最も便利な空間Rトリックは何ですか？

Rは、空間データを処理および分析するための非常に強力なツールになりつつあります。私はSOでこれらのような 質問を通していくつかの有用なことを学び、類似しているがより「空間的に」指向の何かを持つことが有用であるかもしれないと思いました。

便利だと感じた空間Rのヒントとコツを共有できますか？

これはspplot()巧妙な組み込み機能なので、それほどトリックではありません。 spplot()（分類ブレーク範囲に一致する）凡例スウォッチをスケーリングする機能は、属性データの分布と分類タイプを議論する際に有用な教育ツールとして機能します。累積分布プロットをマップと組み合わせると、この作業に役立ちます。

学生は、いくつかのスクリプトパラメータを変更するだけで、分類タイプとデータ変換効果を調べることができます。これは通常、ほとんどがArcGIS中心のコースであるRへの最初の進出です。

コードスニペットは次のとおりです。

library(rgdal) # Loads SP package by default
NE = readOGR(".", "NewEngland") # Creates a SpatialPolygonsDataFrame class (sp)

library(classInt)
library(RColorBrewer)
pal = brewer.pal(7,"Greens")
brks.qt = classIntervals(NE$Frac_Bach, n = 7, style = "quantile")
brks.jk = classIntervals(NE$Frac_Bach, n = 7, style = "jenks")
brks.eq = classIntervals(NE$Frac_Bach, n = 7, style = "equal")

# Example of one of the map plots
spplot(NE, "Frac_Bach",at=brks.eq$brks,col.regions=pal, col="transparent",
       main = list(label="Equal breaks"))
# Example of one of the cumulative dist plots
plot(brks.eq,pal=pal,main="Equal Breaks")

参照：Rを使用した空間データ分析の適用（R. Bivand、E Pebesma＆V. Gomez-Rubio）

編集：Googleマップソースの新しい要件のため、これは2018-10-24では機能しなくなります。

ジオコーディングとGoogleマップのダウンロードを備えたdismoパッケージを見つけることができて、とてもうれしかったです。

library(dismo)
x <- geocode('110 George Street, Bathurst, NSW, Australia')
a <- x[5:8] + c(-0.001, 0.001, -0.001, 0.001)
e <- extent(as.numeric(a))
g <- gmap(e, type = "satellite")

plot(g)

これはWindowsのR 2.12.0にあり、dismoとその依存関係を他のシステムにインストールするのは簡単ではありません。

ここに私が集めたものがあります。

cran.r spatial、 gmaneブログ、 時系列分析、 geodatacenter

また、トリックではありませんが、ここに私が収集したいくつかのリソース/例があります

ラティスパッケージを使用して、Rの面積データの小さな複数のマップをプロットする例。

StackOverflowには、マッピングとRについて尋ねる質問がいくつかありますが、ここに良い例があります。SOでの他の回答とそれらが提供するリソースを調べます（さらにいくつかの例を検索します）。

同じr-sig-geoグループへの別のリンクがBradから既に与えられています。非常に活発で、ロジャー・ビヴァンドはグループに関する毎日の質問に事実上答えています。両方ともプログラミングと統計分析に関連しています。

cran空間ページをチェックアウトする以外に、Adrian Baddeleyが管理するSpatstatページを具体的にチェックすることもお勧めします。豊富な例、コース、今後の電子書籍。（現時点では、spatstat コースを受講しており、Bivandの本よりもはるかに穏やかな入門だと思います）。

無料のリソースではありませんが、RIに興味がある人はUse R！スプリンガーによるシリーズ。著書ているRと応用空間データ分析に直接関係する（また、本RのA初心者のためのガイドは、私の提案学習R帳です。）

無料の電子書籍「Practical Guide to Geostatistical Mapping（Hengl 2009）」には、R、GRASS、およびGoogle Earth（KML）で適用されたジオスタットの例があります。

良い例が見つかったら、更新し続けます（他の人も良い例を投稿してください！）

ラスター解析の場合、ラスターパッケージは非常に強力です。標準マニュアルの横に、始めるためのいくつかのビネットがあります。

私はPostGISユーザーではありませんが、最近傍の質問にボロノイポリゴンを提案した後、少し検索しました。Rを使用すると、PostGISのボロノイポリゴンを作成できることがわかりました。私が感銘を受けた。

Spatial-Analyst.netを見つけました。非常に有益で、包括的で、便利です。この質問の詳細と以前の回答の一部については、このページをご覧ください。

GRASSで高品質の統計分析を楽しむ方法はこちらもご覧ください：http : //grass.osgeo.org/wiki/R_statistics

この機能を使用すると、すべての領域がポリゴンで埋められている場合にのみ、空間結合を簡単に作成できます。

library(rgeos)
library(sp) 
library(maptools)
library(rgdal)
library(sp)
xy.map <- readShapeSpatial("http://www.udec.cl/~jbustosm/points.shp")
manzana.map <- readShapeSpatial("http://www.udec.cl/~jbustosm/manzanas_from.shp" )

IntersectPtWithPoly <- function(x, y) { 
# Extracts values from a SpatialPolygonDataFrame with SpatialPointsDataFrame, and appends table (similar to 
# ArcGIS intersect)
# Args: 
#   x: SpatialPoints*Frame
#   y: SpatialPolygonsDataFrame
# Returns:
# SpatialPointsDataFrame with appended table of polygon attributes

  # Set up overlay with new column of join IDs in x
  z <- overlay(y, x)

  # Bind captured data to points dataframe
  x2 <- cbind(x, z)

  # Make it back into a SpatialPointsDataFrame 
  # Account for different coordinate variable names 
  if(("coords.x1" %in% colnames(x2)) & ("coords.x2" %in% colnames(x2))) {
    coordinates(x2) <- ~coords.x1 + coords.x2  
  } else if(("x" %in% colnames(x2)) & ("x" %in% colnames(x2))) {
    coordinates(x2) <- ~x + y 
  }

  # Reassign its projection if it has one
  if(is.na(CRSargs(x@proj4string)) == "FALSE") {
    x2@proj4string <- x@proj4string  
  }
  return(x2)
}


test<-IntersectPtWithPoly (xy.map,manzana.map)

ポイントパターン分析の例：

#Load library
library(spatstat) 
#create some coordinates        
x=c(78,120,150,17,20,402) 
#prepare the window range      
y=c(70,103,100,205,200,301)
win=owin(range(x),range(y)) 
#create the point pattern
p <- ppp(x,y,window=win)
#Plot it
plot(p) 

ポイントパターンを作成し、描写します。spatstatパッケージは、地理的データを分析するための多くの機能を持っています。以下は、spatstatのチュートリアルです。

• Spatstat：空間ポイントパターンを分析するためのRパッケージ
• spatstatの概要
• spatstatパッケージのシェープファイルの処理

これが「トリック」に該当するかどうかはわかりませんが、私はacsパッケージ（米国国勢調査データの選択用）とleafletパッケージ（オンラインでホストできるインタラクティブなJavaScriptマップの作成用）の組み合わせの大ファンです。

このチュートリアルは、これら2つのパッケージを一緒に使用する利点を示す優れた仕事をします。