具体描述
《空间数据分析与R语言实践》较全面地介绍了R应用于空间数据分析的原理和方法。在介绍R中空间数据类、方法、空间对象、空间点类、空间线类、空间面类及空间网格的基础上，首先介绍了空间数据的可视化、空间数据的导入导出、空间数据的处理及定制多点数据、六角形网格、时空网格及大型网格数据类的方法；然后介绍了空间点模式分析、插值与地统计分析、面数据和空间自相关分析和面数据建模；最后介绍了空间数据分析在疾病数据制图及分析中的应用。
作者简介
目录信息
第一部分 R的空间数据处理
第1章 空间数据介绍 1
1.1 空间数据分析 1
1.2 为什么要用R 2
1.2.1 概述 2
1.2.2 为什么使用R进行空间数据分析 3
1.3 R和GIS 5
1.3.1 什么是GIS 5
1.3.2 面向服务的架构 5
1.3.3 进一步了解GIS 5
1.4 空间数据的类型 6
1.5 存储和显示 10
1.6 空间数据分析应用 11
1.7 R空间资源 13
1.7.1 在线资源 13
1.7.2 本书的结构 14
第2章 R的空间数据类 17
2.1 概述 17
2.2 R中的类和方法 18
2.3 Spatial对象 22
2.4 SpatialPoints类 24
2.4.1 方法 25
2.4.2 空间点数据的数据框 27
2.5 SpatialLines类 31
2.6 SpatialPolygons类 35
2.6.1 SpatialPolygons DataFrame对象 37
2.6.2 孔和环方向 39
2.7 SpatialGrid和SpatialPixel对象 40
第3章 空间数据可视化 47
3.1 传统绘图系统 47
3.1.1 绘制点、线、多边形和网格 47
3.1.2 坐标轴和布局元素 50
3.1.3 坐标轴标签和参考网格中的度 53
3.1.4 绘图尺寸、绘图区域、地图比例以及多图绘制 54
3.1.5 绘图属性和地图图例 56
3.2 使用spplot的Trellis/Lattice绘制 57
3.2.1 一个直观的Trellis示例 58
3.2.2 绘制点、线、面和网格 59
3.2.3 对图添加参考物和布局元素 61
3.2.4 安排面板布局 63
3.3 绘图交互 63
3.3.1 基本图形的交互 63
3.3.2 spplot和lattice的绘图交互 65
3.4 彩色调色板和类区间 66
3.4.1 彩色调色板 66
3.4.2 类区间 66
第4章 空间数据导入/导出 70
4.1 坐标参考系 71
4.1.1 使用EPSG清单 72
4.1.2 PROJ.4 CRS规范 72
4.1.3 投影和坐标转换 73
4.1.4 度、分和秒 75
4.2 矢量文件格式 76
4.2.1 使用rgdal包中的OGR驱动程序 77
4.2.2 其他的导入/导出函数 81
4.3 栅格文件格式 81
4.3.1 使用rgdal包中的GDAL驱动 81
4.3.2 编写一个Google Earth影像覆盖 84
4.4 GRASS 86
百老街霍乱数据 91
4.5 其他的导入/导出接口 94
4.5.1 分析和可视化应用 94
4.5.2 TerraLib和aRT 95
4.5.3 其他GIS和Web地图系统 96
4.6 安装rgdal包 97
第5章 空间数据处理高级方法 99
5.1 支撑 99
5.2 叠置 102
5.3 空间取样 104
5.4 拓扑检查 106
5.4.1 多边形合并 108
5.4.2 孔状态检查 109
5.5 组合空间数据 110
5.5.1 组合位置数据 110
5.5.2 组合属性数据 110
5.6 辅助函数 112
第6章 定制空间数据类和方法 117
6.1 使用类和方法编程 117
6.1.1 S3型类和方法 118
6.1.2 S4型类和方法 119
6.2 程序包trip中的动物足迹数据 120
6.2.1 通用函数和构造函数 121
6.2.2 trip对象的方法 122
6.3 多点数据：空间多重点 123
6.4 六边形网格 125
6.5 时-空网格 128
6.6 蒙特卡洛模拟的空间分析 132
6.7 大型网格的处理 134
第二部分 空间数据分析
第7章 空间点模式分析 136
7.1 概述 136
7.2 空间点模式分析包 137
7.3 点模式的初步分析 140
7.3.1 完全空间随机模式 140
7.3.2 G函数：最近邻事件距离 141
7.3.3 F函数：一个点到其最邻近事件的距离 143
7.4 空间点过程的统计分析 144
7.4.1 同质泊松过程 145
7.4.2 非同质泊松过程 145
7.4.3 强度的估计 145
7.4.4 非同质泊松过程的似然 149
7.4.5 二阶特性 151
7.4.6 非同质的K函数 152
7.5 在空间流行病中的一些应用 153
7.5.1 病例控制研究 153
7.5.2 二元回归估计 158
7.5.3 使用广义加模型的二元回归 159
7.5.4 点源污染 161
7.5.5 空间聚集的评估 163
7.5.6 混杂变量和协变量的解释 165
7.6 点模式分析更进一步的方法 168
第8章 插值与地统计 170
8.1 概述 170
8.2 探索性数据分析 171
8.3 非地统计学插值方法 172
8.3.1 反距离加权插值 172
8.3.2 线性回归 173
8.4 空间相关性估计：变异函数 174
8.4.1 探索性变异函数分析 175
8.4.2 截距、间隔宽度、方向依赖性 178
8.4.3 变异函数模型 179
8.4.4 各向异性 183
8.4.5 多变量变异函数模型 184
8.4.6 残差变异函数模型 186
8.5 空间预测 187
8.5.1 泛克里金、普通克里金和简单克里金法 188
8.5.2 多变量预测：协同克里金法 189
8.5.3 同位协同克里金法 190
8.5.4 协同克里金法对比 191
8.5.5 局部邻域的克里金法 191
8.5.6 块克里金法 192
8.5.7 区域划分 193
8.5.8 趋势函数和它们的系数 194
8.5.9 应变量的非线性变换 195
8.5.10 奇异矩阵错误 197
8.6 模型诊断 198
8.6.1 交叉验证残差 199
8.6.2 交叉验证的z-score 201
8.6.3 多变量交叉验证 201
8.6.4 交叉验证的局限性 202
8.7 地统计模拟 203
8.7.1 序贯模拟 203
8.7.2 非线性空间聚集和块均值 205
8.7.3 多变量和指示模拟 206
8.8 基于模型的地统计和贝叶斯方法 207
8.9 监测网络优化 207
8.10 其他用于插值和地统计的R语言包 209
8.10.1 非地统计插值 209
8.10.2 spatial包 209
8.10.3 RandomFields包 209
8.10.4 geoR包和geoRglm包 211
8.10.5 fields包 211
第9章 面数据和空间自相关 212
9.1 概述 212
9.2 空间邻域 214
9.2.1 邻居对象 215
9.2.2 创建近邻域 217
9.2.3 创建基于图的近邻 219
9.2.4 基于距离的近邻 220
9.2.5 高阶近邻 223
9.2.6 网格近邻 224
9.3 空 间 权 重 225
9.3.1 空间权重模式 225
9.3.2 一般空间权重 227
9.3.3 空间近邻与权重的导入、导出和转化 229
9.3.4 使用权重模拟空间自相关 230
9.3.5 操作空间权重 231
9.4 空间自相关检验 232
9.4.1 全局检验 234
9.4.2 局部检验 240
第10章 面数据建模 246
10.1 概述 246
10.2 空间统计方法 246
10.2.1 同步自回归(SAR)模型 249
10.2.2 条件自回归(CAR)模型 253
10.2.3 拟合空间回归模型 255
10.3 混合效应模型 257
10.4 空间计量经济学方法 259
10.5 其他方法 265
10.5.1 GAM、GEE、GLMM 265
10.5.2 Moran特征 269
10.5.3 地理加权回归 272
第11章 疾病制图 276
11.1 简介 277
11.2 统计模型 278
11.2.1 Poisson-Gamma模型 280
11.2.2 Log-Normal模型 282
11.2.3 Marshall全局EB估计器 283
11.3 空间结构统计模型 285
11.4 贝叶斯层次模型 286
11.4.1 再探Poisson-Gamma模型 287
11.4.2 空间模型 291
11.5 疾病聚集探测 298
11.5.1 相对风险的同质性检验 299
11.5.2 空间自相关的Moran’s I检验 301
11.5.3 一般聚集的Tango’s检验 301
11.5.4 聚集位置探测 302
11.5.5 地理分析机 303
11.5.6 Kulldorfft统计 304
11.5.7 局部聚集的Stone的测试 305
11.6 疾病制图的其他主题 306
结语 307
参考文献 311
· · · · · · (收起)
读后感
这本书理论与实践结合，不断的用Meuse这个土壤的数据为读者提供最直接的案例。 这本书主要使用的是R中的gstat的包，包含着非常强大的空间数据处理能力。 我最近做的一些工作，需要比ArcGIS更灵活的分析，于是就买了一本2手的，挺便宜的。 这本书我主要看了如何构建空间数据...
Datum，在地学中，其实就是大地基准面的意思，在本书中，按照基准翻译。基准是什么玩意？请问，翻译本书的人，你是学地学的吗？下面是无数错误中的一个例子： 原文：Here we use numbers in sequence to index the points and the rows of our data frame, because neither the...
Datum，在地学中，其实就是大地基准面的意思，在本书中，按照基准翻译。基准是什么玩意？请问，翻译本书的人，你是学地学的吗？下面是无数错误中的一个例子： 原文：Here we use numbers in sequence to index the points and the rows of our data frame, because neither the...
这本书理论与实践结合，不断的用Meuse这个土壤的数据为读者提供最直接的案例。 这本书主要使用的是R中的gstat的包，包含着非常强大的空间数据处理能力。 我最近做的一些工作，需要比ArcGIS更灵活的分析，于是就买了一本2手的，挺便宜的。 这本书我主要看了如何构建空间数据...
这书的翻译就是一坨屎！还不如机器翻译的！一本好书就这样被糟蹋了！还要说什么？就是翻译垃圾！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！...
用户评价
《空间数据分析与R语言实践》最让我印象深刻的是其严谨的学术态度和清晰的逻辑结构。作者在介绍每个概念时，都会先追溯其理论根源，再结合R语言进行实践演示，整个过程循序渐进，丝毫不显得跳跃。我尤其欣赏书中关于空间异质性分析的讲解，从最早的固定效应模型到后来的变系数模型，作者都做了详细的阐述，并提供了相应的R代码。这对于我理解不同空间位置的变量之间关系可能存在差异，从而进行更精细化的分析至关重要。书中关于栅格数据处理和分析的部分也十分详尽，包括栅格的重采样、重投影、空间叠加以及各种栅格代数运算，这些都是进行地学分析的基础。作者提供的R语言函数调用示例，以及对每个参数的细致说明，让我能够轻松地掌握这些操作。我特别注意到书中关于地理探测器的内容，它能够揭示不同驱动因子对空间现象的影响程度，这对于我分析影响因素之间的相互作用非常有启发。这本书无疑为我打开了新的研究视野。
《空间数据分析与R语言实践》就像一位循循善诱的老师，它不仅仅传授知识，更重要的是引导我去思考。作者在书中经常提出一些开放性的问题，鼓励读者去探索和发现，而不是简单地提供答案。我尤其喜欢书中关于空间数据模型选择的讨论，作者并没有给出“最优”的答案，而是引导读者根据研究目的、数据特征和模型假设来权衡和选择。这种启发式的教学方式，让我能够更好地理解模型的内在逻辑，并培养独立解决问题的能力。书中关于模型不确定性的分析也让我印象深刻，作者强调了在空间数据分析中，不确定性是普遍存在的，并介绍了几种量化和传达不确定性的方法。这让我更加理性地看待分析结果，并认识到任何模型都存在局限性。我相信，通过本书的学习，我不仅掌握了空间数据分析的技能，更重要的是提升了我的科学研究素养。
这本书的实用性是我选择它的主要原因，而它也完全没有辜负我的期望。作者在书中提供的每一个R语言代码示例，都是经过精心设计和测试的，可以直接应用于实际工作中。我特别关注书中关于空间回归分析的部分，它不仅涵盖了经典的OLS回归，还深入介绍了各种空间回归模型，如空间滞后模型、空间误差模型以及它们的混合模型。作者对这些模型的数学推导和R语言实现都进行了详尽的讲解，让我能够理解它们在捕捉空间依赖性方面的优势。我计划将这些空间回归模型应用到我的土地利用变化研究中，以分析影响土地利用变化的驱动因素。此外，书中关于地理空间数据库管理的内容也让我受益匪浅，它介绍了如何利用R语言与PostGIS等数据库进行交互，从而高效地处理和管理大规模空间数据。
这本书的内容之充实，让我一度感到些许“消化不良”，但这种“不适”恰恰源于其丰富的知识密度。作者在介绍空间自相关时，不仅详细解释了全局自相关和局部自相关的概念，还深入剖析了它们各自的适用场景和局限性。在R语言实现部分，作者提供了多种计算 Moran's I 指数的方法，并且对不同方法的优劣进行了比较，这对于初学者来说是极其宝贵的指导。我特别关注了书中关于空间计量经济学模型的章节，这部分内容对于理解经济现象的空间异质性至关重要。从地理加权回归（GWR）到贝叶斯空间模型，作者层层递进，逐步引导读者掌握这些复杂但强大的分析工具。让我印象深刻的是，书中并没有简单地给出代码，而是详细解释了每个参数的含义以及模型假设，并提供了模型诊断的方法。这使得读者能够真正理解模型背后的逻辑，而不是仅仅停留在“复制粘贴”代码的层面。书中大量的插图和图表更是锦上添花，它们清晰地展示了空间数据的分布特征、模型拟合效果以及分析结果，极大地增强了阅读的直观性和易理解性。我相信，通过反复研读和实践，我能够将书中介绍的先进空间分析技术融会贯通，并应用到我的研究工作中，为我的论文增添新的视角和深度。
本书在理论的深度和实践的可操作性之间取得了绝妙的平衡。作者在讲解复杂的统计模型时，并没有回避其数学原理，而是以一种易于理解的方式进行了阐述，并通过R语言代码的演示，让理论变得触手可及。我特别喜欢书中对空间插值方法的对比分析，从最简单的反距离加权法到复杂的克里金法，作者详细解释了它们的原理、假设以及在不同数据集上的表现差异，并提供了相应的R代码。这使得我能够根据自己的具体需求，选择最合适的方法，而不是盲目套用。让我印象深刻的是，书中还专门辟出章节讲解如何处理空间数据中的缺失值和异常值，这对于提高分析的准确性和鲁棒性至关重要。作者提供的多种处理策略以及相应的R语言实现，让我能够应对各种复杂的数据情况。此外，本书对模型评估和验证的讲解也相当到位，它不仅介绍了常用的评估指标，还强调了交叉验证的重要性，这有助于我更客观地评估模型的性能。通过本书的学习，我对空间数据分析的整体流程有了更系统、更深入的认识。
在我看来，这本书最吸引我的地方在于其前瞻性。作者并没有仅仅停留在对传统空间分析方法的介绍，而是积极地引入了许多新兴的技术和概念。例如，书中对高分辨率遥感影像的分类和提取，以及利用深度学习模型进行土地覆盖变化监测的内容，让我看到了空间数据分析在应对复杂现实问题中的巨大潜力。作者在介绍这些前沿技术时，并非泛泛而谈，而是提供了具体的R语言实现框架和案例，让我能够从中学习如何构建和训练自己的模型。我特别对书中关于时空数据分析的部分印象深刻，它不仅讨论了时间序列分析在空间上的延伸，还介绍了如何利用R语言处理和分析具有时间和空间两个维度的数据，这对于我理解地理现象的动态演变过程非常有帮助。此外，本书还探讨了云计算在处理大规模空间数据中的应用，以及如何利用R语言与GIS软件进行集成，这些内容为我拓展了新的研究思路和技术路径。我相信，通过学习书中介绍的这些前沿技术，我能够站在科技发展的最前沿，为我的研究领域带来新的突破。
《空间数据分析与R语言实践》的魅力在于其“实践”二字，而这二字也贯穿了全书的始终。我最欣赏的是书中对数据可视化手段的强调。在空间数据分析领域，没有直观的图形化展示，再精密的统计结果也可能显得苍白无力。本书提供了多种R语言包来创建高质量的空间地图，从基础的点图、线图、面图，到更复杂的专题地图，如热力图、密度图、分级符号地图等，都给出了详尽的示例代码和参数解释。更重要的是，作者强调了如何根据不同的分析目的和数据类型选择最合适的地图表达方式，这对于我这样需要经常向非专业人士展示研究成果的人来说，简直是福音。书中关于交互式地图的介绍也让我眼前一亮，通过 leaflet、plotly 等包创建的交互式地图，能够让读者自由地缩放、平移、点击查看详细信息，极大地提升了数据探索的体验。此外，本书在案例分析中，经常会引导读者通过可视化手段来初步理解数据的空间分布规律，再结合统计分析进行深入挖掘，这种“先看后算”的思路，让我受益匪浅。我计划将书中介绍的各种可视化技巧，运用到我正在进行的研究项目中，用更生动、更直观的方式呈现我的研究发现。
这本书的内容实在是太丰富了，我仿佛置身于一个巨大的知识宝库之中。作者在书中不遗余力地分享了各种空间数据分析的技巧和经验，让我受益匪浅。我非常喜欢书中关于空间数据质量评估的部分，作者强调了数据精度的重要性，并介绍了几种常用的数据质量检查方法，例如拓扑错误检查、属性值校验等，并提供了R语言实现。这让我更加重视在分析前进行细致的数据预处理。此外，书中关于空间抽样设计的内容也让我眼前一亮，作者介绍了不同类型的空间抽样方法，并讨论了它们在不同情境下的适用性，这对于我设计更科学的抽样方案非常有指导意义。我计划将书中关于抽样和质量控制的知识，应用到我正在进行的实地调研项目中，以期获得更可靠的研究数据。
初次翻阅《空间数据分析与R语言实践》，我便被其沉甸甸的学术分量所折服。书中引用的文献之广博，足以窥见作者在这一领域深厚的积淀。从经典的空间统计理论，如克里金插值、莫兰指数的原理推导，到现代机器学习在地理信息系统中的应用，几乎涵盖了所有我感兴趣的关键概念。作者并没有止步于理论的陈述，而是将这些抽象的理论与具体的R语言代码实现紧密结合，使得学习过程既有深度又不失趣味。我尤其欣赏其中对数据预处理的详尽阐述，包括但不限于坐标系转换、空间连接、缓冲区分析等，这些都是进行有效空间数据分析的基础，而书中对这些操作的R语言函数讲解得细致入微，甚至连一些容易被忽略的细节和常见错误也一一列举，让我避免了许多弯路。此外，本书在案例选择上也颇具匠心，从城市规划、环境监测到流行病学研究，各种不同领域的研究场景被巧妙地融入到讲解中，让我能够直观地理解抽象的空间分析方法在实际问题中的应用价值。这种理论与实践并重的编排方式，让我感觉自己不仅仅是在阅读一本技术手册，更像是在跟随一位经验丰富的导师进行一场深度学习之旅。我期待着通过书中提供的工具和方法，能够解决自己在研究中遇到的实际空间数据分析难题，并期待进一步探索其中更高级的空间建模技术。
《空间数据分析与R语言实践》是一本难得的优秀著作，它在理论深度、实践指导和前瞻性方面都做得非常出色。作者在书中对于不同空间分析方法优缺点的权衡和比较，让我能够更清晰地认识到每种方法的适用范围，从而做出更明智的选择。我特别喜欢书中关于空间统计检验的章节，作者详细介绍了各种空间统计检验的原理和R语言实现，并提供了对检验结果的解读方法。这对于我评估我的分析结果是否具有统计学意义，以及对研究假设进行验证至关重要。书中关于空间数据可视化的一些高级技巧，例如如何制作交互式的图层叠加地图，以及如何将空间分析结果导出为可交互的Web格式，都让我对数据呈现有了新的认识。我将积极地将书中介绍的这些技术融入到我的日常工作中，并期待在未来能够不断深化对空间数据分析的理解和应用。
可能还是要有需求，现在没什么需求，所以不是太愿意花太多精力去细看和联系，当然电脑也卡，空间也有限
翻译很差，R的性能对空间数据很成问题，暂时没有找到我想要的东西。
翻译很差，R的性能对空间数据很成问题，暂时没有找到我想要的东西。
看的太累了，没有勇气看完一页
翻译的就是屎，翻译的什么玩意？虽然原文不好理解，但是也不能就按照原文一句一句翻啊，就算一句一句，也不能翻译错啊！无良的翻译，无良的出版社。
