我对使用GIS数据非常陌生，并且对R的使用不多。我一直在阅读有关如何使用space-analyst.net PDF书籍分析空间数据的知识，所以我并没有完全迷失，但我想我可以描述一下我的问题，人们可能会提出想法。
我有一个数据集，该数据集在不同的纬度/经度坐标下有约2000个测量值，尽管我可能会细分该数据集，因为数据是在3年内收集的，而且条件随时间而变化。我们将被测量的变量称为“ IP”。
我想在样本数据上使用Kriging或其他插值方法在整个问题区域创建IP映射。然后，我想创建一个直方图来测量各种IP桶中的土地数量。我还需要创建一个直方图，以显示每个存储桶中的样本数量（请注意，样本的实际IP可能比克里金预测的土地高或低）。
我遵循如何将数据加载到SpatialPointsDataFrame并运行kriging分析的方法，我遇到的麻烦是如何将数据转换为网格数据框，以便进行直方图分析。
有任何将点转换为网格的建议吗？
Answers:
您是对的……这很容易！“栅格”包具有一些处理创建和处理栅格的非常简单的方法。
library(maptools)
library(raster)
# Load your point shapefile (with IP values in an IP field):
pts <- readShapePoints("pts.shp")
# Create a raster, give it the same extent as the points
# and define rows and columns:
rast <- raster()
extent(rast) <- extent(pts) # this might be unnecessary
ncol(rast) <- 20 # this is one way of assigning cell size / resolution
nrow(rast) <- 20
# And then ... rasterize it! This creates a grid version
# of your points using the cells of rast, values from the IP field:
rast2 <- rasterize(pts, rast, pts$IP, fun=mean)
您可以通过多种方式分配栅格大小和分辨率-仔细查看栅格数据包文档。
在上面的示例中，可以使用函数“均值”来计算来自栅格化的栅格像元的值。请确保将其放入：否则，它将仅使用从出现的最后一点起的IP值！
从CSV：
pts <- read.csv("IP.csv")
coordinates(pts) <- ~lon+lat
rast <- raster(ncol = 10, nrow = 10)
extent(rast) <- extent(pts)
rasterize(pts, rast, pts$IP, fun = mean)
pts我上面的示例中的内容。只需在SpatialPointsDataFrame对象上运行代码即可！
r）的值以用于类似hist过程，这只是一个类似的表达式hist(getValues(r))。
plotKML软件包具有一个称为的函数vect2rast。此功能基本上扩展rasterize了光栅包中可用的功能。的优势vect2rast; 但是，它是不需要用户方输入的，即它会根据输入数据集的属性自动确定网格单元格大小和边界框。网格单元的大小是根据地图nndist中要素的密度/大小（spatstat包中的功能）估算的。
library(plotKML)
Rast2 <- vect2rast(pts)
# for large data sets use SAGA GIS:
Rast2 <- vect2rast(pts, method = "SAGA")