将 kernel 密度估计提取到 R 中的新样本点

Question

我有 400 个多边形的空间参考数据（shapefile）和分布在它们上面的点。 我希望根据它包含的点为每个多边形创建一个 kernel 密度估计的栅格。 之后，我想为每个多边形创建一个包含 100 个随机点的样本，其中每个点都有一个空间参考（x 和 y 坐标）和一个 kde 值。 到目前为止，我所做的只是使用“ppp.density”function 创建一个多边形形状的 kde 图像，但是 output 与文档中描述的不同，我不知道是什么格式它是以及如何获取新点样本的 kde 值。

任何帮助将非常感激。

buffer <- st_read(".../.././buffers.shp")
pbb<- st_read(".../.../.././pbb.shp")

 library(spatstat)
 
 for (p in 1:400) {
  if(p %in% pbb$value) {
    poly123<- pbb[pbb$value == p,]
    
    C <- as.owin(buffer$geometry[p])
    point<- ppp(poly123$X,poly123$Y, window = C)
    d <- density(point, kernel = "gaussian")
    plot(d)

kde plot

'密度' output 是这样的：

Answer 1

您正在使用来自spatstat package 的 function density.ppp （不是“ppp.density”）。

如果p是点模式（类ppp ），则D <- density(p)计算未归一化的 kernel 密度估计。 有关解释和示例，请参阅help(density.ppp) 。

结果D是可以打印、绘制和子集化等的像素图像（类im ）。（在您的问题中，您刚刚打印了im object 的内部结构。）

在计算像素图像D之后，如果您想知道D在某些空间位置的值，那么您可以

• 将查询位置变成点模式X ，然后通过values <- D[X]提取这些位置的数值； 或者
• 通过f <- as.function(D)将像素图像转换为 function 然后通过values <- f(x,y)在所需坐标x,y处评估 function 。

如果您想知道原始数据位置p的密度值，那么使用density.ppp的at参数会更快、更准确：

values <- density(p, at="points")

警告：在您的示例（以及上面的示例）中，未指定平滑带宽sigma 。 sigma的默认值可能对您的数据不满意。 请参阅density.ppp的帮助文件和示例。