Geostatystyka w R
1
Wprowadzenie
1.1
Wymagania wstępne
1.1.1
Oprogramowanie
1.1.2
Dane
2
R a dane przestrzenne
2.1
R a dane przestrzenne
2.1.1
Pakiety
2.1.2
Reprezentacja danych nieprzestrzennych
2.1.3
Reprezentacja danych przestrzennych
2.1.4
GDAL/OGR
2.1.5
PROJ.4
2.1.6
EPSG
2.1.7
Układ geograficzny
2.2
Import danych
2.2.1
Format .csv (dane punktowe)
2.2.2
Dane poligonowe (formaty gisowe)
2.2.3
Rastry
2.3
Eksport danych
2.3.1
Zapisywanie danych wektorowych
2.3.2
Zapisywanie danych rastrowych
2.4
Wizualizacja danych 2D
2.4.1
Dane punktowe
2.4.2
Dane punktowe - kategorie
2.4.3
Rastry
2.5
Tworzenie siatek
2.5.1
Siatki regularne
2.5.2
Siatki regularne
2.5.3
Siatki nieregularne - klasa
RasterLayer
2.5.4
Siatki nieregularne - klasa
SpatialPixelsDataFrame
3
Eksploracyjna analiza danych nieprzestrzennych
3.1
Cele eksploracyjnej analizy danych
3.2
Dane
3.2.1
Dane
3.3
Statystyki opisowe
3.3.1
Statystyki opisowe
3.3.2
Statystyki opisowe | średnia i mediana
3.3.3
Statystyki opisowe | minimum i maksimum
3.3.4
Statystyki opisowe | odchylenie standardowe
3.4
Wykresy
3.4.1
Histogram
3.4.2
Estymator jądrowy gęstości (ang.
kernel density estimation
)
3.4.3
Wykres kwantyl-kwantyl (ang.
quantile-quantile
)
3.4.4
Dystrybuanta (CDF)
3.5
Porównanie zmiennych
3.5.1
Kowariancja
3.5.2
Współczynnik korelacji
3.5.3
Wykres pudełkowy
3.5.4
Testowanie istotności różnić średniej pomiędzy grupami
3.6
Transformacje danych
3.6.1
Transformacje danych
3.6.2
Transformacja danych | Standaryzacja
3.6.3
Transformacja danych | Centrowanie
3.6.4
Transformacja danych | Skalowanie
3.6.5
Transformacja danych | Standaryzacja
3.6.6
Transformacja danych | Redukcja skośności
3.6.7
Transformacja danych | Logarytmizacja
3.6.8
Transformacja danych | Pierwiastkowanie
4
Eksploracyjna analiza danych przestrzennych
4.1
Mapy
4.1.1
Podstawowe terminy | Kontekst przestrzenny
4.1.2
Mapy punktowe
4.2
Próbkowanie
4.2.1
Podstawowe typy próbowania
4.2.2
Typ próbowania | Regularny
4.2.3
Typ próbowania | Losowy
4.2.4
Typ próbowania | Losowy stratyfikowany
4.2.5
Typ próbowania | Preferencyjny
4.3
Dane lokalnie odstające
4.4
Rozgrupowanie danych
4.4.1
Rozgrupowanie danych
4.4.2
Rozgrupowanie danych
4.4.3
Rozgrupowanie komórkowe I | (ang.
cell declustering
)
4.4.4
Rozgrupowanie komórkowe I | (ang.
cell declustering
)
4.4.5
Rozgrupowanie komórkowe II | (ang.
cell declustering
)
4.4.6
Rozgrupowanie poligonowe | (ang.
polygon declustering
)
4.4.7
Rozgrupowanie poligonowe | (ang.
polygon declustering
)
4.4.8
Porównanie metod rozgrupowania
5
Metody interpolacji
5.1
Modele deterministyczne
5.1.1
Modele deterministyczne | Voronoi
5.1.2
Modele deterministyczne | IDW
5.1.3
Modele deterministyczne | Funkcje wielomianowe
5.1.4
Modele deterministyczne | Funkcje sklejane
5.1.5
Modele deterministyczne | Porównanie
5.2
Modele statystyczne
6
Geostatystyka - prolog
6.1
Geostatystyka
6.1.1
Geostatystyka
6.1.2
Geostatystyka | Funkcje
6.1.3
Geostatystyczna analiza danych
6.1.4
Geostatystyka | Podstawowe etapy
6.1.5
Geostatystyka | Dane wejściowe
6.2
Przestrzenna kowariancja i korelacja i semiwariancja
6.2.1
Przestrzenna kowariancja, korelacja i semiwariancja | Założenia
6.2.2
Przestrzenna kowariancja, korelacja i semiwariancja | Symbole
6.2.3
Przestrzenna kowariancja, korelacja i semiwariancja
6.2.4
Wykres rozrzutu z przesunięciem
6.2.5
Autokowariancja
6.2.6
Autokorelacja
6.2.7
Semiwariancja
6.2.8
Chmura semiwariogramu
6.2.9
Semiwariogram | Charakterystyka struktury przestrzennej
6.2.10
Semiwariogram | Obliczenia pomocnicze
6.2.11
Semiwariogram
6.2.12
Semiwariogram | Rules of thumb
6.2.13
Semiwariogram
6.3
Anizotropia
6.3.1
Anizotropia struktury przestrzennej
6.3.2
Mapa semiwariogramu
6.3.3
Semiwariogramy kierunkowe | Kierunki
7
Modelowanie matematycznie autokorelacji przestrzennej
7.1
Modelowanie matematycznie autokorelacji przestrzennej
7.1.1
Modelowanie matematycznie autokorelacji przestrzennej
7.2
Modele podstawowe
7.2.1
Modele podstawowe
7.3
Metody modelowania
7.3.1
Metody modelowania
7.3.2
Metody modelowania | funkcja
eyefit()
7.3.3
Metody modelowania | funkcja
fit.variogram()
7.3.4
Metody modelowania | Liniowy model regionalizacji
7.4
Modelowanie izotropowe
7.4.1
Modelowanie izotropowe | Model nuggetowy
7.4.2
Modelowanie izotropowe | Model sferyczny
7.4.3
Modelowanie izotropowe | Model wykładniczy
7.4.4
Modelowanie izotropowe | Model gaussowski
7.4.5
Modelowanie izotropowe | Model potęgowy
7.4.6
Modelowanie izotropowe | Modele złożone I
7.4.7
Modelowanie izotropowe | Modele złożone II
7.5
Modelowanie anizotropowe
7.5.1
Anizotropia
8
Estymacje jednozmienne
8.1
Kriging
8.1.1
Kriging | Interpolacja geostatystyczna
8.1.2
Metod krigingu
8.2
Kriging prosty
8.2.1
Kriging prosty (ang.
Simple kriging
)
8.3
Kriging zwykły
8.3.1
Kriging zwykły (ang.
Ordinary kriging
)
8.4
Kriging z trendem
8.4.1
Kriging z trendem (ang.
Kriging with a trend
)
8.5
Porównanie wyników SK, OK i KZT
9
Estymacja lokalnego rozkładu prawdopodobieństwa
9.1
Kriging danych kodowanych
9.1.1
Kriging danych kodowanych (ang.
Indicator kriging
)
9.1.2
Wady i zalety krigingu danych kodowanych
9.2
Kriging danych kodowanych | Przykłady
9.2.1
Binaryzacja danych
9.2.2
Kriging danych kodowanych (ang.
Indicator kriging
) | Modelowanie
9.2.3
Kriging danych kodowanych (ang.
Indicator kriging
) | Interpolacja
9.2.4
Kriging danych kodowanych (ang.
Indicator kriging
)
10
Estymacje wielozmienne
10.1
Kokriging
10.1.1
Kokriging (ang.
co-kriging
)
10.1.2
Kokriging | Wybór dodatkowej zmiennej
10.2
Krossemiwariogramy
10.2.1
Krossemiwariogramy
10.3
Modelowanie krossemiwariogramów
10.3.1
Modelowanie krossemiwariogramów
10.4
Kokriging
10.4.1
Kokriging
11
Wykorzystanie do estymacji danych uzupełniających
11.1
Kriging stratyfikowany
11.1.1
Kriging stratyfikowany (ang.
Kriging within strata
)
11.2
Prosty kriging ze zmiennymi średnimi lokalnymi (LVM)
11.2.1
Prosty kriging ze zmiennymi średnimi lokalnymi (LVM) (ang.
Simple kriging with varying local means
)
11.3
Kriging uniwersalny
11.3.1
Kriging uniwersalny (ang.
Universal kriging
)
12
Ocena jakości estymacji
12.1
Statystyki jakości estymacji
12.1.1
Statystyki jakości estymacji
12.1.2
Średni błąd estymacji
12.1.3
Pierwiastek średniego błędu kwadratowego
12.1.4
Statystyki jakości estymacji | Mapa
12.1.5
Statystyki jakości estymacji | Histogram
12.1.6
Statystyki jakości estymacji | Wykres rozrzutu
12.2
Walidacja wyników estymacji
12.2.1
Walidacja wyników estymacji
12.2.2
Walidacja podzbiorem
12.2.3
Kroswalidacja
13
Symulacje
13.1
Symulacje geostatystyczne
13.1.1
Symulacje geostatystyczne
13.1.2
Symulacje geostatystyczne
13.2
Typy symulacji
13.2.1
Typy symulacji
13.3
Symulacje bezwarunkowe
13.4
Symulacje warunkowe
13.4.1
Sekwencyjna symulacja gaussowska (ang.
Sequential Gaussian simulation
)
13.5
Sekwencyjna symulacja danych kodowanych
13.5.1
Sekwencyjna symulacja danych kodowanych (ang.
Sequential indicator simulation
)
14
Źródła wiedzy
14.1
Podstawy R
14.2
Analizy przestrzenne w R
14.3
Geostatystyka
15
Bibliografia
Jakub Nowosad 2016
Geostatystyka w R
14
Źródła wiedzy
14.1
Podstawy R
An Introduction to R
- oficjalne wprowadzenie do R
Przewodnik po pakiecie R
Programowanie w języku R
Statystyczna analiza danych z wykorzystaniem programu R
14.2
Analizy przestrzenne w R
Applied Spatial Dala Analysis with R
CRAN Task View: Analysis of Spatial Data
14.3
Geostatystyka
Praktyczny poradnik - jak szybko zrozumieć i wykorzystać geostatystykę w pracy badawczej
A Practical Guide to Geostatistical Mapping
gstat user’s manual
Applied Geostatistics
Statistics for spatial data
Geostatistics for Natural Resources Evaluation
Geostatistics for Environmental Scientists