ポイントの場所と関連するポイント値に基づいた地理データのクラスタリング

経度、緯度、およびこのポイントの3番目のプロパティ値を持つデータポイントを指定します。プロパティ値に基づいてポイントをグループ（地理的サブリージョン）にクラスター化するにはどうすればよいですか？私はグーグルで検索し、この問題は「空間的制約付きクラスタリング」または「地域化」と呼ばれているようだと考えました。しかし、私は地理データの処理に精通しておらず、どの種類のアルゴリズムが適しているか、このタスクにどのpython / Rパッケージが適しているかについてはわかりません。

私が欲しいものについてより直感的なアイデアを与えるために、私のデータ散布図は次のようだとしましょう：

したがって、各ドットは点、xは経度、yは緯度、カラーマップは値が大きいか小さいかを示します。値の位置と類似性に基づいて、これらのポイントをサブリージョン/グループ/クラスターに分割したいと思います。次のように（直感的なアイデアを示すためだけではありません）。

どうすればこれを達成できますか？

riojaパッケージは、制約付き階層クラスタリングの機能を提供します。「空間的に制約されている」と考えているものについては、距離に基づいてカットを指定しますが、「地域化」については、k個の最近傍を使用できます。データを距離ベースの座標系に投影することを強くお勧めします。

require(sp)
require(rioja)

data(meuse)
  coordinates(meuse) <- ~x+y
  cdat <- data.frame(x=coordinates(meuse)[,1],y=coordinates(meuse)[,2])
  rownames(cdat) <- rownames(meuse@data)

# Constrained hierarchical clustering 
chc <- chclust(dist(cdat), method="conslink")

# Using kNN with 3 neighbors
chc.n3 <- cutree(chc, k=3) 

# Using distance 
chc.d200 <- cutree(chc, h=200) 

meuse@data <- data.frame(meuse@data, KNN=as.factor(chc.n3), DClust=chc.d200)

opar <- par
  par(mfcol=c(1,2))  
   cols <- topo.colors(length(unique(meuse@data$KNN)))  
    color <- rep("xx", nrow(meuse@data))
      for(i in 1:length(unique(meuse@data$KNN))) {
        v <- unique(meuse@data$KNN)[i] 
          color[(meuse@data$KNN == v)] <- cols[i]
        }
    plot(meuse, col=color, pch=19, main="kNN Clustering")
      box()

    cols <- topo.colors(length(unique(meuse@data$DClust)))  
    color <- rep("xx", nrow(meuse@data))
      for(i in 1:length(unique(meuse@data$DClust))) {
        v <- unique(meuse@data$DClust)[i] 
          color[(meuse@data$DClust == v)] <- cols[i]
        }
    plot(meuse, col=color, pch=19, main="Distance Clustering")
      box() 
par <- opar