タグ付けされた質問 「r」

私は、空間統計問題に対する別のより洗練された解決策を探しています。生データは、個々のツリーのxy座標で構成されます（つまり、ポイント.shpファイルに変換されます）。この例では使用されていませんが、すべてのツリーには、クラウンの直径を表す対応するポリゴン（.shpなど）もあります。左側の2つの画像は、個々のツリー位置のポイント.shpファイルから導出されたランドスケープスケールカーネル密度推定値（KDE）を示しています。1つは1989年、もう1つは2009年です。右側の図は、2つのKDE平均値の+/- 2標準偏差の値のみが表示されます。Arcのラスター計算機を使用して、右手画像にラスターオーバーレイを作成するために必要な簡単な計算（2009 KDE-1989 KDE）を実行しました。 樹木密度または樹冠面積の経時的な変化を統計的またはグラフィカルに分析するより適切な方法はありますか？これらのデータを考慮して、地理空間環境で1989年と2009年のツリーデータ間の変化をどのように評価しますか？ArcGIS、Python、R、Erdas、ENVIのソリューションが推奨されます。

15 arcgis-desktop  python  r  remote-sensing  spatial-statistics 

多数のタイルを持つシェープファイルを多数の小さなタイルに分割したい。手動での編集は問題外なので、スマートなソリューションを探しています 誰でも素敵な機能を助けたり、知ったりできますか？

15 qgis  vector  r  editing  saga 

R内でシェープファイルをラスターに変換しようとしています。私のアプローチは、ラスターを次のように読み込むことです。 library(rgdal) # Loads SP package by default demo <- readOGR('F:/data/', 'shapefile') # Creates a SpatialPolygonsDataFrame class (sp) これはうまく機能し、プロットできます。しかし、それは大きなシェープファイルであり、ラスターに変換したいです。私は次を試しました： r <- raster(ncol=180, nrow=180) Demo_ras = rasterize(r, demo, 'pop') # pop is an integer here エラーメッセージ： Error in function (classes, fdef, mtable) : unable to find an inherited method for function …

15 raster  shapefile  r 

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？

15 python  r  clustering  grouping 

sfギャップやスライバーを導入せずにポリゴンを単純化するにはどうすればよいですか？ たとえば、シェープファイルでは、次を使用しますrmapshaper::ms_simplify()。 library("pryr") library("rgdal") library("rmapshaper") download.file("https://borders.ukdataservice.ac.uk/ukborders/easy_download/prebuilt/shape/England_gor_2011.zip", destfile = "regions.zip") unzip("regions.zip") regions <- readOGR(".", "england_gor_2011") object_size(regions) # ~13MB regions <- ms_simplify(regions) object_size(regions) # < 1MB 私はsf::st_cast()、manページから次のように述べました： ジオメトリを別のタイプにキャスト：単純化するか、明示的にキャストします そして： 引数へ：文字; 対象タイプがない場合、簡素化が試行されます。xがsfgタイプ（つまり、単一のジオメトリ）の場合、指定する必要があります。 私がto行方不明になったとき、これは期待通りに機能しませんでした（それが本当であるには余りにも良いことを知っていました！）： library("sf") regions <- sf::read_sf("england_gor_2011.shp") object_size(regions) # ~13MB regions <- sf::st_cast(regions) object_size(regions) # Still 13MB 現在、でファイルを開きrgdal::readOGR()、簡略化して保存し、で再度読み込みsfます。 もっと良い方法はありますか？ rgeos::gSimplify() @skの提案はrgeos::gSimplify()、次の引数で指定された場合、トポロジを考慮した単純化（つまり、スライバを作成せずに単純化）を実行できます。 library("rgeos") regions_gSimplify …

14 r  simplify  sf 

RのHistDataパッケージ（https://r-forge.r-project.org/R/?group_id=574）には、1854年のロンドンでのコレラの発生に関するJohn Snowのマップに関連するデータセットがあります。ウォルター・トブラーの監督の下で慎重にデジタル化された権威です。これらのデータセットの詳細については、John Mackenzieがhttp://www1.udel.edu/johnmack/frec480/cholera/cholera2.htmlで説明しています。 残念ながら、死亡、ポンプ、および道路の座標は、他のGISアプリケーションまたはRのマッピングソフトウェア（空間パッケージ、ggmapなど）に適したマップ座標ではなく、任意の座標系を使用します でhttp://freakonometrics.hypotheses.org/19213アーサー・シャルパンティエはからスノーデータのバージョンでggmapを使用しています http://www.rtwilson.com/downloads/SnowGIS_v2.zip。Cholera_Deaths.shpただし、このファイルには、私が記録した578人ではなく、489人の死亡のみがリストされていHistData::Snow.deathsます。 1つのアイデアは、平均と（x、y）座標の標準偏差との関係を見つけて線形に再スケーリングすることですが、おそらくもっと良い方法がありますか？ ここに私が今まで試したものがあります > data(Snow.deaths, package="HistData") > D <- Snow.deaths[,2:3] > colMeans(D) x y 13.03312 11.69721 > var(D) x y x 3.8150987 0.3802654 y 0.3802654 2.7213828 Cholera_deathsファイルを読む > folder <- "C:/Dropbox/R/data/Snow/SnowGIS_v2/SnowGIS" > library(maptools) > deaths <- readShapePoints(file.path(folder, "Cholera_Deaths")) > head(deaths@coords) coords.x1 coords.x2 0 529308.7 181031.4 …

14 r  coordinate-system  scale 

私は地理データの絶対的な初心者なので、質問が適切でない場合はご容赦ください。 NCDC NARRからデータをダウンロードし、rasterパッケージを使用してRにロードすることに成功しました。緯度、経度、値のリストを取得したいのですが。私はそれrasterToPoints()が私が望むことを正確に行うべきであることを理解していますが、私の緯度と経度の値は奇妙に見えます： r <- raster(myfile) data_matrix <- rasterToPoints(r) head(data_matrix) x y value [1,] -5405401 4347242 70 [2,] -5372938 4347242 88 [3,] -5340475 4347242 76 [4,] -5308012 4347242 85 [5,] -5275549 4347242 87 [6,] -5243086 4347242 88 私は、現在Lambert Conformal Conic（LCC）である投影法で何かをすべきだと思います。ラスターに関する詳細情報は次のとおりです。 > r class : RasterLayer dimensions : 277, 349, 96673 …

14 raster  r 

他のオブジェクトの内側にある 部分を保存する通常のクリップとは対照的に、リバースクリップは、別のオブジェクトの境界の外側にある空間オブジェクトの部分のみを保存します。 ArcMapで逆クリップを実行していますか？ArcMapでそれを行う方法を示します。 Rでこれを行うにはどうすればよいですか？ 再現可能な例（Linuxマシンの場合）： system("wget 'https://github.com/Robinlovelace/Creating-maps-in-R/archive/master.zip' -P /tmp/") unzip("/tmp/master.zip", exdir = "/tmp/master") uk <- readOGR("/tmp/master/Creating-maps-in-R-master/data/", "ukbord") lnd <- readOGR("/tmp/master/Creating-maps-in-R-master/data/", "LondonBoroughs") plot(uk) plot(lnd, add = T, col = "black") ここでやりたいことは、ロンドンを除くすべての英国を救うことです。視覚的には、結果の画像の黒い形状が穴になるようにします。

14 r  clip  erase 

道路ネットワークを表すラインシェープファイルがあります。このデータをラスター化して、ラスターの結果値がラスターセル内に収まるラインの全長を表示するようにします。 データはBritish National Gridプロジェクションにあるため、単位はメートルになります。 理想的には、を使用してこの操作を実行したいと思いますが、パッケージRのrasterize機能がrasterこれを達成するのに役立つと推測していますが、適用される機能がどうあるべきかわかりません。

14 raster  r  line  rasterization 

QGISのドキュメントの多くがGUIの使用に向けられていることがわかりました。 QGISでRスクリプトを実行できるようにしたいのですが、QGISとRのデータ構造との関係や、2つの構造を渡す方法の基礎となるリソースを見つけるのに苦労しています。関連する質問（QGIS 2.0でカスタムRスクリプトを作成して実行することは可能ですか？）は、このページhttp://www.qgis.org/en/docs/user_manual/processing/3rdParty.htmlを参照しましたが、私が探しているものよりもQGISの専門家の方向の多くのものか​​ら来ているドキュメントを見つけています。 助言がありますか？

14 qgis  r  references 

ポリゴンのシェープファイルと、（Lat、Lng）ペアとしてのポイントのリストを含む別のCSVファイルがあります。 CSVファイルの各（lat、lng）ペアをチェックして、どのポリゴンに含まれるかを確認します。 シェープファイルが投影され、projファイルは次のようになります。 PROJCS["Transverse_Mercator",GEOGCS["GCS_OSGB 1936", DATUM["D_OSGB_1936",SPHEROID["Airy_1830",6377563.396,299.3249646]],PRIMEM["Greenwich",0],UNIT["Degree",0.017453292519943295]],PROJECTION["Transverse_Mercator"],PARAMETER["latitude_of_origin",49],PARAMETER["central_meridian",-2],PARAMETER["scale_factor",0.9996012717],PARAMETER["false_easting",400000],PARAMETER["false_northing",-100000],UNIT["Meter",1]] 私の計画は次のとおりです。 readShapePolyR MapToolsパッケージの関数を使用してシェープファイルを読み取ります。 CSVファイルからポイント座標をデータフレームに読み取り、SpatialPointsDataFrameに変換します over関数を使用して、内部にあるポリゴンを判別します。 そのためにはproj4string、ステップ1でシェープファイルをロードするときに指定し、ステップ3で関数をspTransform適用する前にover、ポイントとポリゴンが必要であるため、関数を使用してCSVファイルから座標を同じ投影システムに変換する必要があります同じ投影システムの下にある。 上に示したprojファイルの内容の正しい値は何でしょうか？

14 coordinate-system  shapefile  r  proj 

地理座標系にポイントがあり、それらをスイスグリッド（CH1903 +）に変換したかった。 サンプルデータ： id lon lat 2 7.173500 45.86880 3 7.172540 45.86887 4 7.171636 45.86924 5 7.180180 45.87158 6 7.178070 45.87014 7 7.177229 45.86923 8 7.175240 45.86808 9 7.181409 45.87177 10 7.179299 45.87020 尊敬される結果： id E N 2 2579408.2431 1079721.1499 3 2579333.7158 1079729.1852 4 2579263.6502 1079770.1125 5 2579928.0358 1080028.4605 6 …

14 convert  coordinate-system  r 

添付のデータセットは、約50の可変サイズの森林ギャップに約6000の苗木を示しています。これらの苗木がそれぞれのギャップ内でどのように成長しているのか（クラスター化、ランダム、分散）を知りたいと思います。ご存知のように、従来のアプローチはGlobal Moran's Iを実行することです。ただし、ギャップの集合内のツリーの集合は、Moran's Iの不適切な使用のようです。これは無意味な結果をもたらしました（つまり、p値= 0.0000000 ...）。ギャップ集約間の相互作用により、これらの結果が生成される可能性があります。個々のキャノピーのギャップをループし、各ギャップ内のクラスタリングを決定するスクリプトを作成することを検討しましたが、これらの結果を一般に表示することには問題があります。 クラスター内のクラスタリングを定量化するための最良のアプローチは何ですか？

14 r  spatial-statistics  clustering 

私はGISデータの使用に非常に慣れており、Rをあまり経験していません。spatial-analyst.netPDFブックを使用して空間データを分析する方法について読んでいるので、完全に失われたわけではありませんが、私の問題と人々はアイデアを提案するかもしれません。 さまざまな緯度/経度座標で約2000の測定値を含むデータセットがありますが、データが3年間にわたって収集され、条件が時間とともに変化したため、おそらくこのデータセットを細分化します。測定対象の変数を「IP」と呼びましょう。 サンプルデータに対してKrigingまたは他の補間方法を使用して、問題のある領域全体にIPのマップを作成したい。次に、さまざまなIPバケットの土地の量を測定するヒストグラムを作成します。また、各バケット内のサンプル数を示すヒストグラムを作成する必要があります（サンプルは、クリギングがその土地に対して予測するものよりも実際のIPが大きい場合も小さい場合もあります）。 データをSpatialPointsDataFrameに読み込み、クリギング分析を実行する方法に従いますが、その問題を抱えているのは、ヒストグラム分析を行うためにそのデータをグリッドデータフレームに変換する方法です。 ポイントをグリッドに変換するための提案はありますか？

14 raster  r  kriging 

私は最近、カートグラムについていくつかのバックグラウンドリーディングを行ってきましたが、興味深い代替案- アルファによる値 マップにつまずきました。 概念はここでより詳細に説明されており、完全な論文が利用可能です[公然とではなく] [ここ] 2。 indiemaps ブログに実装に関する詳細があります： ...上記のすべてのグラフィックは、テキストエディターと最新の無料のFlex SDKを使用して、ActionScript 3で作成されました... GISパッケージ（ArcGIS？QuantumGIS？）で、そのようなものをどのように実装できますか？またはRとggplot2？それともPython？

14 python  cartography  visualisation  r