Questions tagged «r»

统计计算语言和软件环境。

4
R spplot教程
我需要一些教程/书籍/其他培训材料,这些材料涵盖如何正确使用R包中的spplot函数sp。 与其中许多功能一样,它似乎非常强大,但是除非您确切知道要执行的操作,否则文档似乎并没有那么大的帮助。我已经找到了许多示例页面,但它们仍然不清楚。 是否有任何资源可以引导您以良好的逐步方式spplot来制作一些有用的地图(例如,使用栅格数据,点上的多边形叠加,具有不同的色标,图例,向北箭头等) ? 理想情况下,我会喜欢一本UseR!风格的书,该书专注于R中的栅格数据和地图生成,但此类唯一的空间书似乎主要专注于地统计和点数据。 有任何想法吗?
11 cartography  r 

1
在GRASS + R上进行Kriging-无法分配大小为146.5 Mb的向量
我正在尝试使用R上的普通Kriging绘制地下水高程图,但始终会导致内存不足 无法分配大小为146.5 Mb的向量 分配(Windows XP 32位)。我应该增加内存大小以及如何减少网格大小以及如何减少网格大小(R中的新手)? 按照此示例http://casoilresource.lawr.ucdavis.edu/drupal/node/438
11 grass  r  error  kriging 

3
R:下载较大的DEM,更改投影并调整为较小的比例
在GIS软件中,此过程仅需几秒钟。我在R中尝试执行此操作会占用大量内存,然后失败。我的代码中有什么问题吗,还是R不能做的事情?我已经读过R可以在Grass内部使用,我可以从R内部使用Grass函数吗? library(raster) # I have many environmental rasters in this format new_r <- raster(ncol=615, nrow=626, xmn=-156.2, xmx=-154.8, ymn=18.89, ymx=20.30) res(new_r) <- 0.00225 projection(new_r) <- "+proj=longlat +ellps=GRS80 +datum=NAD83 +no_defs +towgs84=0,0,0" R> new_r ### not too big with a few hundred cells per side class : RasterLayer dimensions : 627, 622, 1 …
11 raster  grass  r 

3
使用R计数多边形中的点数
我有两个共享相同CRS的课程(纬度和经度): bolognaQuartieriMap:SpatialPolygonDataFrame包含城市行政区的数据。 crashPoints:SpatialPointsDataFrame包含事故数据。 使用以下命令可以很好地绘制它们: plot(bolognaQuartieriMap) title("Crash per quartiere") plot(crashPoints, col="red",add=TRUE) 我需要的是获取crashPoints构成多边形的每个多边形中的点数bolognaQuartieriMap。建议使用,over()但没有成功。
11 r  sp 

1
在R中使用writeOGR()将多层写入GeoPackage?
我试图在R中的同一GeoPackage中写入多个图层,但出现错误Creation of output file failed。我试图搜索使用RGDAL读写.gpkg文件的文档,例如,弄清楚是否writeOGR()实际上支持多层,但收效甚微。如果可能的话,这怎么可能呢?最小的工作示例: library(sp) library(maptools) library(rgdal) data(wrld_simpl) norway <- wrld_simpl[wrld_simpl$NAME == "Norway", ] sweden <- wrld_simpl[wrld_simpl$NAME == "Sweden", ] file <- tempfile("scandinavia", fileext = c(".gpkg")) writeOGR(norway, dsn = file, layer = "norway", driver = "GPKG") writeOGR(sweden, dsn = file, layer = "sweden", driver = "GPKG") ogrListLayers(file) 显然,有一个可以完成技巧的ogr2ogr shell命令(hat …
11 gdal  r  rgdal  geopackage  sf 

1
在R传单中包含风数据的交互式动态地图?
我有一些这样的数据: longitude latitude speed direction 1 6.10722222 46.23639 4 360 2 6.95416667 43.54694 4 360 3 7.21472222 43.66556 13 330 4 4.01666667 48.32167 7 290 5 2.30833333 43.21611 14 290 6 2.48305556 44.40806 13 320 7 5.21500000 43.43694 19 330 8 4.92361111 43.52278 32 320 9 5.10805556 43.60306 26 330 …

5
在每个像元记录着大海距离的地方创建栅格?
我想创建一个分辨率为25米×25米的栅格,其中每个像元包含到最近的海岸线的距离,该距离是根据像元的中心计算的。为此,我所拥有的只是新西兰海岸线的形状文件。 我已经尝试按照Dominic Roye的教程在R中完成此工作,这有点...。可以将分辨率降低到大约1 km×1 km,但是如果我尝试将RAM调高一点,它的需求将远远超出PC上的可用内存(需要约70 gb的RAM)或其他我也可以访问的内存。这么说,我认为这是R的局限性,我怀疑QGIS可能具有创建此栅格的计算效率更高的方式,但我对此并不陌生,我还不太清楚如何做到这一点。 我已尝试使用QGIS在创建具有一定距离的要素之后进行栅格化?在QGIS中创建它,但返回此错误: _core.QgsProcessingException:无法为INPUT加载源层:C:/..../ Coastline / nz-coastlines-and-islands-polygons-topo-150k.shp未找到 我不知道为什么。 是否有人对可能出什么问题或采取其他替代方法有任何建议? 编辑: 我希望生成的栅格大约有59684行和40827列,以便与LINZ 的年度缺水栅格重叠。如果生成的栅格大于年度缺水栅格,我可以在R中进行剪裁... 我认为可能是一个潜在的问题是,新西兰海岸线的形状文件在各岛之间有大量海洋,因此我对计算这些单元到海岸的距离不感兴趣。我真的只想计算包含某些区域的单元格的值。我不确定如何执行此操作,或者是否确实存在问题。

1
地理配准博物馆描述不佳的标本
我目前正在整理各种自然历史博物馆的数据库中的标本清单,以供进一步研究。但是,与大多数历史数据相关的一个众所周知的问题是缺乏适当的纬度和经度,这会阻止人们使用该数据。 有一些方法可以克服这些数据,例如在一个区域周围绘制缓冲区并提供与该位置相关的不确定性范围。 例如,如果有一些文字描述,例如“ XYZ以西2英里”,则R中来自软件包'spatial'的函数-biogeomancer可自动进行地理配准。请参阅此处的文档。 但是,我主要关心的是对200平方公里的区域使用这种协议。有没有办法可以克服这一问题?我很想使用这个丰富的博物馆数据库,只要我能处理与其位置相关的不确定性。 我的数据集中的一些标本示例如下所示。请注意,其中许多记录都提到了海拔,但是大多数记录都非常模糊。 编辑 在评论部分,你们中的一个提到了这个问题的目的以及我从中可以达到的目的。 1.我对如何一次将不确定的半径从真正宽的多边形区域减小到较小的不确定半径(如果可能)感兴趣。 2.这些信息将帮助我进行未来的空间分析,例如物种分布模型/居住模型。

2
创建受海岸线限制的区域缓冲区
我正在尝试使用ArcGIS 10.2基于预定义区域(例如400平方公里)创建点的缓冲区。除此之外,某些点的缓冲区靠近海岸线,因此需要将缓冲区修剪在海岸线上,并且仍然具有与内陆缓冲区相同的面积(400平方公里)。 有谁知道可以使用“模型开发器”或“ Arcpy”完成此操作吗? 我在Arcpy和R方面的技能有限,但是很乐意进行一些脚本编写以获得解决方案。 请参见下面的图片,其中显示了我要实现的目标的图形表示
10 arcpy  arcgis-10.2  r  buffer 

1
用R消除多边形之间的条缝
有没有一种方法可以消除使用多边形之间的小“条” R?理想的解决方案将创建一个新SpatialPolygonsDataFrame的多边形之间共享边界重合的地方。我对使用R而不是ArcMap或QGIS 的解决方案特别感兴趣。 我也想听听有关为什么首先存在这些差距的解释。 这是我正在处理的空间数据的可重现示例: library(rgdal) library(sp) library(tigris) library(magrittr) library(leaflet) library(gplots) # This project will use WGS 84 projected coordinate system crs_proj <- CRS("+init=epsg:4326") # These are the FIPS codes of the specific block groups in my study area sel <- c("530330079005", "530330079001", "530330079004", "530330085002", "530330085003", "530330086003", "530330087003", "530330085001", "530330090001", …
10 polygon  leaflet  r  tiger  slivers 

1
解释具有高块金效应的半变异函数?
我使用包gstat,variogram()function 在R中制作了半变异函数。我想看看我的模型残差中是否存在空间自相关(使用glmm,在相距几公里至900公里的站点之间,物种的丰富度是栖息地的函数)。 我的单位是千米,所以我的解释是,距离只有100多公里,直到空间自相关不再是“问题”。我想知道是否有人可以解释为什么金块看起来这么高?这是否意味着即使在相似的位置,仍然存在相对较高的差异?或者,这个波浪形的变异函数是否意味着我应该调整滞后次数和滞后距离,直到获得更典型的形状? 为了进一步研究,我还使用了variog()geoR包中的函数,并使用breaks=seq(0,100,10)来尝试查看更近的距离(使用相同的点和相同的模型残差)。这表明最接近的点有更多不同,这也没有意义。也许这表明不存在空间自相关,并且我的模型已经对此进行了说明。 我找到了这个极好的资料来源,“没有眼泪的地静止器”,并且在第51页上有一些关于拟合方差图的好的建议。根据这个建议,我的第一个似乎具有正确的范围。因此,这回到了第一个问题-我该如何解释?

1
用R?中的另外两个条件来识别重叠的时间间隔。
对于重复/重叠的条目,我必须检查较长时间的鸟类观察。 来自不同地点(A,B,C)的观察者进行了观察,并将其标记在纸质地图上。这些线与其他物种有关的数据,观察点和观察到的时间间隔加入其中。 通常,观察者在观察的同时通过电话彼此交流,但有时他们会忘记,所以我得到了重复的线路。 我已经将数据简化为可以触及圆的线,因此不必进行空间分析,而只需比较每种物种的时间间隔,就可以确定比较得出的是同一个人。 我现在正在R中寻找一种方法来识别那些条目: 在同一天以重叠的间隔进行 哪里是同一个物种 由不同的观察点(A或B或C或...)制成 在此示例中,我手动找到了同一个人的可能重复的条目。观察点不同(A <-> B),种类相同(Sst),开始时间和结束时间的间隔重叠。 现在,我将在data.frame中创建一个新字段“ duplicate”,为两行提供一个通用ID,以便能够导出它们并稍后决定要做什么。 我在很多地方搜索了已经存在的解决方案,但是没有发现有关我必须对物种的过程进行子集化(最好没有循环)并且必须比较2 + x个观察点的行这一事实。 一些数据可玩: testdata <- structure(list(bird_id = c("20150712_0810_1410_A_1", "20150712_0810_1410_A_2", "20150712_0810_1410_A_4", "20150712_0810_1410_A_7", "20150727_1115_1430_C_1", "20150727_1120_1430_B_1", "20150727_1120_1430_B_2", "20150727_1120_1430_B_3", "20150727_1120_1430_B_4", "20150727_1120_1430_B_5", "20150727_1130_1430_A_2", "20150727_1130_1430_A_4", "20150727_1130_1430_A_5", "20150812_0900_1225_B_3", "20150812_0900_1225_B_6", "20150812_0900_1225_B_7", "20150812_0907_1208_A_2", "20150812_0907_1208_A_3", "20150812_0907_1208_A_5", "20150812_0907_1208_A_6" ), obsPoint = c("A", "A", "A", "A", "C", "B", …

2
在R中捕捉栅格网格
我正在尝试在R中对齐两个栅格网格。对齐后,我希望能够将它们添加在一起。 我试图检查使a stack是否有效: grid_snap <- stack(habi_sdw, Pop_sdw) 我得到以下错误: compareRaster(x)中的错误:不同程度 栅格网格具有以下属性: show(habi_sdw) # class : RasterLayer # dimensions : 9187, 9717, 89270079 (nrow, ncol, ncell) # resolution : 0.00892857, 0.00892857 (x, y) # extent : -28.83706, 57.92186, -36.02464, 46.00214 (xmin, xmax, ymin, ymax) # coord. ref. : +proj=longlat +ellps=WGS84 +towgs84=0,0,0,0,0,0,0 +no_defs …

4
使用R将Geotiff图像的RGB值分配给LiDAR数据
我已经在UTM坐标中给出了Geotiff图像及其对应的激光雷达数据(x,y,z)。我需要将激光雷达数据与图像中的RGB值合并。 这意味着,最后,我需要绘制(3D)LiDAR云颜色的每个点,并用Geotiff图像中的相应RGB值进行编码。 我使用QGIS将Lidar数据转换为shapefile。接下来我该怎么办? 在R中,我尝试了该plot3D函数,但是没有用。我要附加文本doc,shapefile和tif图像 编辑: 我已经完成了以下程序,如下所示: require(raster) require(maptools) # to take shape files #require(car) # for scatter3D require(plot3Drgl) ##setwd("C:\\Users\\Bibin Wilson\\Documents\\R") ##source('Lidar.r') data = read.csv("C:\\Users\\Bibin Wilson\\Desktop\\Lidar\\lidardata.csv") #nr = nrow(data) nc = ncol(data) nr = 500 require(rgdal) X = readGDAL("C:\\Users\\Bibin Wilson\\Desktop\\Lidar\\image.tif") topx = 4.968622208855732e+05; topy = 5.419739403811632e+06; final = matrix(nrow = nr, …
10 raster  r  3d  lidar  3d-model 

2
城市LIDAR的清洁块图案(从街道抬起的块)
我们距离市区有1米的LIDAR DEM。 可以从此链接下载一小部分: 此屏幕快照显示了带有灰色调色板的原始DEM(较暗的带是街道,灰色和白色的矩形是块): 这对应于圣多明哥市的一个地方,可以在以下Google屏幕快照中看到: 平均而言,大约“提升”块。距离街道2米,这是不正确的。我们想要一个干净的DEM来生成流网络和地形湿度指数(TWI)。使用提供的DEM(我们没有来自激光扫描仪的原始波段),水文网络似乎遵循矩形布局,而TWI导致出现块状图案。这些图片显示了结果: 这是流网络结果,产生r.watershed在Grass GIS: 这是TWI结果,由生成SAGA: 我们尝试了一些程序来解决此错误,但没有成功: 1)去噪工具。我们在中应用了r.denoise工具Grass GIS,但模块安装出现了一些问题。我们在Windows中使用外壳程序再次运行它,并收到了内存不足的消息。 2)过滤器。我们进行了不同类型的过滤器(低通,中值,平均值等),具有不同的窗口大小,并试图把重量在街头的方向(Grass GIS,SAGA,QGIS)。 3)地统计学。我们严格在街道上生成点云(尝试了1000和2000点),生成了方差图模型,然后运行了普通的krigging来填充块。变量图建模和普通克里金法是R使用不同的包在中完成的。我们得到了线性变异函数,因此我们不会依赖于克里金法结果。 4)其他工具。已安装的ALDPAT工具,但由于程序无法读取DEM而无法使其正常工作。 在所有情况下,排水网的效果都不好,因为我们无法避免矩形流网。同样,TWI仍然导致了积木模式。 特别是,使用OK插值结果,我们得到了影响网络结果的点状模式DEM。但是,块状图案的作用减弱了。 此外,我们还研究了这个问题和答案... 从DSM过滤掉檐篷和建筑物以裸露地面 ...将我们重定向到Whitebox Geospatial Analysis Tools,但无法将DEM转换为LAS format。另外,我们不确定Bare-Earth DEM tool它的有效性,因为它是为去除半透明物体而设计的,而不是错误地“抬起”块,这就是我们的情况。 我们仍然想生成高质量的DEM来进行水文分析,但不知道我们还能尝试什么。

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.