R语言空间数据分析与可视化：数据清洗+插值建模+机器学习预测+升/降尺度技术+多维时空分析+科研绘图（ggplot2/tmap/leaflet）等

学习R语言在空间数据处理、管理以及可视化的操作，从空间数据计量、空间数据插值、空间数据建模、机器学习空间预测、空间升、降尺度、数据可视化、知识图谱等方面让您全方位掌握R语言空间数据分析模拟预测及可视化技术。

专题一 R语言空间数据介绍及数据挖掘

1、R语言空间数据讲解及应用特点

1)R语言基础与数据科学2)R空间矢量数据3)R栅格数据

2、R语言空间数据挖掘关键技术

专题二 R语言空间数据高级处理

1、R语言空间矢量数据处理

1）点、线、面数据2）空间矢量数据的坐标系定义、转换3）空间矢量数据的裁剪、相交与合并4）空间矢量数据的数值计算

2、R语言栅格数据处理

1）栅格数据的生成与数据管理2）栅格数据的坐标系转换3）栅格数据的裁剪、相交与拼接4）栅格数据的数值计算

3、R语言栅格数据与矢量数据的相互转换

专题三 R语言多维时空数据处理技术与数据清洗整合

1、R语言多维时空数据处理

1)nc、tiff等多维时空数据的读取、处理与导出2)多维空间数据的管理

2、R语言数据清洗和整合

1)数据缺失值、重复值、异常值处理2)数据插补方法3)近似采样方法，双线性插值法、最大近邻法等

案例一：全球气象栅格数据的提取、裁剪、重采样和输出

案例二：全球MODIS遥感数据产品的时间趋势分析

案例三：全球和中国土壤数据的分层处理和数据插补

案例四：R语言高层数据与地形数据的计算和提取

专题四 R语言地统计与空间自相关、空间插值方法

1、地统计与空间自相关

1)地理学三大定律2)空间自相关和地理加权回归3)地统计与空间模型

2、空间插值方法

案例一：全国尺度空间自相关计算和地理加权回归模型的构建

案例二：不同空间插值方法、不同空间模型的比较

案例三：基于不同插值方法的全国与区域气象数据降尺度处理

专题五 R语言机器学习与空间模型预测及不确定性评估

1、R语言机器学习方法使用

1)R语言机器学习模型的构建（数据标准化、数据分割、超参数优化）2)R语言机器学习的验证（不同交叉验证方法、时空交叉验证）

2、R语言机器学习空间预测与不确定性评估

案例一：利用环境变量数据构建贝叶斯模型和机器学习模型进行空间预测

案例二：使用机器学习对空间数据进行聚类

专题六 R语言空间尺度转换技术及机器学习方法应用

1、空间升、降尺度技术

2、使用机器学习进行空间降尺度

案例：利用五种机器学习集成对温度、降水和辐射数据进行空间降尺度

专题七 R语言空间制图

1、R语言空间做图——plot

2、R语言空间做图——image、levelplot

3、R语言空间做图——ggplot2

4、R语言空间做图——tmap

---

★ 点 击 下 方 关 注，获取海量教程和资源！

↓↓↓