白话空间统计二十一：密度分析（六）R语言实现

  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()