GIS-LAB

Географические информационные системы и дистанционное зондирование

Возможности работы с пространственными данными статистического пакета R

Обсудить в форуме Комментариев — 8Редактировать в вики

Эта страница опубликована в основном списке статей сайта
по адресу http://gis-lab.info/qa/rspatial.html


Краткая описание возможностей R по работе с пространственными данными

R - бесплатный, свободно распространяемый и очень активно развивающийся статистический пакет. Благодаря своей гибкости, настраиваемости и открытом коду пакет практически признан стандартом де-факто и используется в огромном количестве проектов, учебных учреждений, компаний. Параллельно основному пакету, энтузиастами разрабатываются сотни дополнительных модулей для каждого направления статистики.

До недавнего времени главной проблемой было наведение "моста" между самими пространственными данными и той массой аналитических возможностей, предоставляемой R. Новые пакеты осуществляющие импорт/экспорт данных максимально облегчили этот переход.

Будучи изначально статистическим пакетом, R предоставляет неизмеримо большие возможности по моделированию и статанализу любых, а в наших случаях и пространственных данных, что делает его интересным инструментом для изучения. Однако, как обычно, необходимо подчеркнуть, что главной фигурой в процессе анализа все же является аналитик, и то насколько он понимает задачу и алгоритм решения как правило будет определять результат.

Задача этой заметки указать и дать некоторое описание функциональности R по работе с пространственными данными. При этом очень сложно избежать дублирования и некоторой избыточности, как сложно их избежать при любой попытке классифицировать средства анализа, управления и создания пространственными данными, особенно одновременно со статистическими алгоритмами, поэтому эта заметка, в угоду упоминанию большего количества модулей к R ставит полноту их описания. Мы оставляем за Читателем необходимость выяснения деталей (как касающихся пространственных технологий, так и статистических методов), но будем стараться создавать более подробные описания по конкретным модулям по мере появления в них необходимости у авторов.

Мы не ставим перед собой невозможную задачу упоминания всех возможных статистических операций с пространственными данными, начиная с гистограмм и заканчивая классификациями типа ISODATA, все это также реализовано в пакете R на базовом уровне и не требует установки дополнительных пакетов. Таким образом главным вопросом на который пытается ответить эта статья является: "Можно ли работать с пространственными данными в R и что с ними можно там делать?". Ответить на которые которко можно: "ДА" и "ПОЧТИ ВСЕ".

Необходимым напомнить, что использование любого из упомянутых ниже пакетов требует базовых статистических/специальных знаний, а также знакомства с тем как работает R, только в этом случае использование этих пакетов может быть максимально эффективно.


  • Классы пространственных данных: Так как многие модули сталкиваются с задачей импорта и использования пространственных данных была принята попытка создать библиотеку общих классов и функций построения графиков для таких данных. Задачу унификации пространственных данных, их графического отображения и базовых пространственных операций решает пакет sp. Многие другие пакеты работающие с пространственными данными (такие как rgdal и maptools) используют эту библиотеку классов.
  • Импорт и экспорт пространственных данных: В R можно работать как с векторными так и растровыми данными. Существуют пакеты, позволяющие осуществлять работу напрямую с наборами данных, без конвертации, например rgdal - пакет расширяющий возможности R функциями работы с растровыми данными из пакета GDAL - и векторными из пакета OGR. Этот пакет так же предоставляет поддержку проекционных преобразований векторных данных на базе PROJ.4. Доступ к другим типам векторных данных:
    • maps (mapdata и mapproj) - доступ к пространственным базам данных типа S,
    • RArcInfo - чтение бинарных и *.e00 файлов созданных Arcinfo
    • maptools и shapefiles - чтение и запись шейп-файлов.
    • maptools - дополнительные функции для чтения и записи полигональных файлов в форматах WinBUGS, Mondrian, Stata (команда tmap).
    • spgrass6 и rgrass7 - доступ к данным GRASS 6.4.* и GRASS 7.* соответственно.
  • Визуализация: удобные цветовые шкалы могут создаваться с помощью пакета RColorBrewer, эти шкалы могут изменяться и расширяться с помощью базовой функции R - colorRampPalette. Пакет classInt предоставляет функции помогающие выбрать границы классов для тематических карт.
  • Анализ точечных распределений: основные функции анализа точечных распределений находятся в пакете spatial являющемся частью основного пакета R. В дополнение к этому, пакет spatstat позволяет задавать зону интереса любой конфигурации и makes extensions to marked processes and spatial covariates. Этот пакет отличается хорошими возможностями model-fitting и симуляций, подробно его возможности освещаются на странице проекта и книге авторов. Это единственный пакет который позволяет пользователю to fit inhomogeneous point process models with interpoint interactions. The splancs package also allows point data to be analysed within a polygonal region of interest, and covers many methods, including 2D kernel densities. The functions for binning points on grids in ash may also be of interest.
  • Геостатистика: Пакет gstat предоставляет широкие возможности однофакторной и многофакторной геостатистики, в том числе для больших наборов данных. Пакеты geoR и geoRglm содержат фукнции геостатистики основанные на моделировании. Подобный широкий набор функций также может быть найден в пакете fields.

Помимо этого, полезными могут оказаться следующие пакеты:

    • RandomFields симуляция и анализ случайных полей
    • vardiag - диагностика вариограмм
    • sgeostat - геостатистика
    • tripack - триангуляция
    • akima - сплайн интерполяция
    • spatialCovariance - вычисление пространственных матриц ковариации
  • Анализ площадных данных: Пакет spdep предоставляет базовые функции для построения списков соседства и пространственных весов, тесты на пространственную автокорреляцию полигональных данных, такие как Moran's I, и функции нахождения пространственных регрессионных моделей таких как SAR и CAR, подразумевающих, что пространственная зависимости может быть описана известными весовыми коэффициентами. Пакет spgwr содержит реализацию метода пространственно взвешенной регрессии для исследования возможной non-stationarity.
  • Специализированные задачи:
    • spsurvey - построения выборок.
    • trip - доступ и управления данными телеметрии животнных
    • DCluster пакет для идентификации пространственной кластеризации заболеваний
  • Экологические исследования (более подробное описание методов - Environmetrics Task View)
    • grasper - environmental prediction using GAM
    • ade4 - исследовательский анализ данных и Эвклидовы методы в науках об окружающей среде
    • adehabitat - анализ выбора местообитаний животными
    • pastecs - управление, разложение и анализ пространственно-временных серий
    • vegan - методы ординации

Главным недостатком работы с пространственными данными в R, на текущий момент, является ограничение на работу с большими наборами данных.

Если у вас есть свои интересные примеры использования R в анализе пространственных данных, пожалуйста, пишите, мы с удовольствием их опубликуем у нас на сайте.

В статье использованы материалы CRAN Task View: Analysis of Spatial Data

Ссылки по теме[править]

Обсудить в форуме Комментариев — 8Редактировать в вики

Последнее обновление: 2015-10-10 10:46

Дата создания: 19.06.2007
Автор(ы): Максим Дубинин