Konversi data titik ke dalam kerangka data grid untuk analisis histogram menggunakan R?

Saya sangat baru dalam menggunakan data GIS dan hanya sedikit berpengalaman dengan R. Saya telah membaca tentang bagaimana menganalisis data spasial menggunakan buku PDF spatial-analyst.net, jadi saya tidak sepenuhnya hilang, tapi saya pikir saya bisa menggambarkan masalah saya dan orang mungkin menyarankan ide.

Saya memiliki dataset dengan sekitar 2000 pengukuran pada koordinat lat / long yang berbeda, meskipun saya mungkin akan membagi dataset ini karena data dikumpulkan selama 3 tahun dan kondisinya berubah dari waktu ke waktu. Mari kita sebut variabel yang diukur "IP."

Saya ingin membuat peta IP di area penuh yang dipertanyakan menggunakan Kriging atau metode interpolasi lainnya pada data sampel. Lalu saya ingin membuat histogram yang mengukur jumlah lahan di berbagai ember IP. Saya juga perlu membuat histogram yang menunjukkan jumlah sampel dalam setiap ember (perhatikan sampel bisa memiliki IP aktual yang lebih tinggi atau lebih rendah dari apa yang diprediksi kriging untuk lahannya).

Saya mengikuti cara memuat data ke dalam SpatialPointsDataFrame dan menjalankan analisis kriging, di mana saya mengalami masalah adalah bagaimana mengkonversi data itu ke dalam kerangka data yang disambungkan sehingga saya dapat melakukan analisis histogram.

Adakah saran untuk mengubah poin menjadi kisi?

Anda benar ... itu sangat mudah! Paket "raster" memiliki beberapa cara langsung untuk membuat dan memanipulasi raster.

library(maptools)
library(raster)

# Load your point shapefile (with IP values in an IP field):
pts <- readShapePoints("pts.shp")

# Create a raster, give it the same extent as the points
# and define rows and columns:

rast <- raster()
extent(rast) <- extent(pts) # this might be unnecessary
ncol(rast) <- 20 # this is one way of assigning cell size / resolution
nrow(rast) <- 20

# And then ... rasterize it! This creates a grid version 
# of your points using the cells of rast, values from the IP field:
rast2 <- rasterize(pts, rast, pts$IP, fun=mean) 

Anda dapat menetapkan ukuran dan resolusi kisi dalam beberapa cara - lihat dokumentasi paket raster dengan baik.

Nilai sel raster dari rasterize dapat dihitung dengan fungsi - 'rata-rata' dalam contoh di atas. Pastikan Anda memasukkan ini ke dalam: jika tidak, ia hanya menggunakan nilai IP dari titik terakhir !

Dari CSV:

pts <- read.csv("IP.csv")
coordinates(pts) <- ~lon+lat
rast <- raster(ncol = 10, nrow = 10)
extent(rast) <- extent(pts)
rasterize(pts, rast, pts$IP, fun = mean)

Paket plotKML memiliki fungsi yang disebut vect2rast. Fungsi ini pada dasarnya memperluas rasterizefungsi yang tersedia dalam paket raster. Keuntungan dari vect2rast; Namun, adalah bahwa ia tidak memerlukan input dari sisi pengguna yaitu secara otomatis menentukan ukuran sel grid dan kotak pembatas berdasarkan pada properti dari set data input. Ukuran sel kisi diperkirakan berdasarkan kepadatan / ukuran fitur di peta ( nndistfungsi dalam paket spatstat).

library(plotKML)
Rast2 <- vect2rast(pts)

# for large data sets use SAGA GIS:
Rast2 <- vect2rast(pts, method = "SAGA")