白话空间统计二十一：密度分析（六）R语言实现

白话空间统计二十一：密度分析（六）R语言实现

今天主要讲讲核密度分析的R语言实现，原理神马的，看前面的文章。

下面贴代码和代码注释，还是老规矩，需要源代码还数据的，通过邮箱获取。

还是先看看结果（话说R语言默认的颜色渲染我还是觉得挺不错的，想用其他颜色渲染的，后面有空再说）








那么如果把这四张图都放到同一个颜色渲染尺度下面，如下：（可以点开看大图）,可以再次验证昨天的结论：带宽越大，核曲面的高度越低。

下面贴出代码:

library(splancs)   library(sp)   library(maptools)   path <- "E:/workspace/IDE/Rworkspace/核密度/"   uscp <- read.csv(paste(path,"2014_us_cities.csv",sep = ""),header = T)   #################################################################   #   # 纯空间位置无属性加权的核密度分析   #   ################################################################   #   #生成一个空间的矩阵，行数和uscp一样，列数为2，用来灌装点数据   #   sp_point <- matrix(NA, nrow=length(uscp[,1]),ncol=2)   #   #将经纬度灌装到矩阵里面，并且设置列名为X/Y   #   sp_point[,1] <- uscp$lon   sp_point[,2] <- uscp$lat   colnames(sp_point) <- c("X","Y")   #   #生成一个矩形，R语言生成矩形的顺序是从右下角开始，逆时针构建四个顶点的如下：   # 3   2   # 4   1   #   poly <- as.points(c(min(sp_point[,1]),max(sp_point[,1]),                     max(sp_point[,1]),min(sp_point[,1])),                   c(max(sp_point[,2]),max(sp_point[,2]),                     min(sp_point[,2]),min(sp_point[,2])))   #   #构建以个Point对象（sp包里面）的，并且设置空间参考为wgs84   #   sp_points <- SpatialPoints(coords=sp_point, proj4string=CRS("+proj=longlat +datum=WGS84"))   #   #下面这一段是构建核密度栅格图的各种参数   #核密度计算结果，最后可以体现为一个栅格，栅格的基本参数有如下三个：   #################################################################   # x/y min :左下角坐标   # cellsize : 栅格单元的大小。   # dim ：总的栅格行列数（这个参数有上两个，就可以算出来了，但是R语言保留了这个   #          参数，也就是说，你可以自由控制这个栅格的大小和范围，更为灵活。   #################################################################   #   cellsize = c(0.1,0.1)   xymin = c(min(sp_point[,1]),min(sp_point[,2]))   xymax = c(max(sp_point[,1]),max(sp_point[,2]))   cdim = (xymax - xymin)/cellsize   #   # 构建一个栅格，参数用上面那些参数   #   grdx <- GridTopology(xymin,cellsize=cellsize,cells.dim=cdim)   #   # 进行核密度计算，需要的参数有点、范围、带宽、生成的结果栅格   # 生成的结果是一个巨大的数字型向量。   #   kernel1 <- spkernel2d(sp_points, poly=poly, h0=4, grd=grdx)   #   # 把生成的核密度结果变成一个数据框   # 然后把这个数据框和构建的空栅格挂接起来，变成一个Grid   #   df <-data.frame(kernel1 = kernel1)   SG <- SpatialGridDataFrame(grdx, data=df)   #   # 调用sp包里面的spplot绘图，当然也可以直接保存成图片。   #   spplot(SG)   #   # 下面同时画出四个带宽的核密度图，并且用同一个渲染尺度进行渲染   #   kernel1 <- spkernel2d(sp_points, poly=poly, h0=0.5, grd=grdx)   kernel2 <- spkernel2d(sp_points, poly=poly, h0=1, grd=grdx)   kernel3 <- spkernel2d(sp_points, poly=poly, h0=2, grd=grdx)   kernel4 <- spkernel2d(sp_points, poly=poly, h0=4, grd=grdx)   df <-data.frame(kernel4 = kernel4,kernel3 = kernel3,                 kernel2 = kernel2,kernel1 = kernel1)   jpeg("e:/kall.jpg",width = 1920,height = 1080)   SG <- SpatialGridDataFrame(grdx, data=df)   spplot(SG)   dev.off()

里面各个方法的帮助，参考帮助文档。

下面是一些注意事项：

1、上面我用的是csv直接读取的数据，如果本身就是shapefile的point图层，可以直接通过maptools读取。
2、cellsize参数很重要——如果设置得太小，会占用大量的内存——最后甚至可以爆掉你的内内存——比如下面这样，虾神我机器16G内存，就这样爆掉了：