等高线图：具有纬度和经度位置的站点密度

Question

我有这种格式的数据，想制作等高线图。当我尝试使用density(z) 时，我收到错误消息"x must be numeric"。我不确定如何转换我的数据以使其成为生成轮廓的正确格式。我只希望它基于点的密度，因为两列代表我的经度/纬度。

z <- c(
  c(8.83,8.89),
  c(8.89,8.94),
  c(8.84,8.9),
  c(8.79,8.852),
  c(8.79,8.88),
  c(8.8,8.82),
  c(8.75,8.78),
  c(8.8,8.8),
  c(8.74,8.81),
  c(8.89,8.99),
  c(8.97,8.97),
  c(9.04,9.08),
  c(9,9.01),
  c(8.99,8.99),
  c(8.93,8.97)
)
z <- matrix(z, ncol = 2, byrow = TRUE)

Answer 1

density() 用于单变量密度估计。由于您有两个自变量：long 和 lat，因此您应该使用 R 的默认包 MASS 中的 kde2d()。

library(MASS)
fit <- kde2d(z[,1], z[,2])
contour(fit$x, fit$y, fit$z)
## show original data locations
points(z, pch = 19, col = 4)

---

跟进

如果你看?kde2d：

Usage:

     kde2d(x, y, h, n = 25, lims = c(range(x), range(y)))

x 和y 上的默认单元格数为n = 25，即为您提供 25 * 25 的网格。密度估计是在这个网格上完成的。也许您想知道为什么要在常规网格上进行估算。因为这样的网格就像数码照片的像素。类似网格/栅格的对象便于可视化。实际上，如果你想让计算机处理 3D 图形，你必须给它一个类似对象的栅格。

在实践中，你应该根据你有多少数据来选择n。请注意，一个 25 * 25 的网格有 625 个单元格，当您有 1000 个数据点时，这是相当公平的。你也可以试试n = 50。设置n 与在生成直方图时设置箱数非常相似。随着n 的增加，您得到的估计会更加参差不齐。如果您不清楚，请考虑直方图示例：

x <- rnorm(200)
hist(x, breaks = 10)
hist(x, breaks = 20)

准确地说，密度估计不同于直方图；前者是内核平滑器，而后者是原始 bin 平滑器。但是n（细化）的选择确实有同样的效果。