空间数据期末试题及答案金百锁 2017 年 5 月 26 日一 (20 分 ) 在 R 工作目录中有一文件 cran.txt, 一共 55 行, 前三行是 : place north east loc long lat Brisbane 27d28 S 153d02 E Australia 15

Size: px

Start display at page:

Download "空间数据期末试题及答案金百锁 2017 年 5 月 26 日一 (20 分 ) 在 R 工作目录中有一文件 cran.txt, 一共 55 行, 前三行是 : place north east loc long lat Brisbane 27d28 S 153d02 E Australia 15"

糊驯巫马
5 years ago
Views:

1 空间数据期末试题及答案金百锁 2017 年 5 月 26 日一 (20 分 ) 在 R 工作目录中有一文件 cran.txt, 一共 55 行, 前三行是 : place north east loc long lat Brisbane 27d28 S 153d02 E Australia Melbourne 37d49 S 144d58 E Australia 求 : 如何把 cran.txt 读到 R 里面, 并转换成 SpatialPointsDataFrame 类, 写出 R 程序, 采用两种方法 > library ( sp ) > CRAN < read. table ( cran. txt, header=true) > CRAN mat < cbind (CRAN$long, CRAN$ l a t ) > llcrs < CRS( +p r o j=l o n g l a t +e l l p s=wgs84 ) > CRAN sp < S p a t i a l P o i n t s (CRAN mat, p r o j 4 s t r i n g=llcrs ) > CRAN spdf1 < SpatialPointsDataFrame (CRAN mat, CRAN df, + p r o j 4 s t r i n g=llcrs, match. ID=TRUE) > CRAN spdf2< CRAN > c o o r d i n a t e s (CRAN spdf2 )< c ( long, l a t ) > p r o j 4 s t r i n g (CRAN spdf2 )< llcrs spdf1 和 spdf2 即为两种得到 SpatialPointsDataFrame 类的不同方法二 (10 分 ) 有三个 shapefile 文件在 R 工作目录中 : spsrc.dbf, spsrc.shp, spsrc.shx 1

2 求 : 如何把这三个文件读入 R 中, 已知该矢量图为中国地区投影, 请选择合适的坐标系, 写出 R 程序 > library ( r g d a l ) > s p s r c< readogr(., s p s r c ) > p r o j 4 s t r i n g ( s p s r c )< CRS( +i n i t=epsg :4490 ) 三 (10 分 ) 全局 Moran s I, 在原假设无空间自相关条件下期望为 -1/(n- 1) 请举例验证其期望是正确的令 ω ij = 1, i j, ω ii = 0, i = 1,..., n. 0 = ( i=1 (y i ȳ)) 2 = i=1 (y i ȳ) 2 + i=1 j=1 ω ij(y i ȳ)(y j ȳ). 因此 I = i=1 n j=1 w ij i=1 j=1 w ij(y i ȳ)(y j ȳ) i=1 (y i ȳ) 2 n = n(n 1) = 1 n 1 四 (20 分 ) 假设需要的数据都在 R 工作目录中, 且需要的 packages 都已安装, 画出书中图 9.12, 但只有两点不同,1:NY8 的近邻为 rook 相邻, 2: 空间权重的模式为 W 求 :1) 写出 R 程序, 且注释程序代码的含义,2) 解释图中 HL, LH, HH 的含义 > library ( r g d a l ) > NY8 < readogr(., NY8 utm18 ) > library ( spdep ) > NY8 nb< poly2nb (NY8, queen=false) > NY8 nb W < nb2listw (NY8 nb ) > library ( RColorBrewer ) > oopar < par ( mfrow=c ( 1, 2 ) ) > msp < moran. plot (NY8$Cases, l i s t w=nb2listw (NY8 nb ), q u i e t=true) > t i t l e ( Moran s c a t t e r p l o t ) > i n f l < apply (msp$ i s. i n f, 1, any) 2

3 > x < NY8$Cases > lhx < cut ( x, breaks=c (min( x ), mean( x ), max( x ) ), + labels=c ( L, H ), i n c l u d e. lowest=true) > lhwx < cut (wx, breaks=c (min(wx), mean(wx), max(wx ) ), + labels=c ( L, H ), i n c l u d e. lowest=true) > l h l h < interaction ( lhx, lhwx, i n f l, drop=true) > c o l s < rep (1, length ( l h l h ) ) > c o l s [ l h l h == H. L.TRUE ] < 2 > c o l s [ l h l h == L.H.TRUE ] < 3 > c o l s [ l h l h == H.H.TRUE ] < 4 > plot (NY8, col=brewer. pal (4, Accent ) [ c o l s ] ) > legend ( t o p r i g h t, legend=c ( None, HL, LH, HH ), + f i l l =brewer. pal (4, Accent ), bty= n, cex =0.8, y. i n t e r s p =0.8) > t i t l e ( Tracts with i n f l u e n c e ) > par ( oopar ) 虚线把图形分成四个区域 HL,LH,HH 代表三个区域的异常值, 第一个字母代表 NY8 中 Cases 数据 (X 轴 ) 高 H 低 L, 第二字母个代表空间滞后 (Y 轴 ) 高 H 低 L, 最后一个隐藏的 TRUE 代表 Moran 异常值 (infinity 是 TURE) 五 (10 分 ) 书中 10.4 节, 假设我们已经通过程序获得空间滞后模型的估计 nylag(p261 页 ),Durbin 模型的估计 nymix, 以及空间误差模型的估计 nyerr(p262 页 ) 求: 写出 R 程序, 在同一张图中画出三个估计的残差图 ( 类似图 10.1 和图 10.2) >library ( RColorBrewer ) >gry < c ( rev ( brewer. pal (6, Reds ) [ 1 : 4 ] ), + colorramppalette ( brewer. pal (5, Blues ) ) ( 9 ) ) >NY8$ s a r< residuals ( nylag ) 3

4 >NY8$dubin< residuals ( nylag ) >NY8$ s e r< residuals ( nyerr ) >s p p l o t (NY8, c ( s a r, dubin, s e r ), col=gry, lwd =0.5) 六 (30 分 ) 假设需要的数据都在 R 工作目录中, 且需要的 packages 都已安装, 如果在 Mesuse 河堤的锌浓度数据中 ( 第 8 章 ), 泛克里金普通克里金和简单克里金中的变异函数都选择为高斯的 (Gau) 求 :1)8.5.1 节中的 lz.sk,lz.ok,lz.uk 程序如何修改, 写出 R 程序且注释程序代码的含义 2) 在同一张图中画出三个插值的预测图, 写出 R 程序 3) 如何比较三个插值的好坏, 写出 R 程序 > library ( sp ) > data ( meuse ) > c o o r d i n a t e s ( meuse ) < c ( x, y ) > data ( meuse. grid ) > c o o r d i n a t e s ( meuse. grid ) < c ( x, y ) > meuse. grid < as ( meuse. grid, SpatialPixelsDataFrame ) > library ( g s t a t ) > v < variogram ( log ( z i n c ) 1, meuse ) > v. f i t < f i t. variogram ( v, vgm(1, Gau, 800, 1 ) ) > f < log ( z i n c ) sqrt ( d i s t ) > vt < variogram ( f, meuse ) > vt. f i t < f i t. variogram ( vt, vgm(1, Gau, 300, 1 ) ) > l z. sk < k r i g e ( log ( z i n c ) 1, meuse, meuse. grid, v. f i t, beta = 5. 9 ) [ using simple k r i g i n g ] > l z. ok < k r i g e ( log ( z i n c ) 1, meuse, meuse. grid, v. f i t ) [ using ordinary k r i g i n g ] > l z. uk < k r i g e ( log ( z i n c ) sqrt ( d i s t ), meuse, meuse. grid, vt. f i t ) 4

5 [ using u n i v e r s a l k r i g i n g ] > meuse. grid$sk< l z. sk$var1. pred > meuse. grid$ok< l z. ok$ var1. pred > meuse. grid$uk< l z. uk$ var1. pred > require ( RColorBrewer ) > require ( l a t t i c e ) > pal = function ( n = 9) brewer. pal (n, Reds ) > s p p l o t ( meuse. grid, c ( sk, ok, uk ), col. r e g i o n s=pal ( 7 ), cuts =6) > s e l < sample ( 1 : 1 5 5, 100) > m. model < meuse [ sel100, ] > m. v a l i d < meuse[ sel100, ] > v100. f i t < f i t. variogram ( variogram ( log ( z i n c ) 1, m. model ), + vgm(1, Gau, 800, 1 ) ) > vt100. f i t< f i t. variogram ( variogram ( log ( z i n c ) sqrt ( d i s t ), + m. model ), vgm(1, Gau, 300, 1 ) ) > resid. sk < log (m. v a l i d $ z i n c ) m. v a l i d. sk. pr$var1. pred > resid. ok < log (m. v a l i d $ z i n c ) m. v a l i d. ok. pr$var1. pred > resid. uk < log (m. v a l i d $ z i n c ) m. v a l i d. uk. pr$var1. pred > R2. sk < 1 sum( resid. sk ˆ2)/sum( resid.meanˆ2) > R2. ok< 1 sum( resid. ok ˆ2)/sum( resid.meanˆ2) > R2. uk< 1 sum( resid. uk ˆ2)/sum( resid.meanˆ2) > c (R2. sk, R2. ok, R2. uk ) [ 1 ]

上海市本科教学质量年度报告

上海市本科教学质量年度报告上海市本科教学质量年度报告数据内涵说明 V2.0 版上海市教委高教处上海喆思 (2015.07.02) 目录一基本统计挃标说明... 4 二挃标解释... 4 1. 全日制在校本科生数及占在校生总数的比例 ( 学年 )... 4 2. 当年本科招生与业总数

空间数据期末试题及答案 金百锁 2017 年 5 月 26 日 一 (20 分 ) 在 R 工作目录中有一文件 cran.txt, 一共 55 行, 前三行是 : place north east loc long lat Brisbane 27d28 S 153d02 E Australia 15

空间数据期末试题及答案金百锁 2017 年 5 月 26 日一 (20 分 ) 在 R 工作目录中有一文件 cran.txt, 一共 55 行, 前三行是 : place north east loc long lat Brisbane 27d28 S 153d02 E Australia 15