Question

尽管进行了在线搜索并咨询了Baddeley和Rubak的《空间点模式：R的方法和应用》，但我仍难以将点模式转换为超帧。我对R和空间统计不熟悉。任何帮助将非常感激！我的情况：我有一个来自GIS的点shapefile和一个多边形shapefile。点shapefile包含x y坐标以及许多分组变量，协变量和响应变量。多边形shapefile包含点所在的绘图坐标，并包含“绘图ID”列。

我需要基于每个绘图内以及绘图间的几个因素来表征和分析点模式。注意：该图是实验单位。基于阅读，我得出结论，超帧是最用户友好的分析方法。例如，这是我如何想象超帧：

PlotID  Point#  X Coord     Y Coord Color   Size    Sex     Weight  Growth
    A   1       514514.5    3372057 Red     Small   Female  10      0.5
    A   2       514484.2    3372062 Red     Medium  Male    14      0.6
    A   3       514517.8    3372017 Red     Large   Female  12      0.6
    B   1       524514.5    3372065 Blue    Small   Male    14      0.4
    B   2       524484.2    3372067 Blue    Small   Male    16      0.3
    B   3       524517.8    3372063 Blue    Large   Male    10      0.35
    C   1       504514.5    3372041 Red     Medium  Female  10      0.7
    C   2       504484.2    3372042 Red     Large   Female  12      0.4
    C   3       504517.8    3372038 Red     Small   Male    16      0.6
    D   1       504517.8    3372038 Blue    Small   Male    10      0.7
    D   2       504517.8    3372038 Blue    Medium  Female  12      0.3
    D   3       504517.8    3372038 Blue    Small   Male    16      0.6

以上超帧可能用于按颜色对点模式进行分组，以分析点模式中的差异。

我通过将单个图及其相关点设置为子图，成功地将shapefile的简化版本转换为超帧。这是代码：

    library(sp)
    library(spatstat)
    library(shapefiles)
    library(maptools)
    library(rgdal)

    x <- readShapeSpatial("Points_subset.shp") #creates a spatial points 
                                               #dataframe
    x.data <- slot(x,"data") #columns of the data frame used as marks 
    p <- readShapeSpatial("Plot_subset") #creates spatial polygons df.  
    w <- as(as(p,"SpatialPolygons"),"owin") #assign the plot boundary as the 
                                            #window of the point pattern
    y <- as(x, "SpatialPoints") #Assign point coordinates as spatial points
    z <- as(y, "ppp") #Convert to class "ppp"
    z <- z[w] #Assign the plot boundary as the window of the ppp
    marks(z) <- x.data #Attach the data.frame of variables to the ppp.
    plot(z) #Correctly produces 1 plot containing all points

但是，当我使用循环对多个绘图应用相同的过程时，超帧仅包含来自单个绘图的信息。这是多个绘图的代码：

    xm <- readShapeSpatial("Points_All.shp")
    xm.data <- slot(xm,"data")
    xn <- levels(unique(xm$PlotID)) #identify all plots

    pm <- readShapeSpatial("Plots_All.shp") 

    for(i in 1:length(xn)) {
    pm2 <- subset(pm, pm$PlotID == xn[i])
    wm2 <- as(as(pm2,"SpatialPolygons"),"owin")#list of polygon windows
    xm2 <- subset(xm, xm$PlotID == xn[i])
    xm2.data <- subset(xm.data, xm.data$PlotID == xn[i])
    ym <- as(xm2, "SpatialPoints")
    zm2 <- as.ppp(coordinates(ym),wm2)
    marks(zm2) <- xm2.data
    unitname(zm) <- c("metre","metres")
    plot(zm2, main=paste(xn[i])) #plots each plot's points with correct 
                                 #window
    }

调查zm2

    str(zm2) # Although all plots print above, "str" shows only the first 
             #plot 
    View(zm2)#Contains only the points of the first plot

转换为超帧

    zm2.hyp <- as.hyperframe(zm2)
    str(zm2.hyp) #as above, contains a row for each point of the first plot.
                 #hyperframe should include points for all plots

如何在超帧中包含所有图？

Answer 1

是的，您需要将数据安排在超帧中进行分析。该超帧的每一行将包含一个实验单位的所有数据，也就是说，超帧的每一行将包含一个点图案，包括其边界多边形。

但是，在您的帖子的第一个显示框中（标题为“作为示例，这里是我想象的超帧”），每一行都包含单个点的数据。那不是你想要的。此框中的数据可以表示为data.frame，而您的首要任务是将其分为包含每个点模式的数据的组。

假设您已经建立了一个data.frame，其中包含在第一个显示的框中绘制的所有数据。称为df。首先，我们根据PlotID变量将该数据帧分为几个数据帧：

dflist <- split(df, PlotID)

结果是一个列表，其每个元素是一个数据框，其中df[[i]]包含第i个点图案的坐标数据。

接下来，您要将这些数据框与相应的边界多边形匹配。假设您已经收集边界多边形作为列表blist，其中blist[[i]]是第i个多边形。为了匹配坐标和边界，

plist <- mapply(as.ppp, X=dflist, W=blist, SIMPLIFY=FALSE)

结果应为点模式列表（所有其他变量，例如Sex，Colour将是附加到这些模式的“标记”）。从此列表中，您可以构建超帧，例如

H <- hyperframe(X=plist)

但是您将需要在超帧中添加更多列以适合有趣的模型。

Answer 2

Adrian Baddeley的答案将我引向了正确的方向，但是在代码生效之前，我的数据框必须重新组织。解决方案：

    #load points shapefile    
    xm <- readShapeSpatial("Points_All.shp")

    #coerce spatialpointdataframe to dataframe
    xm.df <- as.data.frame(xm) 

    #reorder df so X and Y data are the first columns as required for mapply
    xm.df.d <- xm.df[,c(5,6,25,1:4,7:24)]
    #Remove plotlevel data except plotID. Only point level data remains    
    xm.df.d <- xm.df.d[,-c(4,6,7,9,10)]

    #Create list of dataframes with all point data based on Plotnam.
    xm.df.l <- split(xm.df.d, f=xm.df.d$plotID)

    #select plot level data from df. Combine plot level to the hyperframe 
    #later
    plot.df <- xm.df[,c(3,6,9,10)]
    plot.df <- unique(plot.df)
    #check df length same as hyperframe length
    nrow(plot.df)

    #load plot polygons shapefile. Use as windows
    pm <- readShapeSpatial("Plots_All")

    #list of plots based on plotID
    pm.l <- split(pm, pm$plotID)
    #Coerce plots to owin type objects
    pm.l.win <- lapply(pm.l, as.owin)

#A Baddeley, E Rubak, R Turner - 2015 pg 55-56 details the mapply procedure
#Note: procedure will not work unless X and Y coord data are the first 2 
#columns of the df.
    zml <- mapply(as.ppp, X = xm.df.l, W = pm.l.win,SIMPLIFY=FALSE)

    H <- hyperframe(X=zml)

#combine the point pattern of the hyperframe with plot level data
#produces a hyperframe of ppp for each plot, with columns of plot level data 
#such as Vegetation Type for each plot. Data for each point, such as tree 
#height and species, are stored within the $marks 
    Final.hyp <- cbind.hyperframe(H,plot.df)

如何创建一个包含点组的超帧，每个点都带有标记，每个标记都与R中的唯一窗口相关联

2 个答案: