將 kernel 密度估計提取到 R 中的新樣本點

Question

我有 400 個多邊形的空間參考數據（shapefile）和分布在它們上面的點。 我希望根據它包含的點為每個多邊形創建一個 kernel 密度估計的柵格。 之后，我想為每個多邊形創建一個包含 100 個隨機點的樣本，其中每個點都有一個空間參考（x 和 y 坐標）和一個 kde 值。 到目前為止，我所做的只是使用“ppp.density”function 創建一個多邊形形狀的 kde 圖像，但是 output 與文檔中描述的不同，我不知道是什么格式它是以及如何獲取新點樣本的 kde 值。

任何幫助將非常感激。

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 是這樣的：

Answer 1

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

如果p是點模式（類ppp ），則D <- density(p)計算未歸一化的 kernel 密度估計。 有關解釋和示例，請參閱help(density.ppp) 。

結果D是可以打印、繪制和子集化等的像素圖像（類im ）。（在您的問題中，您剛剛打印了im object 的內部結構。）

在計算像素圖像D之后，如果您想知道D在某些空間位置的值，那么您可以

• 將查詢位置變成點模式X ，然后通過values <- D[X]提取這些位置的數值； 或者
• 通過f <- as.function(D)將像素圖像轉換為 function 然后通過values <- f(x,y)在所需坐標x,y處評估 function 。

如果您想知道原始數據位置p的密度值，那么使用density.ppp的at參數會更快、更准確：

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

警告：在您的示例（以及上面的示例）中，未指定平滑帶寬sigma 。 sigma的默認值可能對您的數據不滿意。 請參閱density.ppp的幫助文件和示例。