R中的空间自相关分析答案

【问题标题】：Spatial Autocorrelation Analysis in RR中的空间自相关分析
【发布时间】：2013-03-30 05:48:35
【问题描述】：

我正在尝试对整个采样区域的光值运行空间自相关 (SAC)。我做了一些搜索，发现 Moran's I（在猿包中）是 R 中用于执行 SAC 的常用工具。但是，我运行了代码，但我不完全确定 R 是否在做我想做的事。代码没有中断，但我使用 Moran.I 函数输入了我的变量（转换后的光值）：

Moran.I (ovenbird$ARCSINE.SQRT.TRAN, ld.dist.mat)

我的距离矩阵 (ld.dist.mat) 是网格上所有点 (A-O) 之间的距离矩阵。它看起来像这样：

      A     B     C     D     E     F     G     H     I     J    K     L     M     N     O
A  0.00  5.00 10.00  2.50  5.59 10.31  5.00  7.07 11.18  7.50 9.01 12.50 10.00 11.18 14.14
B  5.00  0.00  5.00  5.59  2.50  5.59 11.18  5.00 11.18  9.01 7.50  9.01 11.18 10.00 11.18
C 10.00  5.00  0.00 10.31  5.59  2.50 11.18  7.07  5.00 12.50 9.01  7.50 14.14 11.18 10.00
D  2.50  5.59 10.31  0.00  5.00 10.00  2.50  5.59 10.31  5.00 7.07 11.18  7.50  9.01 12.50
E  5.59  2.50  5.59  5.00  0.00  5.00  5.59  2.50  5.59 11.18 5.00 11.18  9.01  7.50  9.01
F 10.31  5.59  2.50 10.00  5.00  0.00 10.31  5.59  2.50 11.18 7.07  5.00 12.50 11.18  7.50
G  5.00 11.18 11.18  2.50  5.59 10.31  0.00  5.00 10.00  2.50 5.59 10.31  5.00  7.07 11.18
H  7.07  5.00  7.07  5.59  2.50  5.59  5.00  0.00  5.00  5.59 2.50  5.59 11.18  5.00 11.18
I 11.18 11.18  5.00 10.31  5.59  2.50 10.00  5.00  0.00 10.31 5.59  2.50 11.18  7.07  5.00
J  7.50  9.01 12.50  5.00 11.18 11.18  2.50  5.59 10.31  0.00 5.00 10.00  2.50  5.59 10.31
K  9.01  7.50  9.01  7.07  5.00  7.07  5.59  2.50  5.59  5.00 0.00  5.00  5.59  2.50  5.59
L 12.50  9.01  7.50 11.18 11.18  5.00 10.31  5.59  2.50 10.00 5.00  0.00 10.31  5.59  2.50
M 10.00 11.18 14.14  7.50  9.01 12.50  5.00 11.18 11.18  2.50 5.59 10.31  0.00  5.00 10.00
N 11.18 10.00 11.18  9.01  7.50 11.18  7.07  5.00  7.07  5.59 2.50  5.59  5.00  0.00  5.00
O 14.14 11.18 10.00 12.50  9.01  7.50 11.18 11.18  5.00 10.31 5.59  2.50 10.00  5.00  0.00

我的问题是 R 如何知道我的网格上的哪些点与每个光值相关联？我试过print(Moran.I) 来解决这个问题，但我从去年秋天（2012 年）开始才开始编程，而且我对 R 的了解还不够，不知道如何解释这个函数。另外，如果 R 没有以正确的方式识别我的光照值，我该如何解决？

任何帮助将不胜感激。

【问题讨论】：

下面我的回答有帮助吗？如果是，请将其标记为已选答案...
如果你能提供一个包含数据的可重复的例子，那将会很有帮助。这可以通过额外的几行来完成，这些行定义与真实数据具有相同形状/形式的“虚拟”数据。此外，spdep package 可能有您要查找的内容。

标签： r

【解决方案1】：

您可以使用以下代码使用 Moran 度量来获取空间自相关的全局和局部度量：

library(raster)
r  <-  raster(nrows=10,  ncols=10)
r[]  <-  1:ncell(r)
Moran(r) #this is the global index of autocorrelation
x1  <-  MoranLocal(r) #local measure of autocorr as a raster object that can be plotted
plot(x1) #this will plot the autocorrelation raster results

对于 Geary 的自校正度量：

Geary(r) #this is the global index of autocorrelation
x1  <-  GearyLocal(r) #local measure
plot(x1)

【讨论】：

如何仅使用一般的值矩阵来完成？我上面列出的矩阵是在收集点采样的一组距离，而不是栅格值。您能否提供一些关于光栅包如何执行 Moran's 的见解？似乎每个实现它的包都是针对不同的应用程序的，我还没有找到一个适合我的目的的包。我正在查看整个站点的入射太阳辐射，我的矩阵反映了我的点之间的距离值。每个点都有一个我测量过的相关光值，我想看看光是否会随着空间的变化而变化。
抱歉花了一些时间来回复-您是否查看了 Ape 包的 pdf 文档？其中指定了用于计算莫兰指数的公式（第 131 页）。根据我收集的信息，它通过查看一个观察值与所有其他观察值之间的值差异来计算自相关，这些值由观察值之间的距离加权，所以它似乎正在做你想做的事情。很抱歉我上面的回答，我错误地暗示您有一个基础栅格，其中包含您感兴趣的变量的所有值。
我确实检查了这一点，但认为它更多地用于系统发育多样性测量，基于 Gittleman 和 Kot (1990)。我不确定这是否合适。我确实输入了我的矩阵，它给了我输出而不会中断。我只是不确定它是否正确使用了这些距离，因为它们实际上不是树木距离。
虽然该应用程序适用于系统发育学，但该原理似乎适用于您估计已知点之间的自相关，您还只需要距离度量和值。问题可能是您的采样点之间的空间变异性太大（或者相反 - 您是否认为您所拥有的点准确地描述了从中提取它们的景观？）。
如果您仍然不相信这个答案，请创建两个 100 点的数据集，其中包含相同的递增值集。一方面，将它们放置在线性样带坐标（0,0; 0,1; 0,2; ... 0,100）中，另一方面将它们放置在沿同一样带的随机坐标中（0,87; 0,35; ETC。）。应用你在两者中使用的这种方法，看看你是否得到了你期望的结果（第一个的空间相关指数非常强，第二个的 SC 非常弱。最后，该包的作者之一是 Ben Bolker，其中一个stackoverflow 中 r 标签中最活跃的用户——你可以给他发一条快速消息。