第一部分R的空间数据处理 1
第1章 空间数据介绍 1
1.1空间数据分析 1
1.2为什么要用R 2
1.2.1概述 2
1.2.2为什么使用R进行空间数据分析 3
1.3 R和GIS 5
1.3.1什么是GIS 5
1.3.2面向服务的架构 5
1.3.3进一步了解GIS 5
1.4空间数据的类型 6
1.5存储和显示 10
1.6空间数据分析应用 11
1.7 R空间资源 13
1.7.1在线资源 13
1.7.2本书的结构 14
第2章R的空间数据类 17
2.1概述 17
2.2 R中的类和方法 18
2.3 Spatial对象 22
2.4 SpatialPoints类 24
2.4.1方法 25
2.4.2空间点数据的数据框 27
2.5 SpatialLines类 31
2.6 SpatialPolygons类 35
2.6.1 SpatialPolygons DataFrame对象 37
2.6.2孔和环方向 39
2.7 SpatialGrid和SpatialPixel对象 40
第3章 空间数据可视化 47
3.1传统绘图系统 47
3.1.1绘制点、线、多边形和网格 47
3.1.2坐标轴和布局元素 50
3.1.3坐标轴标签和参考网格中的度 53
3.1.4绘图尺寸、绘图区域、地图比例以及多图绘制 54
3.1.5绘图属性和地图图例 56
3.2使用spplot的Trellis/Lattice绘制 57
3.2.1一个直观的Trellis示例 58
3.2.2绘制点、线、面和网格 59
3.2.3对图添加参考物和布局元素 61
3.2.4安排面板布局 63
3.3绘图交互 63
3.3.1基本图形的交互 63
3.3.2 sp plot和lattice的绘图交互 65
3.4彩色调色板和类区间 66
3.4.1彩色调色板 66
3.4.2类区间 66
第4章 空间数据导入／导出 70
4.1坐标参考系 71
4.1.1使用EPSG清单 72
4.1.2 PROJ.4 CRS规范 72
4.1.3投影和坐标转换 73
4.1.4度、分和秒 75
4.2矢量文件格式 76
4.2.1使用rgdal包中的OGR驱动程序 77
4.2.2其他的导入／导出函数 81
4.3栅格文件格式 81
4.3.1使用rgdal包中的GDAL驱动 81
4.3.2编写一个Google Earth影像覆盖 84
4.4 GRASS 86
百老街霍乱数据 91
4.5其他的导入／导出接口 94
4.5.1分析和可视化应用 94
4.5.2 Terra Lib和aRT 95
4.5.3其他GIS和Web地图系统 96
4.6安装rgdal包 97
第5章 空间数据处理高级方法 99
5.1支撑 99
5.2叠置 102
5.3空间取样 104
5.4拓扑检查 106
5.4.1多边形合并 108
5.4.2孔状态检查 109
5.5组合空间数据 110
5.5.1组合位置数据 110
5.5.2组合属性数据 110
5.6辅助函数 112
第6章 定制空间数据类和方法 117
6.1使用类和方法编程 117
6.1.1 S3型类和方法 118
6.1.2 S4型类和方法 119
6.2程序包trip中的动物足迹数据 120
6.2.1通用函数和构造函数 121
6.2.2 trip对象的方法 122
6.3多点数据：空间多重点 123
6.4六边形网格 125
6.5时-空网格 128
6.6蒙特卡洛模拟的空间分析 132
6.7大型网格的处理 134
第二部分 空间数据分析 136
第7章 空间点模式分析 136
7.1概述 136
7.2空间点模式分析包 137
7.3点模式的初步分析 140
7.3.1完全空间随机模式 140
7.3.2 G函数：最近邻事件距离 141
7.3.3 F函数：一个点到其最邻近事件的距离 143
7.4空间点过程的统计分析 144
7.4.1同质泊松过程 145
7.4.2非同质泊松过程 145
7.4.3强度的估计 145
7.4.4非同质泊松过程的似然 149
7.4.5二阶特性 151
7.4.6非同质的K函数 152
7.5在空间流行病中的一些应用 153
7.5.1病例控制研究 153
7.5.2二元回归估计 158
7.5.3使用广义加模型的二元回归 159
7.5.4点源污染 161
7.5.5空间聚集的评估 163
7.5.6混杂变量和协变量的解释 165
7.6点模式分析更进一步的方法 168
第8章 插值与地统计 170
8.1概述 170
8.2探索性数据分析 171
8.3非地统计学插值方法 172
8.3.1反距离加权插值 172
8.3.2线性回归 173
8.4空间相关性估计：变异函数 174
8.4.1探索性变异函数分析 175
8.4.2截距、间隔宽度、方向依赖性 178
8.4.3变异函数模型 179
8.4.4各向异性 183
8.4.5多变量变异函数模型 184
8.4.6残差变异函数模型 186
8.5空间预测 187
8.5.1泛克里金、普通克里金和简单克里金法 188
8.5.2多变量预测：协同克里金法 189
8.5.3同位协同克里金法 190
8.5.4协同克里金法对比 191
8.5.5局部邻域的克里金法 191
8.5.6块克里金法 192
8.5.7区域划分 193
8.5.8趋势函数和它们的系数 194
8.5.9应变量的非线性变换 195
8.5.10奇异矩阵错误 197
8.6模型诊断 198
8.6.1交叉验证残差 199
8.6.2交叉验证的z-score 201
8.6.3多变量交叉验证 201
8.6.4交叉验证的局限性 202
8.7地统计模拟 203
8.7.1序贯模拟 203
8.7.2非线性空间聚集和块均值 205
8.7.3多变量和指示模拟 206
8.8基于模型的地统计和贝叶斯方法 207
8.9监测网络优化 207
8.10其他用于插值和地统计的R语言包 209
8.10.1非地统计插值 209
8.10.2 spatial包 209
8.10.3 RandomFields包 209
8.10.4 geoR包和geoRglm包 211
8.10.5 fields包 211
第9章 面数据和空间自相关 212
9.1概述 212
9.2空间邻域 214
9.2.1邻居对象 215
9.2.2创建近邻域 217
9.2.3创建基于图的近邻 219
9.2.4基于距离的近邻 220
9.2.5高阶近邻 223
9.2.6网格近邻 224
9.3空间权重 225
9.3.1空间权重模式 225
9.3.2一般空间权重 227
9.3.3空间近邻与权重的导入、导出和转化 229
9.3.4使用权重模拟空间自相关 230
9.3.5操作空间权重 231
9.4空间自相关检验 232
9.4.1全局检验 234
9.4.2局部检验 240
第10章 面数据建模 246
10.1概述 246
10.2空间统计方法 246
10.2.1同步自回归（SAR）模型 249
10.2.2条件自回归（CAR）模型 253
10.2.3拟合空间回归模型 255
10.3混合效应模型 257
10.4空间计量经济学方法 259
10.5其他方法 265
10.5.1 GAM、 GEE、GLMM 265
10.5.2 Moran特征 269
10.5.3地理加权回归 272
第11章 疾病制图 276
11.1简介 277
11.2统计模型 278
11.2.1 Poisson-Gamma模型 280
11.2.2 Log-Normal模型 282
11.2.3 Marshall全局EB估计器 283
11.3空间结构统计模型 285
11.4贝叶斯层次模型 286
11.4.1再探Poisson-Gamma模型 287
11.4.2空间模型 291
11.5疾病聚集探测 298
11.5.1相对风险的同质性检验 299
11.5.2空间自相关的Moran’s I检验 301
11.5.3一般聚集的Tango’s检验 301
11.5.4聚集位置探测 302
11.5.5地理分析机 303
11.5.6 Kulldorfft统计 304
11.5.7局部聚集的Stone的测试 305
11.6疾病制图的其他主题 306
结语 307
参考文献 311