德州网站开发培训/现在最火的推广平台

随着地理信息系统（GIS）和大尺度研究的发展，空间数据的管理、统计与制图变得越来越重要。R语言在数据分析、挖掘和可视化中发挥着重要的作用，其中在空间分析方面扮演着重要角色，与空间相关的包的数量也达到130多个。在本次培训中，我们将结合一些经典的例子培训R语言在空间数据处理、管理以及可视化的操作，从空间数据计量、空间数据插值、空间数据建模、机器学习空间预测、空间升、降尺度、数据可视化、知识图谱等方面让您全方位掌握R语言空间数据分析模拟预测及可视化技术。

专题一、R语言空间数据介绍及数据挖掘关键技术

1、R语言空间数据讲解及应用特点

1) R语言基础与数据科学

2) R空间矢量数据

3) R栅格数据

2、R语言空间数据挖掘关键技术讲解

1) sp: 处理地理数据的基础包

2) sf:  dataframe数据框风格的地理数据包

3) rgdal: 封装 GDAL (一个开源地理数据抽象库，提供非常丰富的地理数据读写驱动))

4) rgeos: 封装 GEOS 一个开源几何引擎， 提供几何模型、几何关系判断、基本几何计算操作等功能

5) proj4:PROJ4 一个开源地图投影库，提供丰富的地图投影转换算法

6) spatstat: 空间点格局分析

7) gstat、field: 地质统计学建模、空间插值

8) plot、image、image.plot、tmap、ggmap、ggplot2: 空间专题图

9) leaflet: 现代移动优先的交互式地图绘制框架

10) leaflet.extras:leaflet 插件

11) leaflet.esri: ESRI拓展包

12) spdep：空间相关性分析

13) Caret、CAST：机器学习在时空尺度上训练与模拟

专题二、R语言空间数据高级处理技术

1、R语言空间矢量数据处理

1） 点、线、面数据

2） 空间矢量数据的坐标系定义、转换

3） 空间矢量数据的裁剪、相交与合并

4） 空间矢量数据的数值计算

2、R语言栅格数据处理

1） 栅格数据的生成与数据管理

2） 栅格数据的坐标系转换

3） 栅格数据的裁剪、相交与拼接

4） 栅格数据的数值计算

3、R语言栅格数据与矢量数据的相互转换

 

专题三、R语言多维时空数据处理技术与数据清洗整合

1、R语言多维时空数据处理

1) nc、tiff等多维时空数据的读取、处理与导出

2) 多维空间数据的管理

2、R语言数据清洗和整合

1) 数据缺失值、重复值、异常值处理

2) 数据插补方法

3) 近似采样方法，双线性插值法、最大近邻法等

案例一：全球气象栅格数据的提取、裁剪、重采样和输出

 

案例二：全球MODIS遥感数据产品的时间趋势分析

 

案例三：全球和中国土壤数据的分层处理和数据插补

案例四：R语言高层数据与地形数据的计算和提取

 

专题四、R语言地统计与空间自相关、空间插值方法

1、地统计与空间自相关

1) 地理学三大定律

2) 空间自相关和地理加权回归

3) 地统计与空间模型

2、空间插值方法

1) R语言反距离权重插值

2) 不同克里金方法比较

3) R语言克里金插值与半方差函数

4) R语言薄盘样条插值

案例一：全国尺度空间自相关计算和地理加权回归模型的构建

案例二：不同空间插值方法、不同空间模型的比较

 

案例三：基于不同插值方法的全国与区域气象数据降尺度处理

专题五、R语言机器学习与空间模型预测及不确定性评估

1、R语言机器学习方法使用

1) R语言机器学习模型的构建（数据标准化、数据分割、超参数优化）

2) R语言机器学习的验证（不同交叉验证方法、时空交叉验证）

2、R语言机器学习空间预测与不确定性评估

案例一：利用环境变量数据构建贝叶斯模型和机器学习模型进行空间预测

案例二：使用机器学习对空间数据进行聚类

专题六、R语言空间尺度转换技术及机器学习方法应用

1、空间升、降尺度技术

2、使用机器学习进行空间降尺度

案例：利用五种机器学习集成对温度、降水和辐射数据进行空间降尺度

专题七、R语言空间制图一

1、R语言空间做图——plot

2、R语言空间做图——image、levelplot

 

专题八、R语言空间做图二

1、R语言空间做图——ggplot2

1) R语言sp空间数据和sf空间数据的转换和灵活使用

2) 使用ggplot2对sf数据继续空间制图

2、R语言空间专题图——tmap

 

原文链接：https://mp.weixin.qq.com/s?__biz=MzUyNzczMTI4Mg==&mid=2247637653&idx=7&sn=1780a5350efdc373f98d2d3dae76a41c&chksm=fa7785a8cd000cbe3d34dc5f84208f8b4ab26e205535c5cbcd12b2d915346f2439cfe5d38074&token=266344191&lang=zh_CN&scene=21#wechat_redirect