R语言空间数据介绍及数据挖掘关键技术

1、R语言空间数据讲解及应用特点

1) R语言基础与数据科学

2) R空间矢量数据

3) R栅格数据

2、R语言空间数据挖掘

R语言空间数据高级处理技术
 

1、R语言空间矢量数据处理（sp、sf）

1） 点、线、面数据

2） 空间矢量数据的坐标系定义、转换

3） 空间矢量数据的裁剪、相交与合并

4） 空间矢量数据的数值计算

2、R语言栅格数据处理（raster、terra）

1） 栅格数据的生成与数据管理

2） 栅格数据的坐标系转换

3） 栅格数据的裁剪、相交与拼接

4） 栅格数据的数值计算

3、R语言栅格数据与矢量数据的相互转换

R语言多维时空数据处理技术、数据清洗整合和时间序列分析

1、R语言多维时空数据的批量处理

1) NetCDF、GeoTIFF、HDF、IMG、DWG、DEM等多维时空数据的读取、处理与导出

2) 多维空间数据的管理和批量处理

2、R语言时空数据清洗和整合

1) 时空大数据缺失值、重复值、异常值处理

2) 时空大数据插补方法

3) 近似采样方法，双线性插值法、最大近邻法等

3、大尺度高分辨率栅格数据的时间序列分析

1) 栅格尺度时间序列分析

2) 栅格尺度多时空回归方程构建

3) 栅格尺度趋势分析和突变检验

4) 栅格尺度时间自相似性和长期依赖性分析

案例一：全球气象栅格数据的提取、裁剪、重采样和输出

案例二：全球MODIS遥感数据产品的时间趋势分析

案例三：全球和中国土壤数据的分层处理和数据插补

案例四：浙江省高分辨率植被动态变化的时间趋势分析

R语言地统计与空间自相关、空间插值方法

1、地统计与空间自相关

1) 地理学三大定律

2) 空间自相关和地理加权回归

3) 地统计与空间模型

2、空间插值方法

1) R语言反距离权重插值

2) 不同克里金方法比较

3) R语言克里金插值与半方差函数

4) R语言薄盘样条插值

案例一：全国尺度空间自相关计算和地理加权回归模型的构建

案例二：不同空间插值方法、不同空间模型的比较

案例三：基于不同插值方法的全国与区域气象数据降尺度处理

R语言机器学习与空间模型预测及不确定性评估

1、基于R语言机器学习的大尺度空间模拟与预测技术

1) 机器学习模型的构建（数据标准化、数据分割、超参数优化）

2) 环境变量的筛选和特征工程

3) 地形数据的计算

4) 机器学习大尺度空间模拟预测

5) 机器学习模型的空间交叉验证和自相关分析

6) 机器学习的空间外推的可靠性评估

案例一：R语言高层数据与地形数据的计算和提取

案例二：使用机器学习对空间数据进行聚类

案例三：利用环境变量数据构建贝叶斯模型和机器学习模型进行空间预测

R语言空间尺度转换技术及机器学习方法应用

1、 空间升、降尺度技术

2、 多种机器学习模型空间模拟集成技术

3、 使用多种机器学习进行空间降尺度

4、 如何进行空间模拟的残差订正

案例：利用六种机器学习集成对温度、降水和辐射数据进行空间降尺度

R语言空间制图一

1、R语言空间做图——plot

2、R语言空间做图——image、levelplot、spplot

R语言空间做图二

1、R语言空间做图——ggplot2

1) R语言sp空间数据和sf空间数据的转换和灵活使用

2) 使用ggplot2对sf数据继续空间制图

2、R语言空间专题图——tmap、leaflet