spatstat

    4热度

    1回答

    我试图找到两点间的欧几里得距离,由不规则的多边形限制。 (即距离必须被计算为通过给窗口的路线) 下面是一个可重复的例子: library(spatstat) #Simple example of a polygon and points. ex.poly <- data.frame(x=c(0,5,5,2.5,0), y=c(0,0,5,2.5,5)) points <- data.fra

    1热度

    1回答

    某些spatstat函数(如crossing.psp)不允许在该函数内分配标记。我正在用for循环和lapply命令编写一个复杂的函数,它要求在ppp和psp对象中标记。当我使用get()函数尝试将marks分配给这些对象时,我遇到问题。通常我会在这些情况下使用assign函数,但无法使其工作。这里有一个例子: library(spatstat) win <- owin(c(0,1), c(0

    2热度

    1回答

    我正在R的spatstat包中工作,我想从shapefile创建一个“linnet”(网络)类的对象。不幸的是,尽管我能够从ArcGIS获取网络中所有节点的位置,但我无法弄清楚如何获得边缘或邻接矩阵的列表,这些必须在spatstat中构建一个类“linnet”的对象。那么如何获得其中的一个(网络边缘列表或顶点邻接矩阵)是我的问题。 如果您有任何处理此问题的代码或任何建议,我将非常感谢。 以下是sp

    0热度

    1回答

    我有许多与空间点相关的生态变量的数据。每个点具有相对于边界框的y坐标,但是这些点代表不同直径的圆形区域。我想要实现的是将每个点占据的区域投影到观察窗上,以便随后对区域进行像素化并检索每个点与每个像素(网格单元格)的区域的重叠程度。在过去,通过转换为psp线对象,然后使用spatstat包中的像素化函数,我可以通过横断面数据实现这一点,但我不确定如何处理这些圆形区域。这感觉就像我应该使用多边形类,但

    1热度

    1回答

    我在分析STATS19道路事故数据,由UK government向公众公开提供。我想看看如何聚集不同类型的事故。可以使用“G函数”(描述here)来测量来自完全空间随机性“CSR”的情况的点模式的偏差。 spatstat很好地处理了这种问题,envelope函数提供了模式从不同距离的CSR偏离的程度的可视化。然而,正如我的同事Dan Olner所指出的那样,结果(如下所示,显示与CSR有很大的分歧

    1热度

    2回答

    我有一个线段图案,这是在90度角到另一行: require(spatstat) range <- c(0,10) owin <- owin(xrange = range, yrange = range) l1 <- psp(x0 = 8, x1 = 8, y0 = 2, y1 = 8, window = owin, marks = "l1") l2 <- psp(x0 = 6, x1

    0热度

    3回答

    我试图在单个窗口中绘制包括多边形和点(在单独文件中)的坐标数据,以便稍后可以运行测试以查看存在哪些模式。我对R相当陌生(并且对spatstat非常陌生),所以我非常感谢有关如何最好地创建具有多种类型的空间数据的单个绘图的任何建议。 library(sp) library(maptools) library(mgcv) library(spatstat) ##read in the sha

    0热度

    2回答

    我是新来的R和编程新手。我有一个shapefile,我已经导入到R中,发现它是一个空间多边形数据框。我想在spatstat中使用crossdist函数,但在此之前,我试图将它转换为owin,然后是类psp,因为这是我读过的解决此问题的方式。我的问题是,我不知道如何将我的数据转换为owin。任何有关如何解决这个问题的帮助将不胜感激。谢谢。

    0热度

    1回答

    spatstat中的函数主要用于2-3-dim数据分析。是否有很好的可能性将它们应用于单暗数据? 2-dim中有很大的ppp类能力。 对于任意维度有一个非常普遍的类ppx - 但这是问题 - 只有很少的函数可用。 我可以拿一把大锤在将一个暗淡的数据膨胀到两个暗淡的暗处并最终投射回一个昏暗的时候破坏坚果吗? 或者我应该更好地重写one-dim(rpoispp,rmpoispp,...)的函数吗?

    3热度

    1回答

    我是新来的R. 与空间数据和多边形的工作,我有两个多边形,我从谷歌地球中提取的两个独立的形状文件。所以基本上第一个形状文件是一个位置(例如购物中心等),第二个形状文件是围绕第一个位置的三公里半径。我将两个形状文件都读取为SpatialPolygonsDataFrames。我使用下面的代码: library(maptools) library(sp) library(spatstat) opt