空间数据分析与R语言实践2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

空间数据分析与R语言实践PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一部分R的空间数据处理1

第1章 空间数据介绍1

1.1空间数据分析1

1.2为什么要用R2

1.2.1概述2

1.2.2为什么使用R进行空间数据分析3

1.3 R和GIS5

1.3.1什么是GIS5

1.3.2面向服务的架构5

1.3.3进一步了解GIS5

1.4空间数据的类型6

1.5存储和显示10

1.6空间数据分析应用11

1.7 R空间资源13

1.7.1在线资源13

1.7.2本书的结构14

第2章R的空间数据类17

2.1概述17

2.2 R中的类和方法18

2.3 Spatial对象22

2.4 SpatialPoints类24

2.4.1方法25

2.4.2空间点数据的数据框27

2.5 SpatialLines类31

2.6 SpatialPolygons类35

2.6.1 SpatialPolygons DataFrame对象37

2.6.2孔和环方向39

2.7 SpatialGrid和SpatialPixel对象40

第3章 空间数据可视化47

3.1传统绘图系统47

3.1.1绘制点、线、多边形和网格47

3.1.2坐标轴和布局元素50

3.1.3坐标轴标签和参考网格中的度53

3.1.4绘图尺寸、绘图区域、地图比例以及多图绘制54

3.1.5绘图属性和地图图例56

3.2使用spplot的Trellis/Lattice绘制57

3.2.1一个直观的Trellis示例58

3.2.2绘制点、线、面和网格59

3.2.3对图添加参考物和布局元素61

3.2.4安排面板布局63

3.3绘图交互63

3.3.1基本图形的交互63

3.3.2 sp plot和lattice的绘图交互65

3.4彩色调色板和类区间66

3.4.1彩色调色板66

3.4.2类区间66

第4章 空间数据导入／导出70

4.1坐标参考系71

4.1.1使用EPSG清单72

4.1.2 PROJ.4 CRS规范72

4.1.3投影和坐标转换73

4.1.4度、分和秒75

4.2矢量文件格式76

4.2.1使用rgdal包中的OGR驱动程序77

4.2.2其他的导入／导出函数81

4.3栅格文件格式81

4.3.1使用rgdal包中的GDAL驱动81

4.3.2编写一个Google Earth影像覆盖84

4.4 GRASS86

百老街霍乱数据91

4.5其他的导入／导出接口94

4.5.1分析和可视化应用94

4.5.2 Terra Lib和aRT95

4.5.3其他GIS和Web地图系统96

4.6安装rgdal包97

第5章 空间数据处理高级方法99

5.1支撑99

5.2叠置102

5.3空间取样104

5.4拓扑检查106

5.4.1多边形合并108

5.4.2孔状态检查109

5.5组合空间数据110

5.5.1组合位置数据110

5.5.2组合属性数据110

5.6辅助函数112

第6章 定制空间数据类和方法117

6.1使用类和方法编程117

6.1.1 S3型类和方法118

6.1.2 S4型类和方法119

6.2程序包trip中的动物足迹数据120

6.2.1通用函数和构造函数121

6.2.2 trip对象的方法122

6.3多点数据：空间多重点123

6.4六边形网格125

6.5时-空网格128

6.6蒙特卡洛模拟的空间分析132

6.7大型网格的处理134

第二部分 空间数据分析136

第7章 空间点模式分析136

7.1概述136

7.2空间点模式分析包137

7.3点模式的初步分析140

7.3.1完全空间随机模式140

7.3.2 G函数：最近邻事件距离141

7.3.3 F函数：一个点到其最邻近事件的距离143

7.4空间点过程的统计分析144

7.4.1同质泊松过程145

7.4.2非同质泊松过程145

7.4.3强度的估计145

7.4.4非同质泊松过程的似然149

7.4.5二阶特性151

7.4.6非同质的K函数152

7.5在空间流行病中的一些应用153

7.5.1病例控制研究153

7.5.2二元回归估计158

7.5.3使用广义加模型的二元回归159

7.5.4点源污染161

7.5.5空间聚集的评估163

7.5.6混杂变量和协变量的解释165

7.6点模式分析更进一步的方法168

第8章 插值与地统计170

8.1概述170

8.2探索性数据分析171

8.3非地统计学插值方法172

8.3.1反距离加权插值172

8.3.2线性回归173

8.4空间相关性估计：变异函数174

8.4.1探索性变异函数分析175

8.4.2截距、间隔宽度、方向依赖性178

8.4.3变异函数模型179

8.4.4各向异性183

8.4.5多变量变异函数模型184

8.4.6残差变异函数模型186

8.5空间预测187

8.5.1泛克里金、普通克里金和简单克里金法188

8.5.2多变量预测：协同克里金法189

8.5.3同位协同克里金法190

8.5.4协同克里金法对比191

8.5.5局部邻域的克里金法191

8.5.6块克里金法192

8.5.7区域划分193

8.5.8趋势函数和它们的系数194

8.5.9应变量的非线性变换195

8.5.10奇异矩阵错误197

8.6模型诊断198

8.6.1交叉验证残差199

8.6.2交叉验证的z-score201

8.6.3多变量交叉验证201

8.6.4交叉验证的局限性202

8.7地统计模拟203

8.7.1序贯模拟203

8.7.2非线性空间聚集和块均值205

8.7.3多变量和指示模拟206

8.8基于模型的地统计和贝叶斯方法207

8.9监测网络优化207

8.10其他用于插值和地统计的R语言包209

8.10.1非地统计插值209

8.10.2 spatial包209

8.10.3 RandomFields包209

8.10.4 geoR包和geoRglm包211

8.10.5 fields包211

第9章 面数据和空间自相关212

9.1概述212

9.2空间邻域214

9.2.1邻居对象215

9.2.2创建近邻域217

9.2.3创建基于图的近邻219

9.2.4基于距离的近邻220

9.2.5高阶近邻223

9.2.6网格近邻224

9.3空间权重225

9.3.1空间权重模式225

9.3.2一般空间权重227

9.3.3空间近邻与权重的导入、导出和转化229

9.3.4使用权重模拟空间自相关230

9.3.5操作空间权重231

9.4空间自相关检验232

9.4.1全局检验234

9.4.2局部检验240

第10章 面数据建模246

10.1概述246

10.2空间统计方法246

10.2.1同步自回归（SAR）模型249

10.2.2条件自回归（CAR）模型253

10.2.3拟合空间回归模型255

10.3混合效应模型257

10.4空间计量经济学方法259

10.5其他方法265

10.5.1 GAM、 GEE、GLMM265

10.5.2 Moran特征269

10.5.3地理加权回归272

第11章 疾病制图276

11.1简介277

11.2统计模型278

11.2.1 Poisson-Gamma模型280

11.2.2 Log-Normal模型282

11.2.3 Marshall全局EB估计器283

11.3空间结构统计模型285

11.4贝叶斯层次模型286

11.4.1再探Poisson-Gamma模型287

11.4.2空间模型291

11.5疾病聚集探测298

11.5.1相对风险的同质性检验299

11.5.2空间自相关的Moran’s I检验301

11.5.3一般聚集的Tango’s检验301

11.5.4聚集位置探测302

11.5.5地理分析机303

11.5.6 Kulldorfft统计304

11.5.7局部聚集的Stone的测试305

11.6疾病制图的其他主题306

结语307

参考文献311