CRAN 任务视图：处理和分析时空数据

本任务视图旨在介绍对时空数据分析有用的 R 包。

如果发现任何不准确或缺失的信息，请发送电子邮件给维护者，或在上面链接的 GitHub 存储库中提交问题或拉取请求。

以下人员为本任务视图做出了贡献：Roger Bivand、Achim Zeileis、Michael Sumner、Ping Yang。

虽然有人可能会争辩说所有数据都是时空数据，因为它们必须在某个地方和某个时间点被采集，但在许多情况下，观测的空间位置或时间没有被记录，并且与研究目的无关。在这里，我们将讨论观测位置和时间都被记录下来，并且与数据分析相关的案例。 Spatial 和 TimeSeries 任务视图分别阐述了空间和时间数据的处理和分析。

数据表示

• 长表格： 在某些情况下，时空数据可以保存在表格中（data.frame 对象），其中经度、纬度和时间作为三个列，或者位置或区域的标识符和时间作为列。例如，plm 包中用于线性面板模型的数据集对观测单元进行了重复观测，其中这些单元通常通过索引引用空间区域（国家、州）。该索引（名称或数字）可以与对应区域的空间坐标（多边形）匹配，Pebesma (2012, Journal of Statistical Software) 给出了一个例子。由于这些数据集通常包含多个属性，为了将数据保存在二维表格中，选择了一种长表格形式，其中每条记录包含观测单元的索引、观测时间和所有属性。
• 时间宽表格： 当考虑单个属性时，另一种布局是时间宽表格，其中每个观测单元形成一条记录，每列代表一个观测时间。 googleVis 允许您以类似于 gapminder 的方式分析此类数据（参见链接）。
• 空间宽表格： 空间宽表格的一个例子是爱尔兰风力数据集，该数据集可以通过 gstat 包中的 data(wind) 获取。它具有时间序列作为不同的列，每列代表一个位置（气象站）。spacetime 包中的 stConstruct 函数接受长表格、时间宽表格或空间宽表格中的数据。

• 通用类： spacetime 包提供了用于时空数据的正式类，它提供了用于完整时空网格（每个观测单元在每个观测时间都包含一个观测值）、稀疏时空网格（规则但非完整网格）、不规则时空数据（每个观测单元在自己的时间被观测）的 S4 类，并且对轨迹数据提供有限的支持。 spacetime 类在空间和时间组件的槽中具有 sp 和 xts 对象，并且可以处理所有空间类（点、线、多边形、网格）sp，规则和不规则时间序列，并扩展了这两个包的强大方法（选择、聚合、绘图强制）。stars 包取代了 spacetime 用于完整时空网格；sftime 包取代了它的不规则时空数据，尽管 sf 包中的 sf 对象也可以做到这一点。 cubble 包提供了一种替代方案，可以将时空数据透视到空间（嵌套）形式和时间（长）形式，以表示完整的时空网格和稀疏时空网格。
  
• 专用类： 为以下内容提供专用类
  • 数据立方体： stars 包提供了创建、分析和可视化栅格和矢量数据立方体的方法，具有任意维度的数组数据，其中一些维度指的是空间（栅格、矢量）和/或时间
  • 网格/栅格数据： raster 包及其继任者 terra 处理一组栅格（称为砖块或堆栈），并且一组可能反映一个时间序列；这两个包还处理矢量数据
  • 格子数据： surveillance 包提供了一个 sts 类，它包含一个 SpatialPolygonsDataFrame 槽用于区域，以及数值槽来定义一个规则时间序列（没有时间对象，例如 POSIXct）。
  • 点模式： spatstat 包提供了一个 ppx 类，它处理空间和时间坐标。上面提到的点模式类都不支持空间或显式时间参考系统。
  • 轨迹数据： 另请参见专用任务视图 Tracking；adehabitatLT 包提供了一个 ltraj 类用于轨迹，以及分析它们的方法；move 和 trip 包都扩展了基于 sp 的轨迹类。一篇关于 整理风暴轨迹 的博客文章指出了嵌套数据框以及 sf 包的几何列表列如何用于建模轨迹集，以及在集级别和单个修正级别可视化属性。

分析数据

• 地统计数据
  • gstat 提供克里格法、矩法变异函数估计和模型拟合，适用于有限范围的时空模型。
  • IDE 提供使用积分差分方程对时空数据进行建模的功能。
  • the spTimer 包能够使用贝叶斯高斯过程 (GP) 模型、贝叶斯自回归 (AR) 模型和基于贝叶斯高斯预测过程 (GPP) 的 AR 模型，对大量时空数据进行拟合、空间预测和时间预测。
  • spBayes 提供用于拟合贝叶斯动态时空回归模型的功能，适用于将空间视为连续但将时间视为离散的设置。
  • 存档的 Stem 提供了使用 EM 算法估计时空模型参数、使用时空参数自举估计参数标准误差、空间映射。
  • pastecs 是一个用于时空序列的调节、分解和分析的包。
  • STMedianPolish (已存档) 分析时空数据，将 n 维数组中的数据分解，并使用中位数抛光技术。
  • R-Forge 包 spcopula 提供了一个框架，用于通过 copulas 分析时空包格式提供的空间和时空数据。此外，还实现了对计算不同多元重现期的支持。
  • solaR 是一个用于计算太阳辐射和光伏系统性能的包。
  • nlme 和 lme4 包含用于拟合线性混合模型的函数，并具有对空间和/或时间效应进行建模的功能。
  • mlr3spatiotempcv 提供时空重采样方法；它扩展了 mlr3 ML 框架，并使用时空重采样方法来解释预测变量中时空自相关的存在。
  • sdmTMB 使用“TMB”、“INLA”和 SPDE 对高斯随机场的近似，实现空间和时空预测过程广义线性混合效应模型。
    
• 点模式
  • splancs 提供用于空间和时空点模式分析的方法（khat、kernel3d、可视化）。
  • ptproc (非 CRAN) 提供用于时空（“多维”）点过程的方法和类。
• 格点数据
  • surveillance 提供流行病现象的时空建模和监测。
  • plm 拟合线性面板模型。
  • splm 提供空间面板数据的计量经济模型的估计和诊断测试。
  • sphet 拟合具有异方差创新的空间模型。
  • nlme 和 lme4 包含用于拟合线性混合模型的函数，并具有对空间和/或时间效应进行建模的功能。
  • CARBayesST 实现了一类用于区域单元数据的时空广义线性混合模型，在贝叶斯设置中使用马尔可夫链蒙特卡罗 (McMC) 模拟进行推断。
  • gapfill 提供工具来填充卫星数据中的缺失值，并开发新的填补算法。这些方法专门针对在时间上等间距的点观察到的数据（图像）。该软件包以 MODIS NDVI 数据为例进行说明。
• 移动物体，轨迹 请参阅专门的任务视图 Tracking
  • CRAN 上有大量（74 多个）且不断增长的跟踪、轨迹、移动和相关软件包。由 Loo 等人 (2018) 撰写的综述论文提供了一份指南，总结了许多可用的软件包及其功能。
  • adehabitatLT 一套用于分析动物运动的工具。
  • anipaths 使用基于样条的插值对观察到的轨迹进行动画处理。旨在用于探索性数据分析，也许还用于准备演示文稿。
  • bcpa 行为变化点分析 (BCPA) 是一种识别时间序列基础参数中隐藏变化的方法，专门开发用于应用于不规则采样的动物运动数据。该方法基于：E. Gurarie、R. Andrews 和 K. Laidre 识别动物运动数据中行为变化的新方法 (2009) 生态学快报 12:5 395-408。
  • bsam 工具，用于将贝叶斯状态空间模型拟合到动物跟踪数据。模型适用于位置过滤、位置过滤和行为状态估计，以及它们的层次版本。这些模型主要用于拟合 ARGOS 卫星跟踪数据，但可以选择拟合其他跟踪数据类型。对于全球定位系统数据，请考虑使用“moveHMM”软件包。提供了简化的马尔可夫链蒙特卡罗收敛诊断绘图，但鼓励用户探索“coda”和“boa”等软件包中提供的工具。
  • caribou 这是一个软件包，用于根据无线电遥测监测的大规模聚集来估计迁徙驯鹿群的种群规模。它实现了 Rivest 等人 (1998) 关于驯鹿丰度估计的文章中发现的方法。它还包括一个基于林肯-彼得森指数的函数，该函数由 White 和 Garrott (1990) 应用于无线电遥测数据。
  • crawl 使用时间索引协变量拟合动物遥测数据的连续时间相关随机游走模型。该模型使用卡尔曼滤波器在连续时间随机运动过程的状态空间版本上进行拟合。
  • ctmcmove 软件用于将 xyt 格式的运动数据与连续时间马尔可夫链 (CTMC) 框架内的栅格协变量配对。如 Hanks 等人 (2015) 所述，这允许对响应协变量（或协变量梯度）的运动进行灵活建模，模型拟合可以在泊松 GLM 框架内进行。
  • ctmm 用于识别、拟合和将连续空间、连续时间随机运动模型应用于动物跟踪数据的函数。
  • EMbC 无监督、多元、二元聚类，用于对数据进行有意义的标注，同时考虑数据中的不确定性。运动生态学中轨迹分析的特定构造函数根据估计的局部速度和转向角测量值生成轨迹的行为标注，最终使用太阳位置协变量作为白天指标（“用于行为标注的期望最大化二元聚类”）。
  • eyelinker Eyelink 眼动仪输出一团糟，通常以“.asc”文件的形式出现。该文件是一个消息、事件和原始数据的集合。此 R 包将尝试对其进行整理。
  • aniMotum 拟合连续时间随机游走和相关随机游走状态空间模型，以过滤 Argos 卫星定位数据。模板模型构建器（“TMB”）用于快速估计。Argos 数据可以是：（较旧的）基于最小二乘法的定位；（较新的）基于卡尔曼滤波器的定位，带有误差椭圆信息；或两者的混合。对这两种数据类型使用单独的测量模型。这些模型估计两组位置状态，分别对应于：1) 每个观测值，它们通常是不规则定时的；以及 2) 用户指定的时段（规则或不规则）。
  • marcher 一套用于动物运动数据的基于似然的估计、模型选择和检验的工具，用于检验 Gurarie 等人 (2017) 描述的二维和三维范围转移和迁移模型。提供运动数据 (X、Y 和时间)，包括不规则采样数据，函数估计一个或两个范围转移的时间、持续时间和位置，以及运动的范围区域和自相关结构。检验评估例如转移是否“显著”，以及两个转移迁移是否为真正的返回迁移。
  • mdftracks “MTrackJ” 是一个用于运动跟踪和分析的 “ImageJ” 插件。此包读取和写入 “MTrackJ 数据文件” (“.mdf”)。它支持 2D 数据并读取/写入集群、点和通道信息。如果需要，生成在集群中唯一的轨迹标识符。有关更多信息和示例，请参见项目页面。
  • momentuHMM 使用广义隐马尔可夫模型分析遥测数据的扩展工具。momentuHMM (发音为“momentum”) 的功能包括数据预处理和可视化、将 HMM 拟合到位置和辅助生物遥测或环境数据、有偏和相关的随机游走运动模型、用于合并位置测量误差和缺失数据的多次插补、用户指定的用于参数协变量建模的设计矩阵和约束、状态过程的解码、拟合模型的可视化、模型检查和选择以及模拟。参见 McClintock 和 Michelot (2018)。
  • mousetrap 鼠标跟踪，即分析计算机实验中的鼠标移动，是一种在认知科学中越来越流行的方法。mousetrap 包提供用于导入、预处理、分析、聚合和可视化鼠标跟踪数据的函数。
  • move 包含用于访问存储在 “movebank.org” 中的运动数据的函数，以及用于可视化和统计分析动物运动数据的工具，其中包括用于计算动态布朗桥运动模型的函数。Move 有助于解决运动生态学问题。
  • movecost 提供了使用多种与人类运动相关的成本函数计算非各向同性累积成本面和最小成本路径的功能，这些函数可以由用户选择。它只需要一个数字地形模型、一个起点位置和（可选）目的地位置。
  • moveHMM 提供使用隐马尔可夫模型进行动物运动建模的工具。这些工具包括跟踪数据的处理、将隐马尔可夫模型拟合到运动数据、数据的可视化和拟合模型、状态过程的解码。
  • moveVis 用于可视化运动数据（例如 GPS 跟踪）和环境数据的时间变化（例如 遥感）的工具，通过创建视频动画。
  • moveWindSpeed 使用最大似然方法从单个跟踪鸟类的轨迹估计风速。
  • oce 支持海洋数据分析，包括“ADCP”测量、“argo”浮标测量、“CTD”测量、断面数据、海平面时间序列、海岸线和地形数据等。提供专门的功能来计算海水特性，例如“UNESCO”或“TEOS-10”状态方程中的势温。生成符合海洋学文献惯例的图形显示。此包在 Dan Kelley 的《使用 R 进行海洋学分析》一书中进行了广泛讨论，该书于 2018 年由“Springer-Verlag”出版，ISBN 为 978-1-4939-8842-6。
  • rerddapXtracto 包含三个函数，用于从任何“ERDDAP”数据 Web 服务访问环境数据。rxtracto() 函数沿给定点周围“半径”的轨迹提取数据。rxtracto_3D() 函数在框中提取数据。rxtractogon() 函数在多边形中提取数据。所有这三个函数都使用“rerddap”包来提取数据，并且应该适用于任何“ERDDAP”服务器。还有两个函数，plotBBox() 和 plotTrack()，它们使用“plotdap”包来简化数据地图的创建。
  • riverdist 读取河流网络形状文件并计算网络距离。还包括为渔业遥测研究设计的各种计算和图形工具，例如最小活动范围、核密度估计和使用具有引导包络的经验 k 函数的聚类分析。还提供了用于编辑河流网络的工具，这意味着不依赖于外部软件。
  • SimilarityMeasures 用于运行和辅助四种不同相似性度量的函数。包含的相似性度量是：最长公共子序列 (LCSS)、弗雷歇距离、编辑距离和动态时间规整 (DTW)。所有这些相似性度量都可以从两个 n 维轨迹计算，两者都以矩阵形式。
  • SiMRiv 提供函数来生成和分析河流中空间显式个体为基础的多状态运动，包括异质和同质空间。这是通过将景观偏差纳入基于阻力栅格的局部行为来实现的。虽然最初设想和设计用于模拟受限于线性栖息地/树状生态网络（例如河流网络）的物种轨迹，但模拟算法具有高度灵活的结构，可以应用于任何（水生、半水生或陆生）生物，无论其移动的景观如何。因此，用户可以使用该软件包来模拟同质景观、异质景观（例如主要沿河流移动但也会使用基质的半水生动物）甚至高度对比的景观（例如河流网络中的鱼类）中的运动。算法及其输入参数在所有情况下都相同，因此结果具有可比性。模拟轨迹可以作为机械性零模型（Potts & Lewis 2014）来检验各种“运动生态学”假设（Nathan 等人 2008），包括景观效应（例如资源、基础设施）对动物运动和物种地点忠诚度的影响，或用于预测目的（例如道路死亡风险、扩散/连通性）。该软件包应该与探索广泛的生态现象相关，例如动物行为、管理、景观和运动生态学、疾病和入侵物种传播以及种群动态之间的界面。
  • smam 动物运动模型，包括根据 Yan 等人（2014）、Pozdnyakov 等人（2017）的嵌入布朗运动的移动-休息过程，根据 Pozdnyakov 等人（2014）的测量误差的布朗运动，以及嵌入布朗运动的移动-休息-处理过程，Pozdnyakov 等人（2018）。
  • stampr 对移动多边形进行时空分析；地理信息系统中一个长期存在的分析问题。促进方向分析、形状分析以及一些其他简单的功能，用于检查移动多边形的时空模式。
  • surveillance 用于对计数、比例和分类数据的时间序列进行建模和监测的统计方法，以及用于对流行现象的连续时间点过程进行建模的方法。监测方法侧重于公共卫生传染病监测中计数数据时间序列的异常检测，但应用也可能来自环境计量学、可靠性工程、计量经济学或社会科学。该软件包实现了许多典型的疫情检测程序，例如（改进的）Farrington 算法，或 Höhle 和 Paul（2008）的负二项式 GLR-CUSUM 方法。
  • trackdem 使用视频材料或图像序列作为输入，获取种群密度和体型结构。函数有助于从视频创建图像序列、背景检测和减除、粒子识别和跟踪。可以训练人工神经网络进行噪声过滤。目标是提供准确的种群规模、结构和/或个体行为估计，用于进化和生态学研究。
  • trackdf 用于存储从 GPS 跟踪器或计算机视觉跟踪软件收集的集体运动数据（例如鱼群、有蹄类动物群、狒狒群）的数据框类。
  • trackeR 为处理来自 GPS 启用跟踪设备的跑步、骑行和游泳数据提供基础设施。该软件包提供方法将锻炼和比赛数据提取、清理和组织成基于会话且具有单位意识的“trackeRdata”类数据对象（S3 类）。然后可以通过灵活且可扩展的方法对信息进行可视化、汇总和分析。Frick 和 Kosmidis (2017) >，作为其中一个插图进行更新和维护，提供了对该软件包及其方法的详细描述，以及该软件包功能的真实数据演示。
  • trackeRapp 为来自 GPS 启用跟踪设备的跑步、骑行和游泳数据的分析提供了一个集成的用户界面和工作流程。
  • TrackReconstruction 从磁力计、加速度计、深度和可选速度数据重建动物轨迹。主要使用部署在北海豹身上的野生动物计算机每日日记标签的数据进行设计。
  • trajectories 轨迹数据的类和方法，支持将单个 Track 对象嵌套在轨迹集中（Tracks）中，并将不同实体的轨迹集嵌套在 Tracks 集合中。方法包括选择、泛化、聚合、交集、模拟和绘图。
  • trajr 一个工具箱，用于帮助对二维动物轨迹进行统计分析。它提供对算法的简单访问，用于计算和评估各种特征，例如速度和加速度，以及多种直线度或曲折度的度量。McLean & Skowron Volponi (2018)。
  • trip 用于访问和操作动物跟踪空间数据的函数，可以轻松地从其他格式转换而来。根据速度过滤并从动物跟踪数据创建花费时间地图。存在转换方法，可在“trip”和“adehabitatLT”中的“ltraj”之间转换，以及在“trip”和“spatstat”中的“psp”和“ppp”之间转换。Trip 对象可以从原始或分组数据框创建，也可以从“sp”、“sf”、“amt”、“trackeR”、“mousetrap”和其他软件包中的类型创建。
  • tripEstimation 用于从档案或卫星标签估计动物运动的数据处理和估计函数。包含辅助函数，用于从马尔可夫链蒙特卡罗模拟中根据时间间隔对图像摘要进行分箱。
  • wildlifeDI 动态交互是指两种（或多种）动物运动之间的时空关联。该软件包提供了用于计算一系列用于量化野生动物遥测数据动态交互的指标的工具。有关所用每种方法的更多信息，请参阅参考资料。该软件包（从 0.3 版开始）还具有用于在大型跟踪数据集中自动执行接触分析的新工具。该软件包大量借鉴了“adehabitat”软件包中开发的类和方法。

可视化

• rasterVis 包含多种方法，这些方法利用了 RasterStack 或 RasterBrick 对象的 z 插槽。它的 网页 包含几个示例，从 Hovmoller 图和地平线图到密度图和直方图。
• 软件包 googleVis 提供了一个接口，用于在 Google 图表工具 中显示 R 数据（表格）。spacetime 有一个 示例 演示了它在时空数据中的使用。
• 软件包 splancs 提供动画和 3D 交互式绘图（使用 rgl）来显示时空点模式。
• mvtsplot 提供多元时间序列图，并包含由 Peng (2008, Journal of Statistical Software) 发布的时空数据示例。

数据集

• 用于拟合线性面板模型的表格数据可在 plm 中找到。
• 软件包 cshapes 包含一个随时间变化的国家边界数据库。
• gstat 包含经典的爱尔兰风数据。
• spacetime 包含德国的农村 PM10 空气质量测量数据。
• Cressie 和 Wikle (2011) 的书“时空数据的统计学”的某些部分可以通过 spacetime 中的 demo(CressieWikle) 来重现。

检索数据

用于检索数据的软件包是

• 软件包 openair 具有分析、解释和理解空气污染数据的工具，但也具有下载英国空气质量数据的工具。
• ncdf4 和 RNetCDF 允许读取和写入 netcdf 文件。
• rmatio 是一个用于从 R 读取和写入 Matlab MAT 文件的软件包。
• rstac 提供函数，通过 时空资产目录 访问、搜索和下载时空地球观测数据。

CRAN 包

相关链接

• Pebesma (2012). spacetime: Spatio-Temporal Data in R. Journal of Statistical Software, 51(7).
• Peng (2008). A Method for Visualizing Multivariate Time Series Data. Journal of Statistical Software, Code Snippets, 25(1).
• Gapminder world: A tool for visualization of economic and health indicators per country (including access to the underlying tables in time-wide form).
• Wikle, C. K., Zammit-Mangion, A., and Cressie, N. (2019), Spatio-Temporal Statistics with R, Boca Raton, FL: Chapman & Hall/CRC (free to download).

其他资源

• CRAN 任务视图: Spatial
• CRAN 任务视图: TimeSeries
• CRAN 任务视图: Tracking
• R-Forge 项目: spcopula
• GitHub 项目: aniMotum
• GitHub 项目: moveVis