¿Determinar las relaciones estadísticas entre los rásteres utilizando R frente a ArcGIS Desktop?

Question

Estoy intentando analizar cómo se relacionan los conjuntos de rásters entre sí utilizando algunas técnicas estadísticas. Como, no tengo mucha experiencia en el uso de las herramientas de estadística espacial en ArcGIS Estaba exportando mis rasters como Ascii y analizándolos mediante R (específicamente el maptools paquete, y readAsciiGrid() ). Esto ha funcionado bien (pero como los conjuntos de datos tienen 90.000 puntos es lento ejecutar el análisis), pero no sé si estoy recreando en R La funcionalidad existente en ArcGIS .

Por ejemplo, quiero realizar regresiones entre cada uno de estos rásteres utilizando algunas transformaciones diferentes (logarítmica, exponencial, etc.). ¿Se puede hacer esto dentro de ArcGIS ? Una segunda pregunta más amplia es si existen métodos estadísticos estándar para examinar este tipo de datos.

Cada par de rásteres tiene valores de datos/sin datos que coinciden y todos los parámetros son idénticos, aparte del valor de la celda de cuadrícula.

Answer 1

Yo me quedaría con R. Si la velocidad es realmente un problema (lo dudo, 90.000 no es un número tan grande) podrías intentar encontrar relaciones entre un subconjunto de tus datos. En realidad, lo primero que haría es hacer un gráfico para buscar relaciones obvias.

Aunque arcgis contenga herramientas para comparar rásters, R siempre le dará muchas más herramientas estadísticas.

Por ejemplo:

library(rgdal)
map1<-readGDAL('file.asc')
map2<-readGDAL('file2.asc')
samplenr<-sample(length(map1$band1), 1000)
smallset<-data.frame(map1=map1$band1[samplenr],map2=map2$band1[samplenr])
plot(smallset)
lm(map2~map1, smallset)
...

En realidad, debería añadir que a menudo es más correcto trabajar con un subconjunto de datos que con el conjunto de datos completo. En muchos casos, las celdas de la cuadrícula no son independientes de las celdas de datos que las rodean, lo que dará lugar a valores p demasiado optimistas para, por ejemplo, los ajustes de regresión (encontrará más información si busca en declustering).

Answer 2

Mira en el R paquete rasterizado Se diseñó pensando en este tipo específico de problemas. Intenta mantener la menor cantidad posible de trama en la memoria, y realiza una serie de operaciones espaciales básicas - a través de GDAL puede manejar archivos de cuadrícula nativos de ESRI, entre muchos otros formatos. La viñeta proporciona algunos buenos ejemplos de su uso.

Answer 3

Acabo de leer sobre un ArcGIS 10 paquete que es un plugin de R. No he tenido la oportunidad de explorarlo completamente, pero podría ser posible modificar esto para hacer lo que describo arriba.