||
前言
大尺度空间模拟预测和数字制图技术和不确定性分析广泛应用于高分SCI论文之中,号称高分论文密码。大尺度模拟技术可以从不同时空尺度阐明农业生态环境领域的内在机理和时空变化规律,又可以为复杂的机理过程模型大尺度模拟提供技术基础。
一:R语言空间数据及数据挖掘关键技术
1、R语言空间数据及应用特点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语言空间数据挖掘关键技术讲解
二: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
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
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
四: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
五: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
六: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
七:R语言空间制图一【讲解+案例实践】
1、R语言空间做图——plot
2、R语言空间做图——image、levelplot、spplot
八:R语言空间做图二
1、R语言空间做图——ggplot21)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
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-6-23 09:22
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社