse av romlige dataklasser for å virtualisere tilgang til store raster , slik at store objekter kan analyseres og utvide de analytiske verktøyene som er tilgjengelige for både raster - og vektordata. Brukes med rasterVis, det kan også gi forbedret visualisering og samspill. Pakken inneholder romlige funksjoner som er ment å forbedre kjernevolumet i rasterpakken, inkludert en parallell Behandlingsmotor for bruk med raster Mikromappakken inneholder koblede mikromaps ved hjelp av ggplot2 Rekkepakken gir rektangulære kartogrammer med rektangelstørrelser som reflekterer for eksempel befolkning statbinene gir en enklere binær tilnærming til amerikanske stater. Spaltidspakken utvider de delte klassene definert i sp for spatio - tidsdata se Spatio-Temporal Data i R Grid2Polygons konverterer en romlig gjenstand fra klassen SpatialGridDataFrame til SpatialPolygonsDataFrame. En alternativ tilnærming til noen av disse problemene er implementert i PBSmapping-pakken. PBSmodelling tilbyr modelleringsstøtte I tillegg gir GEOmap kartleggingsanlegg rettet t o oppfyller geologens behov og bruker geomapdata-pakken. Håndtering av geodata En rekke pakker er skrevet ved hjelp av SP-klasser. Rasterpakken introduserer mange GIS-metoder som nå tillater mye å gjøre med romlige data uten å måtte bruke GIS i tillegg til R Det kan suppleres med gdistance som ga beregning av avstander og ruter på geografiske grotter. Geosfæren tillater beregninger av avstand og område som skal utføres på romdata i geografiske koordinater. DggridR-pakken gir grensesnitt til DGGRID for å arbeide med diskrete globale grid, bruker heksagoner, trekanter og diamanter for å overvinne problemet at hver bin har samme område Spsurvey-pakken inneholder en rekke samplingsfunksjoner Turpakken utvider sp-klasser for å tillate tilgang og manipulering av romdata for dyrsporing. Hdeco-pakken gir hierarkisk dekomponering av entropi for kategoriske kartsammenligninger GeoXp-pakken tillater interaktive g raphical exploratory spatial data analysis spcosa sørger for romlig dekningsprøving og tilfeldig prøvetaking fra kompakte geografiske lag. Magclassen tilbyr en dataklasse for økt interoperabilitet som arbeider med romlig tidsdata sammen med tilhørende funksjoner og metoder konverteringer, grunnleggende beregninger og grunnleggende data manipulasjon. Klassen skiller mellom romlige, tidsmessige og andre dimensjoner for å lette utviklingen og interoperabiliteten til verktøy som bygger på den. Ytterligere funksjoner er navnebasert adressering av data og intern konsistenskontroll, for eksempel å sjekke den riktige datordelingen i beregninger. UScensus2000 pakken UScensus2000cdp UScensus2000tract gjør bruk av data fra 2000 US-folketellingen mer praktisk Et viktig datasett, Guerry s Moral Statistics of France, har blitt gjort tilgjengelig i Guerry-pakken som gir data og kart og eksempler som er utformet for å bidra til integrering av multivariate og romlig analyse. Marma p-pakken er designet for nedlasting, plotting og manipulering av bathymetriske og topografiske data i R marmap, kan spørre om ETOPO1-badymetri - og topografidatabasen som hostes av NOAA, bruk enkle breddegrader-dybdedata i ascii-format og dra nytte av de avanserte plottingsverktøyene tilgjengelig i R for å lage badekvalitetskort av publikasjonskvalitet, se PLOS-papiret. Moderne landgrenser er gitt ved 2 oppløsninger av rworldmap sammen med funksjoner for å bli med og kartlegge tabelldata referert av landnavn eller koder. Kloroplet - og boblekart er støttet og generelle funksjoner til å fungere På brukerlevererte kart, se En ny R-pakke for kartlegging av globale data Høyere oppløsning landgrenser er tilgjengelige fra den sammenkoblede pakken rworldxtra Historiske landgrenser 1946-2012 kan hentes fra cshapes-pakken sammen med funksjoner for beregning av avstandsmatriser se Kartlegging og måling av landformer . Landsat-pakken med tilhørende JSS-papir gir verktøy for eksplodering ring og utvikle korreksjonsverktøy for avkjenningsdata taRifx er en samling av verktøy og bekvemmelighetsfunksjoner, og noen interessante romlige funksjoner GdalUtils-pakken inneholder wrappers for Geospatial Data Abstraction Library, GDAL Utilities. En rOpenSci bloggoppføring beskrev en GeoJSON-sentrert tilnærming til å lese GeoJSON og WKT data GeoJSON kan skrives og leses ved hjelp av rgdal og WKT av rgeos Oppføringslister geojson geojsonio geoaxe og plen blant annet Rgbif-pakken brukes til å få tilgang til Global Biodiversity Information Facility GBIF data Geoaxe lar brukerne dele geospatiale objekter i stykker. plenpakke er en klient for Turfjs for geospatial analysis. Reading og skriving av geografisk data - rgdal Kartene kan være vektorbaserte eller rasterbaserte Rgdal-pakken gir bindinger til GDAL-støttede rasterformater og OGR-støttede vektorformater. Det inneholder funksjoner for å skrive rasterfiler i støttede formater Pakken gir også PROJ 4 projeksjonsstøtte for ve ctor objekter dette nettstedet gir søkbar online PROJ 4 representasjoner av projeksjoner Affine og likhet transformasjoner på sp objekter kan gjøres ved hjelp av funksjoner i vec2dtransf pakken Windows og Mac OSX CRAN binærer av rgdal inkluderer delsett av mulige datakilde drivere hvis andre er nødvendig, bruk andre konverteringsverktøy, eller installer fra kilde mot en versjon av GDAL med nødvendige drivere. Rgeos-pakken inneholder funksjoner for lesing og skriving av velkjent tekst WKT-geometri, og wkb-pakken inneholder funksjoner for lesing og skriving av kjente binære WKB-geometrier. Lese og skrive romlige data - andre pakker Det finnes en rekke andre pakker for å få tilgang til vektordata på CRAN-kart med mapdata og mapproj gir tilgang til samme type geografiske databaser som S - RArcInfo tillater ArcInfo v 7 binære filer og e00-filer å være lese og kartverktøy og shapefiles les og skriv ArcGIS ArcView shapefiles for NetCDF-filer, ncdf4 eller RNetCDF kan være brukt Maptools-pakken inneholder også hjelpefunksjoner for å skrive kartpolygonfiler som skal leses av WinBUGS, Mondrian, og tmap-kommandoen i Stata. Det gir også grensesnittfunksjoner mellom PBSmapping og spatstat og sp-klasser, i tillegg til kartdatabaser og sp-klasser. Det er også et grensesnitt til GSHHS shoreline-databaser Gmt-pakken gir et enkelt grensesnitt mellom GMT-kartprogramvare og R geonames er et grensesnitt for tjenesten OpenStreetMap gir tilgang til åpne kartoversiktrasterbilder, og osmar gir infrastruktur tilgang til OpenStreetMap-data fra forskjellige kilder , å jobbe med dataene på felles R-måte, og å konvertere data til tilgjengelig infrastruktur som leveres av eksisterende R-pakker. Rpostgis-pakken gir tilleggsfunksjoner til RPostgreSQL-pakken til grensesnitt R med en PostGIS-aktivert database, samt praktiske pakker til Vanlige PostgreSQL-spørringer PostGIStools-pakken inneholder funksjoner for å konvertere geometri og hstore datatyper fra PostgreSQL til standard R-objekter, samt forenkle importen av R-datarammer, inkludert romlige datarammer, til PostgreSQL. Integrasjon med versjon 6 og av ledende åpen kildekode GIS, GRASS, leveres i CRAN-pakken spgrass6 ved hjelp av rgdal for utveksling av data For GRASS 7, bruk rgrass7 RPyGeo er en wrapper for Python-tilgang til ArcGIS GeoProcessor, og RSAGA er et lignende skallbasert omslag for SAGA-kommandoer. RQGIS-pakken etablerer et grensesnitt mellom R og QGIS, det vil si at brukeren får tilgang til QGIS-funksjoner fra R-konsollen Den oppnår dette ved å bruke QGIS Python API via kommandolinjen. Merk også denne tråden på en alternativ R QGIS-integrasjon. Visualisering For fargepalettene som er gitt i RColorBrewer-pakken, er det svært nyttig og kan endres eller utvides ved hjelp av colorRampPalette-funksjonen som følger med R ClassInt-pakken inneholder funksjoner for valg av klasseperioder for tematisk kartografi. TMap-pakken viste seg et moderne grunnlag for tematisk kartlegging, eventuelt ved hjelp av en grammatikkgrafiksyntax Fordi den har en tilpasset gridgrafikkplattform, eliminerer det behovet for å styrke geometrier som skal brukes med ggplot2 Kartvisningspakken gir metoder for å vise geografiske objekter interaktivt, vanligvis på en webkartbase Quickmapr-pakken gir en enkel metode for å visualisere sp og rasterobjekter, muliggjør grunnleggende zooming, panorering, identifisering og merking av romlige objekter, og krever ikke at dataene er i geografiske koordinater. Kartongpakken tillater forskjellige kartografiske representasjoner som proporsjonal symboler, choropleth, typologi, strømmer eller diskontinuiteter Mapmisc-pakken er et minimalt sett lett verktøy for å lage flotte kart i R, med støtte for kart som brukeren ønsker å plassere et kart bakgrunn bak andre skjermer, RgoogleMaps-pakken for tilgang til Google Maps TM kan være nyttig ggmap kan brukes til romlig visualisering med Google Maps og OpenStre etMap ggsn gir nordpiler og skalaer for slike kart PlotGoogleMaps-pakken gir metoder for visualisering av romlige og spatio-temporale objekter i Google Maps i en nettleser. plotKML er en pakke som gir metoder for visualisering av romlige og spatio-temporale objekter i Google Earth Et annet alternativ er leafletR som gir grunnleggende webkartingsfunksjonalitet for å kombinere vektorgegevensfiler og online kartfliser fra forskjellige kilder. Pointmønsteranalyse Den romlige pakken er en anbefalt pakke sendt med base R, og inneholder flere kjernefunksjoner, inkludert en implementering av Khat av forfatteren, prof Ripley I tillegg tillater spatstat frihet i å definere regionen s av interesse, og gjør utvidelser til merkede prosesser og romlige kovariater. Styrken er modellmontering og simulering, og den har en nyttig hjemmeside. Det er den eneste pakke som gjør det mulig for brukeren å passe inhomogene punktprosessmodeller med interpunktinteraksjoner Spatgraphs pakken gir grafer, grafvisualisering og grafbaserte oppsummeringer som skal brukes med romlig punktmønsteranalyse. Splokkpakken tillater også punktdata å analyseres innenfor en polygonal region av interesse, og dekker mange metoder, inkludert 2D-kjernetetenheter. Smakpodpakken gir forskjellige statistiske metoder for å analysere case-control-punktdata. Tilgjengelige metoder følger nøye med i kapittel 6 i Applied Spatial Statistics for Public Health Data av Waller og Gotway 2004.ecespa gir wrappers, funksjoner og data for romlig punktmønsteranalyse, brukt i boken om romlige Økologi av ECESPA AEET Funksjonene for binningpunkter på grid i aske kan også være av interesse. Annonsepakken utfører første og andre rekkefølgeanalyser avledet fra Ripley s K-funksjon. Aspace-pakken er en samling funksjoner for estimering sentrografiske statistikker og beregnings geometrier fra romlige punktmønstre spatialkernel gir kantkorrigert kjernen tetthetsberegning og binær kjernegressjonsestimering for multivariate romlige punktprosessdata DSpat inneholder funksjoner for romlig modellering for avstandssamplingsdata og spatialsegregasjon gir segregeringsmålinger for multitype romlige punktmønstre GriegSmith bruker Grieg-Smith-metoden på 2-dimensjonale romdata. dbmss-pakken tillater enkel beregning av et komplett sett av romlige statistiske funksjoner av avstand, inkludert klassiske Ripley s K og andre og nyere som brukes av romlige økonomer Duranton og Overman s Kd, Marcon og Puech s M Det er avhengig av spatstat for kjerneberegning gitterDensitet inneholder funksjoner som beregne gitterbasert tetthetsestimator av Barry og McIntyre, som står for punktprosesser i todimensjonale regioner med uregelmessige grenser og hull. Geostatistikk Gstat-pakken gir et bredt spekter av funksjoner for univariate og multivariate geostatistikker, også for større datasett, mens geoR og geoRglm inneholder f unjoner for modellbasert geostatistikk Variogramdiagnostikk kan utføres med hverdag Automatisert interpolering ved hjelp av gstat er tilgjengelig i automap Denne familien av pakker er supplert med intamap med prosedyrer for automatisert interpolering og psgp som implementerer projisert sparsom Gauss-prosesskriging. Et lignende bredt spekter av funksjoner finnes i feltpakken Den romlige pakken leveres med base R og inneholder flere kjernefunksjoner SpBayes-pakken passer til Gaussiske univariate og multivariate modeller med MCMC ramper er en annen Bayesian geostatistisk modelleringspakke. Geospt-pakken inneholder noen geostatistiske og radiale grunner funksjoner, inkludert prediksjon og kryssvalidering. Dessuten inkluderer den funksjoner for utforming av optimale romlige samplingsnett basert på geostatistisk modellering. Geostatsp-pakken tilbyr geostatistiske modelleringsfasiliteter ved hjelp av Raster og SpatialPoints-objekter leveres. Ikke-gaussiske modeller passer med INLA, og Gaussian geostatistiske modeller bruker maksimal sannsynlighet estimering. RandomFields-pakken gir funksjoner for simulering og analyse av tilfeldige felt, og variogrammodellbeskrivelser kan overføres mellom geoR gstat og denne pakken. SpatialExtremes foreslår flere tilnærminger for romlig ekstremmodellering ved hjelp av RandomFields I tillegg er CompRandFld BegrensetKriging og Geospt gir alternative tilnærminger til geostatistisk modellering SpTimer-pakken er i stand til å passe, spatialt forutsi og temporært prognose store mengder romtiddata ved hjelp av 1 Bayesian Gaussian Process GP-modeller, 2 Bayesian Auto-Regressive AR-modeller og 3 Bayesian Gaussian Predictive Behandler GPP-baserte AR-modeller Rtop-pakken gir funksjoner for geostatistisk interpolering av data med uregelmessig romlig støtte, for eksempel avrenningsrelaterte data eller data fra administrative enheter. Georob-pakken gir funksjoner for å montere lineære modeller med romlig korrelerte feil med robust og G aussisk begrenset maksimal sannsynlighet og for å beregne robuste og vanlige punkter og blokkere krigtspådommer, sammen med bruksfunksjoner for kryssvalidering og for objektiv tilbaketransformering av krigingutsiktene av logtransformerte data SpatialTools-pakken har vekt på kriging og gir funksjoner for prediksjon og simulering Det utvides av ExceedanceTools som gir verktøy for å bygge konfidensregioner for overskridelsesregioner og konturlinjer. Gearpakken implementerer vanlige geostatistiske metoder på en ren, grei og effektiv måte, og sies å være en kvasi omstart av SpatialTools. Den sperrorest pakken implementerer romlig feil estimering og permutasjonsbasert romlig variabel betydning ved hjelp av forskjellige romlige kryss-validering og romlig blokk bootstrap metoder. Sgeostat-pakken er også tilgjengelig Innenfor det samme generelle aktuelle området er deldir - og tripackpakker for triangulering og akima-pakken for spline interpolati på MBA-pakken gir spredt datainterpolering med multilevel-B-splines. I tillegg er det spatialCovariance-pakken, som støtter beregning av romlige kovariansmatriser for data på rektangler, regresspakkebygningen delvis på spatialCovariance og tgp-pakken The Stem-pakken sørger for estimering av parametrene til en spatio-temporal modell ved bruk av EM-algoritmen, og estimeringen av parameterstandardfeilene ved hjelp av en spatio-temporal parametrisk oppstartsfelt FieldSim er en annen tilfeldig feltsimuleringspakke SSN er for geostatistisk modellering for data på strøm nettverk, inkludert modeller basert på in-stream-avstand. Modeller opprettes ved hjelp av bevegelige gjennomsnittlige konstruksjoner. Spatiale lineære modeller, inkludert kovariater, kan passe med ML eller REML Mapping, og andre grafiske funksjoner er inkludert. Ipdw gir funksjoner o interpolere georeferenced point data via Inverse Path Avstandvekting Nyttig for kystnære søknader wh ere barrierer i landskapet utelukker interpolering med euklidiske avstander RSurvey kan brukes som et behandlingsprogram for romlig distribuerte data, og er i stand til feilkorrigeringer og datavisualisering. Disease kartlegging og areal data analyse DCluster er en pakke for påvisning av romlige klynger av sykdommer Det strekker seg og avhenger av spdep-pakken, som gir grunnleggende funksjoner for å bygge nabobilder og romlige vekter, tester for romlig autokorrelasjon for arealdata som Moran s I, og funksjoner for montering av romlige regresjonsmodeller, for eksempel SAR og CAR-modeller. Disse modellene anta at romlig avhengighet kan beskrives ved kjente vekter. SpatialEpi-pakken gir implementeringer av klyngedeteksjon og sykdomskartingsfunksjoner, inkludert Bayesian cluster detection, og støtter lag. Smc-pakken gir statistiske metoder for analyse av dataarealdata med fokus på cluster deteksjon Den diseasemapping pakken tilbyr formatti ng populasjons - og saksdata, beregning av standardiserte incidensforhold og montering av BYM-modellen ved hjelp av INLA Regionalisering av polygonobjekter er gitt av AMOEBA en funksjon for å beregne romlige klynger ved hjelp av Getis-Ords lokale statistikk. Det søker ekstreme klyngerekotoper på et kart, og skater i spdep Seg - og OasisR-pakkene gir funksjoner for måling av romlig segregering OasisR inkluderer Monte Carlo-simuleringer for å teste indeksene Spgwr-pakken inneholder en implementering av geografisk vektede regresjonsmetoder for å utforske mulig ikke-stasjonæritet. Gwrr-pakken passer til geografisk vektet regresjon GWR modeller og har verktøy for å diagnostisere og korrigere kollinearitet i GWR-modellene. Også tilpasset geografisk vektet åsendress GWRR og geografisk vektet lasso GWL-modeller GWmodel-pakken inneholder funksjoner for beregning av geografisk vektede modeller. Lctools-pakken gir forskere og lærere en lettlærbar bruker frie ndly verktøy for beregning av nøkkelområdestatistikk og å anvende enkle så vel som avanserte metoder for romlig analyse i reelle data. Disse inkluderer lokale Pearson og geografisk vektede Pearson korrelasjonskoeffisienter, romlige ulikhetsmålinger Gini, Spatial Gini, LQ, Focal LQ, Spatial Autocorrelation Global og Local Moran s I, flere geografisk vektede regresjonsteknikker og andre romlige analysemetoder annen geografisk vektet statistikk Denne pakken inneholder også funksjoner for måling av betydningen av hver statistikk beregnet, hovedsakelig basert på Monte Carlo-simuleringer. Sparr-pakken gir en annen tilnærming til relative risikoer. CARBayes pakke implementerer bayesiske hierarkiske romlige arealmodeller Modeller i slike modeller er den romlige korrelasjonen modellert av et sett av tilfeldige effekter som tildeles en betinget autoregressiv CAR-fordeling. Eksempler på modellene som er inkludert er BYM-modellen, samt en nylig utviklet lokalisert romlig smoot hing-modellen GlmmBUGS-pakken er en nyttig måte å overføre romlige modeller til WinBUGS SpaMM-pakken passer til romlige GLMM, ved hjelp av Matern korrelasjonsfunksjonen som den grunnleggende modellen for romlige tilfeldige effekter. PReMiuM-pakken er for profilregresjon, som er en Dirichlet-prosess Bayesian clustermodell gir det et romlig CAR-term som kan inkluderes i de faste effektene som er globale, dvs. ikke-klyngespesifikke parametere for å utgjøre en hvilken som helst romlig korrelasjon i residualene. Pakkepakken gir verktøy for å konstruere og utnytte romlig vektede kontekstdata, og Videre tillater kombinasjon av de resulterende romlig vektede kontekstdataene med individuelle nivåspådommer og utfallsvariabler, for multilevelmodellering. Geospacom-pakken genererer avstandsmatriser fra formfiler og representerer romlig vektede multilevelanalyseresultater. Spatial overlevelseanalyse leveres av spatsurv-Bayesian inngripen for parametriske proporsjonale farer romlige overlevelsesmodeller - og spBayesSurv - Bayesian Modeling and Analysis of Spatially Correlated Survival Data - pakker Spselect-pakken gir modelleringsfunksjoner basert på fremad trinnvis regresjon, inkremental fremad trinnvis regresjon, minst vinkelregressjon LARS og lasso-modeller for valg av romlig skala av kovariater i regresjonsmodeller. Spatialregresjon Valget av funksjon for romlig regresjon vil avhenge av den tilgjengelige støtten. Hvis dataene er preget av punktstøtte og den romlige prosessen er kontinuerlig, kan geostatistiske metoder brukes eller fungere i NLME-pakken Hvis støtten er areal, og den romlige prosessen blir ikke behandlet som kontinuerlig. Funksjoner som tilbys i spdep-pakken kan brukes. Denne pakken kan også betraktes som å gi romlige økonometriske funksjoner, og som nevnt ovenfor gir grunnleggende funksjoner for å bygge nabobilder og romlige vekter , tester for romlig autokorrelasjon for arealdata som Moran s I, an d-funksjoner for montering av romlige regresjonsmodeller Det gir hele spekteret av lokale indikatorer for romlig tilknytning, for eksempel lokale Moran s I og diagnostiske verktøy for monterte lineære modeller, inkludert Lagrange Multiplikatortester. Spatiale regresjonsmodeller som kan monteres med maksimal sannsynlighet inkluderer romlig lagring modeller, romlige feilmodeller og romlige Durbin-modeller. For større datasett kan sparsomme matrise teknikker brukes til maksimal sannsynlighetskompetanse, mens romlige to-trinns minstefirkanter og generalisert metode for øyeblikkestimatorer er et alternativ. Ved bruk av GMM kan spet brukes til å imøtekomme både autokorrelasjon og heteroskedastisitet. Spatialtallregressjon er gitt ved bruk av tilpasset MCMC ved spatcounts. McSpatial gir funksjoner for lokalt vektet regresjon, semiparametrisk og betinget parametrisk regresjon, fireier og kubiske splinefunksjoner, GMM og linearisert romlig logit og probit, k-tetthetsfunksjoner og counterfactuals , ikke-parametrisk kvantilregress ion-og kondisjonell tetthetsfunksjon, Machado-Mata dekomponering for kvantile regresjoner, romlig AR-modell, gjentatte salgsmodeller og betinget parametrisk logit og probit. Splm-pakken gir metoder for montering av data for romspanel etter maksimal sannsynlighet og GM De to små pakkene S2sls og spanel gi alternative implementasjoner uten de fleste av fasilitetene til splm. HSAR-pakken gir hierarkiske romlige autoregressive modeller HSAR, basert på en Bayesian Markov-kjede Monte Carlo MCMC-algoritme, spatialprobit muliggjør Bayesian estimering av den romlige autoregressive probitmodellen SAR probitmodellen ProbitSpatial-pakken gir metoder for montering av binomiale romlige probitmodeller til større datasett, romlig autoregressiv SAR og romlig feil SEM probit-modeller er inkludert. Starma-pakken inneholder funksjoner for å identifisere, estimere og diagnostisere en Space-Time AutoRegressive Moving Average STARMA-modell. Økologisk analyse Det er mange pakker for analyse av e kologisk og miljødata De inkluderer ade4 for eksplorative og euklidiske metoder i miljøvitenskapen, adehabitat-familien av pakker for analyse av habitatvalg av dyr adehabitatHR adehabitatHS adehabitatLT og adehabitatMA, pastecs for regulering, dekomponering og analyse av romtidserier, veganer for ordinasjonsmetoder og andre nyttige funksjoner for samfunns - og vegetasjonsøkologer, og mange andre funksjoner i andre medvirkede pakker. Et slikt er tripStimation basert på klassene som tilbys av reisen ncf, har gått inn i CRAN nylig, og gir en rekke romlige ikke-parametriske kovariansfunksjoner rangeMapper er en pakke for å manipulere arter rekkevidde av forekomstskart, hovedsakelig verktøy for enkel generering av rikdom av biologisk mangfoldsarter eller livshistorieegenskaper kartene Siplab-pakken er en plattform for å eksperimentere med romlig eksplisitte individuelle vegetasjonsmodeller ModelMap bygger på andre pakker til lage modeller som bruker under liggende GIS-data SpatialPosition beregner romlige posisjonsmodeller Stewart-potensialer, Reilly-avløpsområder, Huff-avløpsområder Watershedspakken gir metoder for agglomerasjon av vannområder og romlig dreneringsnettanalyse En off-CRAN-pakke - Rcitrus - er for romlig analyse av plante sykdomstilfelle Geneland-pakken bruker felt og RandomFields til å benytte både geografiske og genetiske opplysninger til å estimere antall populasjoner i et datasett og avgrense deres romlige organisasjon. Den ngspatial-pakken gir verktøy for å analysere romlige data, spesielt ikke-gaussiske arealdata. Den støtter den sparsomme romlige dataen generalisert lineær blandet modell av Hughes og Haran 2013 og den sentrert autologistiske modellen til Caragea og Kaiser 2009 The Environmetrics Task View inneholder en mye mer fullstendig undersøkelse av relevante funksjoner og pakker. CRAN-pakker. Sammenhengende linker. kan være en funksjonsklasse eller raster. Når inpu t-kildedata er en raster, settet av kildesceller består av alle celler i kildesrasteren som har gyldige verdier Celler som har NoData-verdier, er ikke inkludert i kildesettet. Verdien 0 betraktes som en legitim kilde. En kildesraster kan enkelt opprettet ved hjelp av ekstraksjonsverktøyene. Når dataene til inngangskilden er en funksjonsklasse, konverteres kildeposisjonene internt til en raster før analysen utføres. Oppløsningen av rasteren kan styres med parameteren Utdata-cellestørrelse eller Cellstørrelse-miljøet Som standard , vil oppløsningen bli bestemt av den kortere bredden eller høyden av omfanget av innmatingsfunksjonen, i den inngående romlige referansen divideres med 250. Når man bruker polygonfunksjonsdata for dataene for inngangskilden, må det tas hensyn til hvordan utgangen cell size is handled when it is coarse, relative to the detail present in the input The internal rasterization process employs the same default Cell assignment type method as the Polygon to Raster t ool, which is CELLCENTER This means that data not located at the center of the cell will not be included in the intermediate rasterized source output, and so will not be represented in the distance calculations For example, if your sources are a series of small polygons, such as building footprints, that are small relative to the output cell size, it is possible that only a few of them will fall under the centers of the output raster cells, seemingly causing most of the others to be lost in the analysis. To avoid this situation, as an intermediate step, you could rasterize the input features directly with the Polygon to Raster tool and set a Priority field and use the resulting output as input to the Distance tool Alternatively, you could select a small enough cell size to capture the appropriate amount of detail from the input features. When the source input is a feature, by default, the first valid available field will be used If no valid fields exist, the ObjectID field for example, O ID or FID, depending on the type of feature input will be used. Cell locations with NoData in the Input cost raster act as barriers in the cost surface tools Any cell location that is assigned NoData on the input cost surface will receive NoData on all output rasters cost distance, allocation, and back link. If the input source data and the cost raster are different extents, the default output extent is the intersection of the two To get a cost distance surface for the entire extent, choose the Union of Inputs option on the output Extent environment settings. If a Mask has been set in the environment, all masked cells will be treated as NoData values. When a mask has been defined in the Raster Analysis window and the cells to be masked will mask a source, the calculations will occur on the remaining source cells The source cells that are masked will not be considered in the computations These cell locations will be assigned NoData on all outputs distance, allocation, and back link rasters. The Maximum distance is specified in the same cost units as those on the cost raster. For the output distance raster, the least-cost distance or minimum accumulative cost distance of a cell to a set of source locations is the lower bound of the least-cost distances from the cell to all source locations. The cost raster cannot contain values of zero since the algorithm is a multiplicative process If your cost raster does contain values of zero, and these values represent areas of lowest cost, change values of zero to a small positive value such as 0 01 before running Cost Distance by first running the Con tool If areas with a value of zero represent areas that should be excluded from the analysis, these values should be turned to NoData before running Cost Distance by first running the Set Null tool.