Arus Moving Average Arcgis

Saya memiliki peta raster Midwest AS yang sangat jarang, yaitu piksel minat cukup sedikit sehingga hampir tidak terlihat bila dilihat pada skala di mana semua negara bagian AS Midwest terlihat. Saya ingin mengikuti pendekatan yang diuraikan dalam makalah PNAS ini (pnas. orgcontent110104134.full) untuk membuat peta yang lebih baik, namun tidak yakin bagaimana cara mereplikasi di ArcGIS. Bantuan akan dihargai. Kertas PNAS menguraikan langkah-langkah sebagai berikut: Karena ukurannya yang kecil dan distribusi daerah perubahan yang tersebar, sulit untuk memvisualisasikan pola LCLUC wilayah pada resolusi spasial 56 m yang asli. Akibatnya, kami menggunakan teknik pemulusan spasial untuk menciptakan permukaan perubahan regional yang menyoroti hotspot lokal perubahan. Pendekatan terkait digunakan di bidang epidemiologi spasial untuk menghasilkan perkiraan tingkat penyakit yang stabil (48) namun belum diterapkan secara luas di bidang ilmu perubahan lahan. Dalam pendekatan pemulusan kami, perubahan piksel pada resolusi spasial 56 m pertama digabungkan dengan persentase perubahan pada resolusi 560 m. Ini dilakukan dengan mengambil blok berukuran 10 kali x 56 piksel (yaitu blok 100 piksel) dan menjumlahkan perubahan biner di setiap blok (Gambar S4A). Selanjutnya kami menggunakan kernel 2D yang lebih halus untuk menghitung perkiraan penurunan persen untuk masing-masing piksel resolusi 560 m (Gambar S4B). Fungsi kernel kuarter digunakan untuk menghitung moving averages di area studi dengan bandwidth 10 km. Fungsi kernel kuartik yang sama digunakan untuk memperlancar perubahan persen dari jagung pada tahun 2006 ke padang rumput di tahun 2011. Akhirnya, kami membuat peta padang rumput yang merapikan pada tahun 2006 dengan menggabungkan padang rumput dengan resolusi 56 m hingga persentase padang rumput pada resolusi 560 m , Dan kemudian merapikan lapisan penutup agregat ini dengan menggunakan kernel kuartika 10 km yang sama. Lapisan penutup padang rumput yang merapikan ini kemudian digunakan sebagai penyebut dalam menghasilkan peta konversi padang rumput tingkat relatif. Sejauh yang saya mengerti, ini adalah flowchartnya: 1. Gunakan statistik blok di ArcGIS untuk menjumlahkan 10x10 piksel raster 56 m ke raster 560m 2. Kernel 2D lebih halus: tidak yakin bagaimana melakukan ini 3. Kernel kuartrat: tidak yakin bagaimana Untuk melakukan ini Tidak yakin bagaimana kemajuan melampaui langkah 1 yang diminta 15 Agustus 14 di 0: 29Base R mencakup banyak fungsi yang dapat digunakan untuk membaca, memvisualisasikan, dan menganalisis data spasial. Fokus dalam pandangan ini adalah pada data spasial spasial, dimana pengamatan dapat diidentifikasi dengan lokasi geografis, dan bila informasi tambahan tentang lokasi ini dapat diambil jika lokasi tersebut dicatat dengan hati-hati. Fungsi Base R dilengkapi dengan paket kontribusi, beberapa di antaranya ada di CRAN, dan lainnya masih dalam pengembangan. Salah satu lokasi yang aktif adalah R-Forge. Yang berisi daftar proyek DataSpat dan Dataquot di pohon proyeknya. Informasi tentang paket R-spatial, terutama sp dipasang di situs Rspire rspatial project. Termasuk galeri visualisasi. Perkembangan aktif sp terus berlanjut di Github. Paket kontribusi menyumbang dua area yang luas: memindahkan data spasial masuk dan keluar dari R, dan menganalisis data spasial di R. Milis R-SIG-Geo adalah tempat yang baik untuk memulai untuk mendapatkan bantuan dan mendiskusikan pertanyaan tentang keduanya mengakses data, Dan menganalisanya. Milis adalah tempat yang baik untuk mencari informasi tentang kursus yang relevan. Informasi lebih lanjut tentang kursus dapat ditemukan di bawah tab quotEventsquot blog ini. Ada sejumlah tutorial dan perkenalan yang disumbangkan yang baru-baru ini adalah Pengantar untuk memvisualisasikan data spasial di R oleh Robin Lovelace dan James Cheshire. Paket dalam tampilan ini dapat disusun secara kasar menjadi topik berikut. Jika Anda berpikir bahwa beberapa paket hilang dari daftar, beri tahu saya. Kelas untuk data spasial. Karena banyak paket yang mengimpor dan menggunakan data spasial harus menyertakan objek penyimpanan data dan fungsi untuk memvisualisasikannya, sebuah inisiatif sedang berjalan untuk membangun kelas bersama dan merencanakan fungsi untuk data spasial. Paket sp dibahas dalam catatan di R News. Sebuah paket baru yang disebut sf sekarang berada di CRAN, dan sedang dikembangkan secara aktif di GitHub. Menyediakan Fitur Sederhana untuk R. Pengembangan paket ini didukung oleh R Consortium. Ini menyediakan akses fitur sederhana untuk data vektor, dan dengan demikian implementasi modern dari bagian sp. Banyak paket lainnya tergantung pada kelas sp, termasuk rgdal dan maptools. Paket rgeos menyediakan antarmuka untuk fungsi topologi untuk objek sp menggunakan GEOS. Stplanr menyediakan kelas quotSpatialLinesNetworkquot berdasarkan objek yang didefinisikan dalam sp dan igraph yang dapat digunakan untuk analisis routing dalam R. Paket jaringan lain adalah shp2graph. Cleangeo dapat digunakan untuk memeriksa objek spasial, memfasilitasi penanganan dan pelaporan kesalahan topologi dan masalah validitas geometri. Ini mengklaim menyediakan pembersih geometri yang akan memperbaiki semua masalah geometri, dan menghilangkan (setidaknya mengurangi) kemungkinan timbulnya masalah saat melakukan pemrosesan data spasial. Paket raster adalah perpanjangan besar dari kelas data spasial untuk memanfaatkan akses virtual ke raster besar, memungkinkan objek besar untuk dianalisis, dan memperluas alat analisis yang tersedia untuk data raster dan vektor. Digunakan dengan rasterVis. Hal ini juga dapat memberikan peningkatan visualisasi dan interaksi. Paket spatial. tools berisi fungsi spasial yang dimaksudkan untuk meningkatkan fungsionalitas inti dari paket raster, termasuk mesin pemrosesan paralel untuk digunakan dengan raster. Paket micromap menyediakan micromaps terhubung menggunakan ggplot2. Paket reklasifikasi menyediakan kartogram persegi panjang dengan ukuran persegi panjang yang mencerminkan misalnya populasi statebins yang melindungi pendekatan binning yang lebih sederhana ke negara bagian AS. Paket ruangwaktu memperluas kelas bersama yang didefinisikan dalam sp untuk data spatio-temporal (lihat Spatio-Temporal Data in R). Grid2Polygons mengubah objek spasial dari class SpatialGridDataFrame menjadi SpatialPolygonsDataFrame. Pendekatan alternatif terhadap beberapa isu ini diimplementasikan dalam paket PBSmapping PBSmodelling memberikan dukungan pemodelan. Selain itu, GEOmap menyediakan fasilitas pemetaan yang ditujukan untuk memenuhi kebutuhan ahli geologi, dan menggunakan paket geomapdata. Penanganan data spasial. Sejumlah paket telah ditulis menggunakan kelas sp. Paket raster mengenalkan banyak metode GIS yang sekarang banyak memungkinkan dilakukan dengan data spasial tanpa harus menggunakan GIS selain R. Ini dapat dilengkapi dengan gdistance. Yang menyediakan perhitungan jarak dan rute pada grid geografis. Geosfer memungkinkan perhitungan jarak dan area yang akan dilakukan pada data spasial dalam koordinat geografis. Paket dggridR menyediakan antarmuka ke DGGRID untuk bekerja dengan grid global diskrit, menggunakan segi enam, segitiga, dan berlian untuk mengatasi masalah bahwa setiap bin memiliki area yang sama. Paket spsurvey menyediakan berbagai fungsi sampling. Paket perjalanan memperluas kelas sp untuk mengizinkan akses dan manipulasi data spasial untuk pelacakan hewan. Paket hdeco memberikan dekomposisi entropi secara hierarkis untuk perbandingan peta kategoris. Paket GeoXp memungkinkan analisis data spasial eksploratori grafis interaktif. Spcosa menyediakan pengambilan sampel spasial dan sampling acak dari strata geografis kompak. Kelas magclass menawarkan kelas data untuk meningkatkan interoperabilitas yang bekerja dengan data spasial temporal bersama dengan fungsi dan metode yang sesuai (konversi, perhitungan dasar dan manipulasi data dasar). Kelas membedakan antara dimensi spasial, temporal dan dimensi lainnya untuk memfasilitasi pengembangan dan interoperabilitas alat yang dibangun untuknya. Fitur tambahan adalah pengalamatan data berdasarkan nama dan cek konsistensi internal (misalnya memeriksa urutan data yang benar dalam perhitungan). Paket paket USCensus2000 (USCensus2000cdp. UScensus2000tract) membuat penggunaan data dari Sensus AS 2000 lebih mudah. Data penting, Guerrys quotMoral Statistics of Francequot, telah tersedia dalam paket Guerry, yang menyediakan data dan peta dan contoh yang dirancang untuk berkontribusi pada integrasi analisis multivariat dan spasial. Paket marmap dirancang untuk mendownload, merencanakan dan memanipulasi data batimetrik dan topografi di R. marmap dapat mengkuantifikasi database batimetri dan topografi ETOPO1 yang diselenggarakan oleh NOAA, menggunakan data kedalaman lintang-bujur-kedalaman dalam format ascii, dan memanfaatkan yang maju. Merencanakan alat yang tersedia di R untuk membangun peta batimetrik kualitas publikasi (lihat kertas PLOS). Batas negara modern disediakan di 2 resolusi oleh rworldmap beserta fungsinya untuk bergabung dan memetakan data tabular yang diacu oleh nama atau kode negara. Peta kloroplet dan gelembung didukung dan berfungsi secara umum untuk bekerja pada peta yang dipasok pengguna (lihat paket New R untuk Pemetaan Data Global. Batas negara resolusi yang lebih tinggi tersedia dari paket terkait rworldxtra. Batas negara historis (1946-2012) dapat diperoleh dari Paket cshapes beserta fungsi untuk menghitung matriks jarak (lihat Memetakan dan Mengukur Bentuk Negara). Paket landsat dengan kertas JSS yang menyertainya menyediakan alat untuk mengeksplorasi dan mengembangkan alat koreksi untuk data penginderaan jauh. TaRifx adalah kumpulan fungsi utilitas dan kemudahan, dan Beberapa fungsi spasial yang menarik Paket gdalUtils menyediakan pembungkus Utilitas Perpustakaan Geospasial Data Abstraction (GDAL). Entri blog rOpenSci menggambarkan pendekatan yang berpusat pada GeoJSON untuk membaca data GeoJSON dan WKT. GeoJSON dapat ditulis dan dibaca menggunakan rgdal dan WKT oleh Rgeos Daftar entri geojson geojsonio geoaxe dan rumput antara lain Paket rgbif digunakan untuk acce Ss Data Informasi Keanekaragaman Hayati Global (GBIF)). Geoaxe memungkinkan pengguna untuk membagi objek geospasial menjadi beberapa bagian. Paket rumput adalah klien Turfj untuk analisis geospasial. Membaca dan menulis data spasial - rgdal. Peta mungkin berbasis vektor atau berbasis raster. Paket rgdal menyediakan binding ke format raster GDAL yang didukung dan format vektor yang didukung oleh OGR. Ini berisi fungsi untuk menulis file raster dalam format yang didukung. Paket ini juga menyediakan proyeksi proyeksi PROJ.4 untuk objek vektor (situs ini menyediakan proyeksi PROJ.4 online yang dapat ditelusuri). Transformasi afinitas dan kesamaan pada objek sp dapat dilakukan dengan menggunakan fungsi dalam paket vec2dtransf. Windows dan Mac OSX CRAN binari rgdal menyertakan subkumpulan driver sumber data yang mungkin diperlukan jika diperlukan, gunakan utilitas konversi lainnya, atau pasang dari sumber ke versi GDAL dengan driver yang dibutuhkan. Paket rgeos menyediakan fungsi untuk membaca dan menulis geometri teks terkenal (WKT), dan paket wkb menyediakan fungsi untuk membaca dan menulis geometri biner (WKB) yang terkenal. Membaca dan menulis data spasial - paket lainnya. Ada sejumlah paket lain untuk mengakses data vektor di CRAN: peta (dengan mapdata dan mapproj) menyediakan akses ke jenis database geografis yang sama dengan S - RArcInfo yang memungkinkan file binari ArcInfo v.7 dan. e00 file untuk dibaca, dan Maptools dan shapefile membaca dan menulis shapefile ArcGISArcView untuk file NetCDF, ncdf4 atau RNetCDF dapat digunakan. Paket maptools juga menyediakan fungsi penolong untuk menulis file poligon peta yang akan dibaca oleh WinBUGS, Mondrian, dan perintah tmap di Stata. Ini juga menyediakan fungsi antarmuka antara kelas PBSmapping dan spatstat dan sp, selain memetakan database dan kelas sp. Ada juga antarmuka ke database garis pantai GSHHS. Paket gmt memberikan antarmuka sederhana antara perangkat lunak pembuatan peta GMT dan R. geonames adalah antarmuka ke layanan geonames. org. OpenStreetMap memberikan akses pada gambar raster peta jalan terbuka, dan osmar menyediakan infrastruktur untuk mengakses data OpenStreetMap dari berbagai sumber, untuk bekerja dengan data dengan cara yang sama, dan untuk mengubah data menjadi infrastruktur yang tersedia yang disediakan oleh paket R yang ada. Paket rpostgis menyediakan fungsi tambahan ke paket RPostgreSQL ke antarmuka R dengan basis data PostGIS, serta pembungkus yang mudah digunakan pada kueri PostgreSQL yang umum. Paket postGIStools menyediakan fungsi untuk mengubah tipe data geometri dan hstore dari PostgreSQL menjadi objek R standar, serta menyederhanakan impor frame data R (termasuk kerangka data spasial) ke dalam Integrasi PostgreSQL dengan versi 6. dan GIS open source terkemuka , GRASS, disediakan dalam paket CRAN spgrass6. Menggunakan rgdal untuk bertukar data. Untuk GRASS 7., gunakan rgrass7. RPyGeo adalah pembungkus akses Python ke ArcGIS GeoProcessor, dan RSAGA adalah pembungkus berbasis shell yang serupa untuk perintah SAGA. Paket RQGIS menetapkan antarmuka antara R dan QGIS, yaitu memungkinkan pengguna mengakses fungsionalitas QGIS dari konsol R. Ini mencapai ini dengan menggunakan API Python QGIS melalui command line. Perhatikan juga thread ini pada integrasi RQGIS alternatif. Visualisasi. Untuk visualisasi, palet warna yang disediakan dalam kemasan RColorBrewer sangat berguna, dan dapat dimodifikasi atau diperluas dengan menggunakan fungsi colorRampPalette yang disediakan bersama R. Paket classInt menyediakan fungsi untuk memilih interval kelas untuk kartografi tematik. Paket tmap membuktikan dasar modern untuk pemetaan tematik yang secara opsional menggunakan sintaks Grammar of Graphics. Karena memiliki platform grafis grid kustom, ia meniadakan kebutuhan untuk memperkuat geometri untuk digunakan dengan ggplot2. Paket mapview menyediakan metode untuk melihat objek spasial secara interaktif, biasanya pada basis pemetaan web. Paket quickmapr menyediakan metode sederhana untuk memvisualisasikan objek sp dan raster, memungkinkan pembesaran dasar, panning, identifikasi, dan pelabelan objek spasial, dan tidak memerlukan data dalam koordinat geografis. Paket kartografi memungkinkan berbagai representasi kartografi seperti simbol proporsional, choropleth, tipologi, arus atau diskontinuitas. Paket mapmisc adalah seperangkat alat minimal yang ringan untuk menghasilkan peta yang bagus di R, dengan dukungan untuk proyeksi peta. Jika pengguna ingin menempatkan latar belakang peta di belakang display lainnya, paket RgoogleMaps untuk mengakses Google Maps (TM ) Mungkin berguna. Ggmap dapat digunakan untuk visualisasi spasial dengan Google Maps dan OpenStreetMap ggsn menyediakan panah dan sisik Utara untuk peta semacam itu. Paket plotGoogleMaps menyediakan metode untuk visualisasi objek spasial dan spatio-temporal di Google Maps di browser web. PlotKML adalah paket yang menyediakan metode untuk visualisasi objek spasial dan spatio-temporal di Google Earth. Pilihan selanjutnya adalah leafletR. Yang menyediakan fungsi pemetaan web dasar untuk menggabungkan file data vektor dan ubin peta online dari berbagai sumber. Analisis pola titik Paket spasial adalah paket yang direkomendasikan yang dikirimkan dengan basis R, dan berisi beberapa fungsi inti, termasuk penerapan Khat oleh penulisnya, Prof. Ripley. Selain itu, spatstat memungkinkan kebebasan dalam mendefinisikan wilayah yang diminati, dan membuat perpanjangan pada proses yang ditandai dan kovariat spasial. Kekuatannya adalah model-fitting dan simulasi, dan memiliki homepage yang berguna. Ini adalah satu-satunya paket yang akan memungkinkan pengguna untuk menyesuaikan model proses dengan inhomogeneous dengan interpoint interactions. Paket spatgraphs menyediakan grafik, visualisasi grafik dan ringkasan grafik yang akan digunakan dengan analisis pola titik spasial. Paket splancs juga memungkinkan data titik untuk dianalisis dalam wilayah poligonal yang diminati, dan mencakup banyak metode, termasuk kerapatan kernel 2D. Paket smacpod menyediakan berbagai metode statistik untuk menganalisa data case-control point. Metode yang tersedia sesuai dengan yang ada di Bab 6 Statistik Ruang Angkasa Terapan untuk Data Kesehatan Masyarakat oleh Waller dan Gotway (2004). Ecespa menyediakan pembungkus, fungsi dan data untuk analisis pola spasial spasial, yang digunakan dalam buku Ekologi Spasial ECESPAAEET. Fungsi untuk binning points pada grids in ash mungkin juga menarik. Paket iklan melakukan analisis multi skala skala pertama dan kedua yang diturunkan dari fungsi Ripleys K. Paket aspace adalah kumpulan fungsi untuk memperkirakan statistik sentrografi dan geometri komputasional dari pola titik spasial. Spatialkernel menyediakan estimasi kerapatan kernel yang dikoreksi dan estimasi regresi kernel biner untuk data proses spasial multivariat. DSpat berisi fungsi untuk pemodelan spasial untuk data sampling jarak jauh dan spatialsegregasi memberikan ukuran segregasi untuk pola titik spasial multitype. GriegSmith menggunakan metode Grieg-Smith pada data spasial 2 dimensi. Paket dbmss memungkinkan perhitungan sederhana dari seperangkat fungsi statistik spasial jarak jauh, termasuk yang klasik (Ripleys K dan lainnya) dan yang lebih baru digunakan oleh ekonom spasial (Duranton dan Overmans Kd, Marcon dan Puechs M). Ini bergantung pada spatstat untuk perhitungan inti. LatticeDensity berisi fungsi yang menghitung estimator kerapatan berbasis kisi Barry dan McIntyre, yang menjelaskan proses titik di daerah dua dimensi dengan batas dan lubang tidak beraturan. Geostatistik. Paket gstat menyediakan berbagai fungsi untuk geostatistik univariat dan multivariat, juga untuk kumpulan data yang lebih besar, sementara geoR dan geoRglm berisi fungsi untuk model berbasis geostatistik. Diagnosis variogram dapat dilakukan dengan vardiag. Interpolasi otomatis menggunakan gstat tersedia di automap. Keluarga paket ini dilengkapi dengan intamap dengan prosedur interpolasi otomatis dan psgp. Yang menerapkan proyeksi proses Gaussian jarang kriging. Serangkaian fungsi yang serupa dapat ditemukan dalam paket field. Paket spasial dikirimkan dengan basis R, dan berisi beberapa fungsi inti. Paket spBayes sesuai dengan model univariat dan multivariat Gaussian dengan MCMC. Landai adalah paket pemodelan geostatistik Bayesian yang berbeda. Paket geospt berisi beberapa fungsi dasar geostatistical dan radial, termasuk prediksi dan validasi silang. Selain itu, termasuk fungsi untuk desain jaringan sampling spasial yang optimal berdasarkan pemodelan geostatistik. Paket geostatsp menawarkan fasilitas pemodelan geostatistik dengan menggunakan objek Raster dan SpatialPoints. Model non-Gaussian sesuai dengan penggunaan INLA, dan model geostatistik Gaussian menggunakan Maximum Likelihood Estimation. Paket RandomFields menyediakan fungsi untuk simulasi dan analisis bidang acak, dan deskripsi model variogram dapat dilewati antara geoR. Gstat dan paket ini SpatialExtremes mengusulkan beberapa pendekatan untuk pemodelan ekstremitas spasial menggunakan RandomFields. Selain itu, CompRandFld. ConstrainedKriging dan geospt memberikan pendekatan alternatif untuk pemodelan geostatistik. Paket spTimer dapat disesuaikan, memprediksi secara spasial dan memperkirakan secara temporer sejumlah besar data ruang-waktu menggunakan 1 Model Bayesian Gaussian Process (GP), 2 Model Bayesian Auto-Regressive (AR), dan 3 model Bayesian Gaussian Predictive Processes (GPP) Model AR. Paket rtop menyediakan fungsi untuk interpolasi geostatistik data dengan dukungan spasial yang tidak beraturan seperti data atau data limpasan dari unit administratif. Paket georob menyediakan fungsi untuk menyesuaikan model linier dengan kesalahan spasial berkorelasi dengan robust dan Gaussian Restricted Maximum Likelihood dan untuk menghitung prediksi titik kriging yang kuat dan sesuai, serta fungsi utilitas untuk validasi silang dan transformasi balik yang tidak bias dari prediksi kriging dari Data log-ditransformasikan Paket SpatialTools memiliki penekanan pada kriging, dan menyediakan fungsi untuk prediksi dan simulasi. Hal ini diperpanjang oleh ExceedanceTools. Yang menyediakan alat untuk membangun daerah kepercayaan untuk daerah pelampauan dan garis kontur. Paket peralatan menerapkan metode geostatistik umum dengan cara yang bersih, mudah, efisien, dan dikatakan sebagai kuasi reboot SpatialTools. Paket sperrorest menerapkan estimasi kesalahan spasial dan variabel spasial berbasis permutasi berdasarkan validasi spasial lintas-spasial dan metode bootstrap blok spasial. Paket sgeostat juga tersedia. Dalam area topikal umum yang sama adalah paket deldir dan triplet untuk triangulasi dan paket akima untuk interpolasi spline, paket MBA menyediakan interpolasi data yang tersebar dengan spline bertingkat. Selain itu, ada paket spatialCovariance, yang mendukung perhitungan matriks kovariansi spasial untuk data empat persegi panjang, paket paket kemunduran sebagian pada SpatialCovariance. Dan paket tgp. Paket Batang menyediakan estimasi parameter model spatio-temporal dengan menggunakan algoritma EM, dan estimasi kesalahan standar parameter menggunakan bootstrap parametrik spatio-temporal. FieldSim adalah paket simulasi field acak lainnya. SSN adalah untuk pemodelan geostatistik untuk data pada jaringan arus, termasuk model berdasarkan jarak dalam-aliran. Model dibuat menggunakan konstruksi rata-rata bergerak. Model linier linier, termasuk kovariat, bisa sesuai dengan ML atau REML. Pemetaan dan fungsi grafis lainnya disertakan. The ipdw menyediakan fungsi o interpolasi data titik georeferensi melalui Inverse Path Distance Weighting. Berguna untuk aplikasi kelautan pesisir dimana penghalang di lansekap menghalangi interpolasi dengan jarak Euclidean. RSurvey dapat digunakan sebagai program pengolahan data spasial terdistribusi, dan mampu melakukan koreksi kesalahan dan visualisasi data. Analisis data pemetaan dan areal areal. DCluster adalah paket untuk mendeteksi kelompok penyakit spasial. Ini meluas dan bergantung pada paket spdep, yang menyediakan fungsi dasar untuk membangun daftar tetangga dan bobot spasial, tes untuk autokorelasi spasial untuk data areal seperti Morans I, dan berfungsi untuk menyesuaikan model regresi spasial, seperti model SAR dan CAR. Model ini mengasumsikan bahwa ketergantungan spasial dapat digambarkan dengan bobot yang diketahui. Paket SpatialEpi menyediakan implementasi fungsi pendeteksian cluster dan pemetaan penyakit, termasuk deteksi kelompok Bayesian, dan dukungan strata. Paket smerc menyediakan metode statistik untuk analisis data areal data, dengan fokus pada deteksi cluster. Paket diseasemapping menawarkan format data populasi dan kasus, perhitungan Rasio Kejadian Standar, dan menyesuaikan model BYM dengan menggunakan INLA. Regionalisasi benda poligon disediakan oleh AMOEBA. Sebuah fungsi untuk menghitung cluster spasial dengan menggunakan statistik lokal Getis-Ord. Ini mencari cluster tidak beraturan (ekotop) di peta, dan dengan skater di spdep. Paket seg dan OasisR menyediakan fungsi untuk mengukur segregasi spasial OasisR termasuk simulasi Monte Carlo untuk menguji indeks. Paket spgwr berisi penerapan metode regresi tertimbang secara geografis untuk menjajaki kemungkinan non-stasioneritas. Paket gwrr sesuai dengan model regresi tertimbang secara geografis (GWR) dan memiliki alat untuk mendiagnosis dan memperbaiki collinearity pada model GWR. Juga sesuai dengan model regresi ridge (RGB) dan model laso berbobot secara geografis (GWL). Paket GWmodel berisi fungsi untuk menghitung model berbobot secara geografis. Paket lctools memberi para periset dan pendidik alat peraga yang mudah dipelajari untuk menghitung statistik spasial kunci dan menerapkan metode analisis spasial sederhana dan canggih dalam data nyata. Ini termasuk: Koefisien Korelasi Pearson Lokal dan Koordinat Tertimbang Secara Fisik, Ukuran Ketimpangan Spasial (Gini, Spasial Gini, LQ, Focal LQ), Autokorelasi Spasial (Percobaan Global dan Lokal), beberapa teknik Regresi Tertimbang Secara Geografis dan alat Analisis Spasial lainnya (secara geografis lainnya Statistik tertimbang). Paket ini juga berisi fungsi untuk mengukur signifikansi setiap statistik yang dihitung, terutama berdasarkan simulasi Monte Carlo. Paket sparr memberikan pendekatan lain untuk risiko relatif. Paket CARBayes menerapkan model unit ruang hierarki spasial Bayesian. Dalam model seperti itu, korelasi spasial dimodelkan oleh serangkaian efek acak, yang diberi distribusi autoregresif bersyarat (CAR) sebelumnya. Contoh model yang disertakan adalah model BYM dan model pemangkasan spasial yang baru dikembangkan. Paket glmmBUGS adalah cara yang sangat membantu untuk membagikan model spasial ke WinBUGS. Paket spaMM sesuai dengan GLMM spasial, menggunakan fungsi korelasi Matern sebagai model dasar untuk efek acak spasial. Paket PReMiuM adalah untuk regresi profil, yaitu model Dirichlet model pengelompokan Bayesian yang menyediakan istilah CAR spasial yang dapat disertakan dalam efek tetap (yang bersifat global, yaitu parameter non cluster specific, parameters) untuk memperhitungkan korelasi spasial pada Residu. Paket spacom menyediakan alat untuk membangun dan memanfaatkan data konteks tertimbang spasial, dan selanjutnya memungkinkan menggabungkan data konteks spasial yang dihasilkan dengan variabel prediktor dan variabel hasil, untuk keperluan pemodelan multilevel. Paket geospacom menghasilkan matriks jarak dari file bentuk dan mewakili hasil analisis multilevel tertimbang spasial. Analisis survival spasial disediakan oleh inferensi spatsurv - Bayesian untuk model survival spasial parametrik proportional - dan spBayesSurv - Bayesian Modeling and Analysis of Spirally Correlated Survival Data - packages. Paket spselect menyediakan fungsi pemodelan berdasarkan regresi stepwise maju, regresi bertahap bertahap, regresi sudut minimal (LARS), dan model laso untuk memilih skala spasial kovariat dalam model regresi. Regresi spasial Pilihan fungsi untuk regresi spasial akan tergantung pada dukungan yang ada. Jika data dicirikan oleh dukungan titik dan proses spasial terus menerus, metode geostatistik dapat digunakan, atau berfungsi dalam paket nlme. Jika dukungan adalah areal, dan proses spasial tidak diperlakukan secara kontinu, fungsi yang diberikan dalam paket spdep dapat digunakan. Paket ini juga dapat dilihat sebagai fungsi ekonometrik spasial, dan, seperti disebutkan di atas, menyediakan fungsi dasar untuk membangun daftar tetangga dan bobot spasial, tes untuk autokorelasi spasial untuk data areal seperti Morans I, dan berfungsi untuk menyesuaikan model regresi spasial. Ini menyediakan berbagai indikator lokal asosiasi spasial, seperti Morans I lokal dan alat diagnostik untuk model linier yang sesuai, termasuk uji Lagrange Multiplier. Model regresi spasial yang dapat dipasang dengan menggunakan maximum likelihood meliputi model spasial lag, model error spasial, dan model Durbin spasial. Untuk set data yang lebih besar, teknik matriks yang jarang dapat digunakan untuk kemungkinan maksimum, sedangkan spasial dua tahap kuadrat terkecil dan metode umum estimator momen merupakan alternatif. Saat menggunakan GMM, sphet dapat digunakan untuk mengakomodasi autokorelasi dan heteroskedastisitas. Regresi hitungan spasial disediakan dengan menggunakan MCMC custom dengan spatcounts. McSpatial menyediakan fungsi untuk regresi tertimbang secara lokal, regresi parametrik semiparametrik dan kondisional, fungsi spline Fourier dan cubic, GMM dan logit dan probabilitas spasial linier, k-density dan kontrafaktual, regresi quantile nonparametrik dan fungsi kerapatan bersyarat, dekomposisi Machado-Mata untuk quantile Regresi, model AR spasial, model penjualan berulang, dan logit parametrik bersyarat dan probit. Paket splm menyediakan metode untuk pemasangan data panel spasial dengan kemungkinan maksimum dan GM. Dua paket kecil S2sls dan spanel memberikan implementasi alternatif tanpa sebagian besar fasilitas splm. Paket HSAR menyediakan Model Penegakan Antarkala Hierarkis (HSAR), berdasarkan algoritma Bayesian Markov Chain Monte Carlo (MCMC). Spatialprobit memungkinkan perkiraan Bayesian tentang model probabilitas autoregresif spasial (model probit SAR). Paket ProbitSpatial menyediakan metode untuk menyesuaikan model probit spasial Binomial dengan kumpulan data yang lebih besar dan model probabilitas spasial autoregressive (SAR) dan spatial error (SEM). Analisis ekologis Ada banyak paket untuk menganalisis data ekologi dan lingkungan. Mereka termasuk ade4 untuk metode eksplorasi dan metode Euclidean dalam ilmu lingkungan, paket keluarga adhabitat untuk analisis seleksi habitat oleh hewan (adehabitatHR, adehabitatHS, adehabitatLT dan adehabitmaMA), pastec untuk peraturan, dekomposisi dan analisis rangkaian ruang-waktu , Vegan untuk metode pentahbisan dan fungsi berguna lainnya untuk ekologi masyarakat dan vegetasi, dan banyak fungsi lainnya dalam paket kontribusi lainnya. Salah satunya adalah tripEstimation. Mendasarkan pada kelas yang disediakan dengan perjalanan. Ncf telah memasuki CRAN baru-baru ini, dan menyediakan berbagai fungsi kovarians nonparametrik spasial. RangeMapper adalah sebuah paket untuk memanipulasi peta spesies (tingkat kejadian), terutama alat untuk memudahkan pengembangan keanekaragaman hayati (kekayaan spesies) atau peta karakter sejarah kehidupan. Paket siplab adalah platform untuk bereksperimen dengan model vegetasi berbasis individu spasial eksplisit. ModelMap dibangun di atas paket lain untuk membuat model dengan menggunakan data GIS yang mendasarinya. SpatialPosition menghitung model posisi spasial: potensi Stewart, daerah tangkapan Reilly, area tangkapan Huff. Paket Watersheds menyediakan metode untuk agregasi daerah aliran sungai dan analisis jaringan drainase spasial. Paket off-CRAN - Rcitrus - adalah untuk analisis spasial kejadian penyakit tanaman. Paket Geneland menggunakan field dan RandomField untuk memanfaatkan informasi geografis dan genetika untuk memperkirakan jumlah populasi dalam dataset dan menggambarkan organisasi spasial mereka. Paket ngspatial menyediakan alat untuk menganalisa data spasial, terutama data areal non-Gaussian. Ini mendukung model campuran linear linier jarang Hughes dan Haran (2013) dan model autologistik terpusat dari Caragea dan Kaiser (2009). Tampilan Tugas Environmetrics berisi survei fungsi dan paket yang lebih lengkap. Paket CRAN: Tautan terkait: Cara kerja Filter Tersedia dengan lisensi Analis Spasial. Alat Filter dapat digunakan untuk menghilangkan data palsu atau meningkatkan fitur yang tidak terlihat dalam data. Filter pada dasarnya menciptakan nilai output oleh jendela lingkungan sel 2x3 yang bergerak dan tumpang tindih yang memindai melalui raster masukan. Saat filter melewati setiap sel masukan, nilai sel itu dan 8 tetangganya yang terdekat digunakan untuk menghitung nilai keluaran Ada dua jenis filter yang tersedia pada alat ini: pass rendah dan pass tinggi. Jenis filter Tipe filter LOW menggunakan low pass, atau rata-rata, menyaring raster masukan dan pada dasarnya menghaluskan data. 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. Topik-topik terkait