Enviar pesquisa
Carregar
121107 foss4 g_osaka_r_handson_presentation
•
5 gostaram
•
905 visualizações
Takayuki Nuimura
Seguir
FOSS4G Osaka handson for remote sensing using R
Leia menos
Leia mais
Tecnologia
Denunciar
Compartilhar
Denunciar
Compartilhar
1 de 36
Baixar agora
Baixar para ler offline
Recomendados
130521 jp gu2013_handson2_presentation
130521 jp gu2013_handson2_presentation
Takayuki Nuimura
WordPressのサイト内検索を使ってみよう
WordPressのサイト内検索を使ってみよう
Kawaji Masaki
eラーニングと著作権処理の実際
eラーニングと著作権処理の実際
Takahiro Sumiya
GCPでお手軽IoTに挑戦
GCPでお手軽IoTに挑戦
Masahiro Matsumoto
私が見た日本とアジアのアジャイルコミュニティ #agile459
私が見た日本とアジアのアジャイルコミュニティ #agile459
Miho Nagase
未来のプログラミング技術をUnityで -UniRx-
未来のプログラミング技術をUnityで -UniRx-
torisoup
131101 foss4 g_tokyo_r_presentation
131101 foss4 g_tokyo_r_presentation
Takayuki Nuimura
Rを用いたGIS
Rを用いたGIS
Mizutani Takayuki
Recomendados
130521 jp gu2013_handson2_presentation
130521 jp gu2013_handson2_presentation
Takayuki Nuimura
WordPressのサイト内検索を使ってみよう
WordPressのサイト内検索を使ってみよう
Kawaji Masaki
eラーニングと著作権処理の実際
eラーニングと著作権処理の実際
Takahiro Sumiya
GCPでお手軽IoTに挑戦
GCPでお手軽IoTに挑戦
Masahiro Matsumoto
私が見た日本とアジアのアジャイルコミュニティ #agile459
私が見た日本とアジアのアジャイルコミュニティ #agile459
Miho Nagase
未来のプログラミング技術をUnityで -UniRx-
未来のプログラミング技術をUnityで -UniRx-
torisoup
131101 foss4 g_tokyo_r_presentation
131101 foss4 g_tokyo_r_presentation
Takayuki Nuimura
Rを用いたGIS
Rを用いたGIS
Mizutani Takayuki
161104 foss4 g_tokyo_qgis_handson_presentation
161104 foss4 g_tokyo_qgis_handson_presentation
Takayuki Nuimura
オープンサイエンスの雪氷学への応用と展望 雪氷研究大会2016 特別セッションの紹介
オープンサイエンスの雪氷学への応用と展望 雪氷研究大会2016 特別セッションの紹介
Takayuki Nuimura
151012 foss4 g_tokyo_grass7_presentation
151012 foss4 g_tokyo_grass7_presentation
Takayuki Nuimura
151009 foss4 g_tokyo_grass7_handson_presentation
151009 foss4 g_tokyo_grass7_handson_presentation
Takayuki Nuimura
150828 rihn gis_workshop_handson_presentation
150828 rihn gis_workshop_handson_presentation
Takayuki Nuimura
150810 ilts workshop_handson_presentation
150810 ilts workshop_handson_presentation
Takayuki Nuimura
141031 qgisr handson_presentation
141031 qgisr handson_presentation
Takayuki Nuimura
131107 foss4 g_osaka_grass7_presentation
131107 foss4 g_osaka_grass7_presentation
Takayuki Nuimura
131101 foss4 g_tokyo_grass_shell_presentation
131101 foss4 g_tokyo_grass_shell_presentation
Takayuki Nuimura
131031 foss4 g_tokyo_grass_handson_presentation
131031 foss4 g_tokyo_grass_handson_presentation
Takayuki Nuimura
130727 nagoyar presentation
130727 nagoyar presentation
Takayuki Nuimura
130622 osc nagoya_presentation
130622 osc nagoya_presentation
Takayuki Nuimura
130612 ocu lecture_presentation
130612 ocu lecture_presentation
Takayuki Nuimura
130521 jp gu2013_handson1_presentation
130521 jp gu2013_handson1_presentation
Takayuki Nuimura
130113 os mworkshop_presentation
130113 os mworkshop_presentation
Takayuki Nuimura
121215 foss4 g_nagoya_qgis_handson
121215 foss4 g_nagoya_qgis_handson
Takayuki Nuimura
121105 foss4 g_tokyo_qgis_handson
121105 foss4 g_tokyo_qgis_handson
Takayuki Nuimura
2012 nov foss4g_presentation
2012 nov foss4g_presentation
Takayuki Nuimura
121012 gisa qgis_handson
121012 gisa qgis_handson
Takayuki Nuimura
120727 gms2012nagoya presentation
120727 gms2012nagoya presentation
Takayuki Nuimura
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
UEHARA, Tetsutaro
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
akihisamiyanaga1
Mais conteúdo relacionado
Mais de Takayuki Nuimura
161104 foss4 g_tokyo_qgis_handson_presentation
161104 foss4 g_tokyo_qgis_handson_presentation
Takayuki Nuimura
オープンサイエンスの雪氷学への応用と展望 雪氷研究大会2016 特別セッションの紹介
オープンサイエンスの雪氷学への応用と展望 雪氷研究大会2016 特別セッションの紹介
Takayuki Nuimura
151012 foss4 g_tokyo_grass7_presentation
151012 foss4 g_tokyo_grass7_presentation
Takayuki Nuimura
151009 foss4 g_tokyo_grass7_handson_presentation
151009 foss4 g_tokyo_grass7_handson_presentation
Takayuki Nuimura
150828 rihn gis_workshop_handson_presentation
150828 rihn gis_workshop_handson_presentation
Takayuki Nuimura
150810 ilts workshop_handson_presentation
150810 ilts workshop_handson_presentation
Takayuki Nuimura
141031 qgisr handson_presentation
141031 qgisr handson_presentation
Takayuki Nuimura
131107 foss4 g_osaka_grass7_presentation
131107 foss4 g_osaka_grass7_presentation
Takayuki Nuimura
131101 foss4 g_tokyo_grass_shell_presentation
131101 foss4 g_tokyo_grass_shell_presentation
Takayuki Nuimura
131031 foss4 g_tokyo_grass_handson_presentation
131031 foss4 g_tokyo_grass_handson_presentation
Takayuki Nuimura
130727 nagoyar presentation
130727 nagoyar presentation
Takayuki Nuimura
130622 osc nagoya_presentation
130622 osc nagoya_presentation
Takayuki Nuimura
130612 ocu lecture_presentation
130612 ocu lecture_presentation
Takayuki Nuimura
130521 jp gu2013_handson1_presentation
130521 jp gu2013_handson1_presentation
Takayuki Nuimura
130113 os mworkshop_presentation
130113 os mworkshop_presentation
Takayuki Nuimura
121215 foss4 g_nagoya_qgis_handson
121215 foss4 g_nagoya_qgis_handson
Takayuki Nuimura
121105 foss4 g_tokyo_qgis_handson
121105 foss4 g_tokyo_qgis_handson
Takayuki Nuimura
2012 nov foss4g_presentation
2012 nov foss4g_presentation
Takayuki Nuimura
121012 gisa qgis_handson
121012 gisa qgis_handson
Takayuki Nuimura
120727 gms2012nagoya presentation
120727 gms2012nagoya presentation
Takayuki Nuimura
Mais de Takayuki Nuimura
(20)
161104 foss4 g_tokyo_qgis_handson_presentation
161104 foss4 g_tokyo_qgis_handson_presentation
オープンサイエンスの雪氷学への応用と展望 雪氷研究大会2016 特別セッションの紹介
オープンサイエンスの雪氷学への応用と展望 雪氷研究大会2016 特別セッションの紹介
151012 foss4 g_tokyo_grass7_presentation
151012 foss4 g_tokyo_grass7_presentation
151009 foss4 g_tokyo_grass7_handson_presentation
151009 foss4 g_tokyo_grass7_handson_presentation
150828 rihn gis_workshop_handson_presentation
150828 rihn gis_workshop_handson_presentation
150810 ilts workshop_handson_presentation
150810 ilts workshop_handson_presentation
141031 qgisr handson_presentation
141031 qgisr handson_presentation
131107 foss4 g_osaka_grass7_presentation
131107 foss4 g_osaka_grass7_presentation
131101 foss4 g_tokyo_grass_shell_presentation
131101 foss4 g_tokyo_grass_shell_presentation
131031 foss4 g_tokyo_grass_handson_presentation
131031 foss4 g_tokyo_grass_handson_presentation
130727 nagoyar presentation
130727 nagoyar presentation
130622 osc nagoya_presentation
130622 osc nagoya_presentation
130612 ocu lecture_presentation
130612 ocu lecture_presentation
130521 jp gu2013_handson1_presentation
130521 jp gu2013_handson1_presentation
130113 os mworkshop_presentation
130113 os mworkshop_presentation
121215 foss4 g_nagoya_qgis_handson
121215 foss4 g_nagoya_qgis_handson
121105 foss4 g_tokyo_qgis_handson
121105 foss4 g_tokyo_qgis_handson
2012 nov foss4g_presentation
2012 nov foss4g_presentation
121012 gisa qgis_handson
121012 gisa qgis_handson
120727 gms2012nagoya presentation
120727 gms2012nagoya presentation
Último
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
UEHARA, Tetsutaro
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
akihisamiyanaga1
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NTT DATA Technology & Innovation
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
sugiuralab
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
FumieNakayama
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
博三 太田
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
Yuki Kikuchi
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
Hiroshi Tomioka
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
FumieNakayama
Último
(9)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
121107 foss4 g_osaka_r_handson_presentation
1.
R でリモートセン
シングハンズオン T. Nuimura はじめに rgdal パッケージのインス トール Windows 版 R のおすすめ R でリモートセンシングハンズオン 設定 R の基本操作 R の基本操作 グラフ作成 外部データの入出力 縫村崇行 統計解析 (NUIMURA, Takayuki) 統計処理 検定 地理空間データの 名古屋大学 解析 rgdal とは ラスター演算 データの可視化 (空間分布) FOSS4G2012 Osaka データの可視化 (その他) 2012/11/07 Appendix 1 / 36
2.
R でリモートセン Outline
シングハンズオン T. Nuimura はじめに はじめに rgdal パッケージのインストール rgdal パッケージのインス トール Windows 版 R のおすすめ設定 Windows 版 R のおすすめ 設定 R の基本操作 R の基本操作 R の基本操作 R の基本操作 グラフ作成 外部データの入出力 グラフ作成 統計解析 外部データの入出力 統計処理 検定 統計解析 地理空間データの 解析 統計処理 rgdal とは ラスター演算 検定 データの可視化 (空間分布) データの可視化 (その他) 地理空間データの解析 Appendix rgdal とは ラスター演算 データの可視化 (空間分布) データの可視化 (その他) 2 / 36
3.
R でリモートセン R の作図例
シングハンズオン T. Nuimura はじめに rgdal パッケージのインス トール Windows 版 R のおすすめ 設定 R の基本操作 R の基本操作 グラフ作成 外部データの入出力 統計解析 統計処理 検定 地理空間データの 解析 rgdal とは ラスター演算 データの可視化 (空間分布) データの可視化 (その他) Appendix 3 / 36
4.
R でリモートセン 今回使用するデータ
Download シングハンズオン T. Nuimura ▶ 2001–2010 年の月別気温データ (CSV 形式)1 はじめに rgdal パッケージのインス ▶ Landsat ETM+の band3 及び band4 (GeoTIFF 形式) 2 トール Windows 版 R のおすすめ 設定 USGS EarthExplorer (http://earthexplorer.usgs.gov/) R の基本操作 ▶ CGIAR 提供の SRTM3 DEM (GeoTIFF 形式)2 R の基本操作 グラフ作成 CGIAR-CSI (http://srtm.csi.cgiar.org/) 外部データの入出力 統計解析 統計処理 検定 地理空間データの 解析 rgdal とは ラスター演算 データの可視化 (空間分布) データの可視化 (その他) Appendix EarthExplorer CGIAR-CSI 1 ダミーデータ 2 300 m グリッドにリサンプリングしてある 4 / 36
5.
R でリモートセン rgdal パッケージのインストール
シングハンズオン T. Nuimura はじめに rgdal パッケージのインス トール R の起動 Windows 版 R のおすすめ 設定 ▶ Windows:プログラムメニューから R を選択 R の基本操作 R の基本操作 Linux:ターミナルで R と入力 (大文字なのに注意) グラフ作成 ▶ 外部データの入出力 統計解析 パッケージのインストール1 , 2 統計処理 検定 > install.packages(“rgdal”, dependencies=TRUE) 地理空間データの 解析 # その後でてくるダウンロードサーバ選択はどこでも OK rgdal とは # 日本を選ぶとちょ っと早いかも ラスター演算 データの可視化 (空間分布) データの可視化 (その他) Appendix 1 Windows では自動的に依存するパッケージもインストールしてくれる。 2 Ubuntu linux の場合は、 事前に OS のパッケージマネージャで、 ”gdal”、”libgdal1-dev”、”libproj-dev” をインストールする必要がある。 5 / 36
6.
R でリモートセン Windows 版
R のおすすめ設定 シングハンズオン T. Nuimura はじめに rgdal パッケージのインス トール Windows 版 R のおすすめ 設定 R の基本操作 R の基本操作 グラフ作成 外部データの入出力 統計解析 統計処理 検定 地理空間データの 解析 rgdal とは ラスター演算 データの可視化 (空間分布) データの可視化 (その他) Appendix =⇒ 次の起動からは SDI1 モードになり、グラフが別ウィン ドウで出てくるので見やすい。 1 シングルディスプレイインターフェース 6 / 36
7.
R でリモートセン R の基本操作
シングハンズオン T. Nuimura はじめに R の終了コマンド rgdal パッケージのインス トール > q() Windows 版 R のおすすめ 設定 # ワークスペースの保存についての質問は No で OK R の基本操作 R の基本操作 グラフ作成 作業ディレクトリの設定 (Windows の場合) 外部データの入出力 統計解析 # 例えば C ドライブの hansdon フォルダの場合は 統計処理 検定 > setwd(“c:/handson”) 地理空間データの # 又は 解析 > setwd(“c:¥¥handson”) rgdal とは ラスター演算 データの可視化 (空間分布) データの可視化 (その他) # ダメな例 Appendix > setwd(“c:¥handson”) =⇒ パス中のバックスラッシュ (円マーク) は 2 つにするか、 スラッシュ1 つに置き換える必要がある。 7 / 36
8.
R でリモートセン 数値入力と変数
シングハンズオン T. Nuimura はじめに 数値の計算 rgdal パッケージのインス トール >2+3 Windows 版 R のおすすめ 設定 [1] 5 R の基本操作 R の基本操作 グラフ作成 >2ˆ8 外部データの入出力 [1] 256 統計解析 統計処理 検定 変数 地理空間データの 解析 > temp.dc <- 10 rgdal とは ラスター演算 > temp.dc データの可視化 (空間分布) データの可視化 (その他) [1] 10 Appendix > temp.df <- 9 / 5 * temp.dc + 32 > temp.df [1] 50 8 / 36
9.
R でリモートセン グラフの基礎 (plot
関数) シングハンズオン T. Nuimura はじめに 1 変数のプロット rgdal パッケージのインス トール > temp <- c(10, 20, 15, 25, 20, 20) Windows 版 R のおすすめ 設定 > plot(temp) R の基本操作 R の基本操作 グラフ作成 外部データの入出力 統計解析 25 統計処理 検定 地理空間データの 解析 20 rgdal とは temp ラスター演算 データの可視化 (空間分布) データの可視化 (その他) 15 Appendix 10 1 2 3 4 5 6 Index 9 / 36
10.
R でリモートセン グラフの基礎 (plot
関数) シングハンズオン T. Nuimura はじめに 2 変数のプロット rgdal パッケージのインス トール > year <- c(2000, 2004, 2005, 2007, 2010, 2011) Windows 版 R のおすすめ 設定 > plot(year, temp) R の基本操作 R の基本操作 グラフ作成 外部データの入出力 統計解析 25 統計処理 検定 地理空間データの 解析 20 rgdal とは temp ラスター演算 データの可視化 (空間分布) データの可視化 (その他) 15 Appendix 10 2000 2002 2004 2006 2008 2010 year 10 / 36
11.
R でリモートセン グラフの基礎 (plot
関数) シングハンズオン T. Nuimura はじめに 2 変数のプロット rgdal パッケージのインス トール > year <- c(2000, 2004, 2005, 2007, 2010, 2011) Windows 版 R のおすすめ 設定 > plot(year, temp, type=“l”, col=“red”, xlim=c(1990, 2020), ylim=c(0, 30)) R の基本操作 R の基本操作 グラフ作成 外部データの入出力 統計解析 30 統計処理 検定 25 地理空間データの 解析 20 rgdal とは temp 15 ラスター演算 データの可視化 (空間分布) 10 データの可視化 (その他) Appendix 5 0 1990 1995 2000 2005 2010 2015 2020 year 11 / 36
12.
R でリモートセン グラフの基礎 (histogram
関数) シングハンズオン T. Nuimura はじめに ヒストグラムの作成 rgdal パッケージのインス トール Windows 版 R のおすすめ > hist(temp) 設定 R の基本操作 R の基本操作 グラフ作成 Histogram of temp 外部データの入出力 3.0 統計解析 統計処理 2.5 検定 地理空間データの 2.0 解析 Frequency 1.5 rgdal とは ラスター演算 1.0 データの可視化 (空間分布) データの可視化 (その他) 0.5 Appendix 0.0 10 15 20 25 temp 12 / 36
13.
R でリモートセン グラフの基礎 (histogram
関数) シングハンズオン T. Nuimura はじめに 大量のデータのヒストグラム rgdal パッケージのインス トール Windows 版 R のおすすめ > hist(rnorm(10000)) 設定 R の基本操作 R の基本操作 グラフ作成 Histogram of rnorm(10000) 外部データの入出力 統計解析 統計処理 1500 検定 地理空間データの 解析 Frequency 1000 rgdal とは ラスター演算 データの可視化 (空間分布) 500 データの可視化 (その他) Appendix 0 −4 −2 0 2 4 rnorm(10000) 13 / 36
14.
R でリモートセン グラフの基礎 (histogram
関数) シングハンズオン T. Nuimura はじめに 大量のデータのヒストグラム rgdal パッケージのインス トール Windows 版 R のおすすめ > hist(rnorm(10000), col=“lightblue”, breaks=100) 設定 R の基本操作 R の基本操作 グラフ作成 Histogram of rnorm(10000) 外部データの入出力 統計解析 400 統計処理 検定 300 地理空間データの 解析 Frequency rgdal とは 200 ラスター演算 データの可視化 (空間分布) データの可視化 (その他) 100 Appendix 0 −2 0 2 4 rnorm(10000) 14 / 36
15.
R でリモートセン R で取り扱えるデータ
シングハンズオン T. Nuimura はじめに 一般的なデータだと rgdal パッケージのインス トール Windows 版 R のおすすめ ▶ xls:csv に変換しといたほうが簡単 設定 R の基本操作 ▶ csv:簡単に読み込める R の基本操作 グラフ作成 ▶ txt:csv 以外の文字(タブ、スペースなど)区切りデータ 外部データの入出力 統計解析 ▶ dbf:GIS の属性テーブル情報を扱いたいときなど 統計処理 検定 ▶ 画像データ:画像処理も 地理空間データの 解析 rgdal とは ラスター演算 科学関連のデータでは データの可視化 (空間分布) データの可視化 (その他) ▶ GeoTIFF:リモセンデータ Appendix ▶ Shapefile:GIS データ ▶ NetCDF:気候データで一般的 15 / 36
16.
R でリモートセン CSV データ読み込み
シングハンズオン T. Nuimura はじめに rgdal パッケージのインス トール データのある場所に移動 Windows 版 R のおすすめ 設定 R の基本操作 # Windows: C ドライブの handson フォルダの場合 R の基本操作 グラフ作成 > setwd(“C:/handson”) 外部データの入出力 統計解析 # Ubuntu: /home/username/handson フォルダの場合 統計処理 検定 > setwd(“/home/username/handson”) 地理空間データの 解析 rgdal とは ラスター演算 read.csv 関数 データの可視化 (空間分布) データの可視化 (その他) # 月平均気温 (2001–2010) のデータ、 Appendix > temp <- read.csv(“temperature.csv”) 16 / 36
17.
R でリモートセン CSV データ加工
シングハンズオン T. Nuimura はじめに rgdal パッケージのインス トール Windows 版 R のおすすめ 設定 R の基本操作 matrix 関数で 2 次元配列に変換 R の基本操作 グラフ作成 外部データの入出力 > temp.matrix <- matrix(temp[,2], 10, 12, byrow=T) 統計解析 統計処理 検定 # dim 関数で次元数のチェ ック 地理空間データの > dim(temp.matrix) 解析 rgdal とは [1] 10 12 ラスター演算 データの可視化 (空間分布) データの可視化 (その他) Appendix 17 / 36
18.
R でリモートセン CSV データ出力
シングハンズオン T. Nuimura はじめに rgdal パッケージのインス トール Windows 版 R のおすすめ 設定 2 次元配列の列と行にラベルをつける R の基本操作 # 列ラベルに月 R の基本操作 グラフ作成 > colnames(temp.matrix) <- 1:12 外部データの入出力 統計解析 統計処理 # 行ラベルに年 検定 地理空間データの > rownames(temp.matrix) <- 2001:2010 解析 rgdal とは ラスター演算 2 次元配列を CSV に出力 データの可視化 (空間分布) データの可視化 (その他) > write.csv(temp.matrix, “temp_matrix.csv”) Appendix 18 / 36
19.
R でリモートセン 2 次元配列の計算
シングハンズオン T. Nuimura はじめに rgdal パッケージのインス トール Windows 版 R のおすすめ 設定 R の基本操作 apply 関数で縦・横それぞれの計算 R の基本操作 グラフ作成 # 横方向、つまり年別の平均 外部データの入出力 統計解析 > apply(temp.matrix, 1, mean) 統計処理 検定 地理空間データの # 縦方向、つまり月別の平均 解析 > apply(temp.matrix, 2, mean) rgdal とは ラスター演算 データの可視化 (空間分布) mean 以外にも、sum、max、min、sd、summary なども。 データの可視化 (その他) Appendix 19 / 36
20.
R でリモートセン t 検定
シングハンズオン T. Nuimura はじめに rgdal パッケージのインス トール Windows 版 R のおすすめ t.test 関数 設定 R の基本操作 # 2001 年と 2010 年の気温差を検定 R の基本操作 グラフ作成 > t.test(temp.matrix[1,], temp.matrix[10,]) 外部データの入出力 t = -0.1537, df = 21.996, p-value < 0.8793 統計解析 統計処理 # 2001 年と 2010 年では有意な気温差なし 検定 地理空間データの 解析 # 2001–2010 の 1 月と 2 月の気温差を検定 rgdal とは ラスター演算 > t.test(temp.matrix[,1], temp.matrix[,2]) データの可視化 (空間分布) データの可視化 (その他) t = -5.1308, df = 17.532, p-value < 7.588e-05 Appendix # 1 月と 2 月では有意な気温差あり 20 / 36
21.
R でリモートセン 無相関検定
シングハンズオン T. Nuimura はじめに rgdal パッケージのインス トール Windows 版 R のおすすめ 設定 R の基本操作 cor.test 関数 R の基本操作 グラフ作成 外部データの入出力 # 2001 年と 2010 年の気温の相関 統計解析 > cor.test(temp.matrix[1,], temp.matrix[10,]) 統計処理 検定 t = 23.6361, df = 10, p-value < 4.169e-10 地理空間データの 解析 cor 0.9911685 rgdal とは # 相関係数 0.99 の有意な相関 ラスター演算 データの可視化 (空間分布) データの可視化 (その他) Appendix 21 / 36
22.
R でリモートセン 地理空間データの解析
シングハンズオン T. Nuimura GIS やリモートセンシング解析で使用されるデータ はじめに rgdal パッケージのインス 大きく分けて 2 種類 (ベクター、ラスター) に分けられる トール Windows 版 R のおすすめ 設定 R の基本操作 ▶ ベクター:点、線、面などの地物データ R の基本操作 グラフ作成 =⇒ESRI Shape ファイル形式 (*.shp) が一般的 外部データの入出力 統計解析 ▶ ラスター:連続的なグリッドデータ 統計処理 検定 =⇒GeoTIFF ファイル形式 (*.tif) が一般的 地理空間データの 解析 rgdal とは ラスター演算 データの可視化 (空間分布) データの可視化 (その他) Appendix ベクター ラスター rgdal パッケージではいずれのファイルも読込み可能 22 / 36
23.
R でリモートセン rgdal を使って
GIS データ (ラスター) の読み込み シングハンズオン T. Nuimura はじめに rgdal パッケージのインス トール Windows 版 R のおすすめ 設定 R では基本パッケージでも様々なデータ読み込み関数がある R の基本操作 ▶ read.bin:バイナリデータ R の基本操作 グラフ作成 外部データの入出力 ▶ read.csv:CSV 統計解析 ▶ read.delim:様々な区切りテキスト (CSV、タブ、空白など) 統計処理 検定 地理空間データの 解析 rgdal パッケージでは、以下の GIS 読み込み関数が使用可 rgdal とは ラスター演算 ▶ readOGR:ベクターデータ データの可視化 (空間分布) データの可視化 (その他) ▶ readGDAL:ラスターデータ Appendix 23 / 36
24.
R でリモートセン rgdal で対応している
GIS フォーマット シングハンズオン T. Nuimura はじめに ほとんどの GIS データに対応している。有名どころだと rgdal パッケージのインス トール Windows 版 R のおすすめ 設定 readOGR で読めるベクターデータ R の基本操作 R の基本操作 ▶ ESRI shapefile:ベクターデータのデファクトスタンダード グラフ作成 外部データの入出力 ▶ KML:Google Earth ファイル 統計解析 統計処理 ▶ GPX:GPS ファイル (Garmin、GPS 付きスマートフォンなど) 検定 地理空間データの 解析 readGDAL で読めるラスターデータ rgdal とは ラスター演算 データの可視化 (空間分布) ▶ GeoTiff:ラスターデータのデファクトスタンダード データの可視化 (その他) Appendix ▶ HDF:科学データ配布によく使われる ▶ netCDF:気候データで一般的 24 / 36
25.
R でリモートセン readGDAL で読み込み
シングハンズオン T. Nuimura はじめに rgdal パッケージのインス #rgdal パッケージの読み込み、セッションの最初に毎回 トール Windows 版 R のおすすめ library(rgdal) 設定 R の基本操作 R の基本操作 GeoTIFF を dem.obj という変数に読み込む場合 グラフ作成 外部データの入出力 #ディレクトリの移動 統計解析 統計処理 setwd(“c:/handson”) 検定 地理空間データの 解析 #GeoTIFF ファイルの読み込み rgdal とは dem.obj <- readGDAL(“srtm_dem_300.tif”) ラスター演算 データの可視化 (空間分布) データの可視化 (その他) =⇒dem.obj という名前の sp クラスの変数が生成される Appendix この sp クラスの変数はラスターデータのグリッド値の他に、 様々な属性情報を含んでいる。 25 / 36
26.
R でリモートセン sp クラスの構造
シングハンズオン T. Nuimura はじめに sp クラスデータは以下のようなスロットをもつ rgdal パッケージのインス トール Windows 版 R のおすすめ 設定 ▶ data:data.frame 形式で band1 というラベルのグリッド値 R の基本操作 ▶ grid:さらに 3 つのサブスロットを含む R の基本操作 グラフ作成 外部データの入出力 ▶ cellcentre.offset:左下端のグリッドの中心座標 統計解析 ▶ cellsize:グリッドサイズ (= 解像度) 統計処理 ▶ cells.dim:ラスターデータの列数と行数 検定 地理空間データの ▶ bbox:西、東、南、北端の座標 解析 rgdal とは (coords の値と 1/2 グリッドサイズ分ずれていることに注意) ラスター演算 データの可視化 (空間分布) ▶ proj4string:1 つのサブスロットを含む データの可視化 (その他) Appendix ▶ projargs:座標系情報 (WGS84 など) #確認するには以下のコマンドを使用 str(dem.obj) 26 / 36
27.
R でリモートセン sp クラスのデータ処理
シングハンズオン sp クラスのデータの処理は、"dem.obj@data[,1]” を操作する T. Nuimura ことによって行える。 はじめに rgdal パッケージのインス トール いくつかの処理例 Windows 版 R のおすすめ 設定 #NoData を計算から除外 (-9999 を NoData にしている場合) R の基本操作 R の基本操作 dem.obj@data[dem.obj@data[,1] == -9999,1] <- NA グラフ作成 外部データの入出力 統計解析 #平均値の計算 統計処理 検定 mean(dem.obj@data[,1], na.rm=T) 地理空間データの 解析 rgdal とは ラスター演算 データの可視化 (空間分布) データの可視化 (その他) Appendix #ヒストグラムのプロット hist(dem.obj@data[,1]) 27 / 36
28.
R でリモートセン Landsat による
NDVI の計算 シングハンズオン T. Nuimura NDVI (正規化植生指数) はじめに rgdal パッケージのインス トール (IR − R ) IR: Infrared (赤外バンド) Windows 版 R のおすすめ NDVI = 設定 (IR + R ) R :Red (赤色バンド) R の基本操作 R の基本操作 グラフ作成 Landsat の場合 (R⇒Band3、IR⇒Band4) 外部データの入出力 統計解析 (Band4 − Band3) IR: Band4 統計処理 検定 NDVI = (Band4 + Band3) R :Band3 地理空間データの 解析 rgdal とは ラスター演算 データの可視化 (空間分布) データの可視化 (その他) Appendix Band3 Band4 NDVI 28 / 36
29.
R でリモートセン Landsat による
NDVI の計算 シングハンズオン T. Nuimura はじめに rgdal パッケージのインス #GeoTIFF ファイルの読み込み トール Windows 版 R のおすすめ band3.obj <- readGDAL(“landsat_band3_300.tif”) 設定 band4.obj <- readGDAL(“landsat_band4_300.tif”) R の基本操作 R の基本操作 グラフ作成 # 計算結果用の変数を確保 (Band4 でもどっちでも良い) 外部データの入出力 ndvi.obj <- band3.obj 統計解析 統計処理 検定 #ラスター演算 #2 行にわかれてるけど実際は 1 行で ndvi <- (band4.obj@data[,1] - band3.obj@data[,1]) / (band4.obj@data[,1] + 地理空間データの 解析 band3.obj@data[,1]) rgdal とは ラスター演算 データの可視化 (空間分布) #sp クラスは band1 というラベル名がある (紛らわしいので注意!) データの可視化 (その他) ndvi.obj@data[,1] <- data.frame(band1=ndvi) Appendix #GeoTIFF ファイルに結果を書き出し writeGDAL(ndvi.obj, “landsat_ndvi.tif”) 29 / 36
30.
R でリモートセン データの可視化 (空間分布)
シングハンズオン T. Nuimura はじめに ラスターデータのみ rgdal パッケージのインス トール Windows 版 R のおすすめ #DEM データの場合 設定 #terrain.colors(20) が色の設定、scales オプションで軸目盛り表示 R の基本操作 R の基本操作 spplot(dem.obj, col.regions=terrain.colors(20), scales=list(draw=T)) グラフ作成 外部データの入出力 統計解析 統計処理 検定 地理空間データの 解析 rgdal とは ラスター演算 データの可視化 (空間分布) データの可視化 (その他) Appendix 30 / 36
31.
R でリモートセン データの可視化 (空間分布)
シングハンズオン T. Nuimura ラスターデータ + ベクターデータ はじめに #latticeExtra パッケージを追加インストール&読み込み rgdal パッケージのインス トール install.packages(“latticeExtra”) Windows 版 R のおすすめ library(latticeExtra) 設定 R の基本操作 R の基本操作 #ベクターデータの読み込み グラフ作成 basin <- readOGR(“khumbu_himal_basin.shp”, layer=“khumbu_himal_basin”) 外部データの入出力 spplot(dem.obj, col.regions=terrain.colors(20), scales=list(draw=T)) + 統計解析 layer(sp.polygon(basin)) 統計処理 検定 地理空間データの 解析 rgdal とは ラスター演算 データの可視化 (空間分布) データの可視化 (その他) Appendix 31 / 36
32.
R でリモートセン データの可視化 (その他)
シングハンズオン T. Nuimura #plot 関数にて はじめに plot(ndvi.obj@data[,1], dem.obj@data[,1], cex=0.1) rgdal パッケージのインス トール Windows 版 R のおすすめ 設定 R の基本操作 R の基本操作 グラフ作成 外部データの入出力 統計解析 統計処理 検定 地理空間データの 解析 rgdal とは ラスター演算 データの可視化 (空間分布) データの可視化 (その他) Appendix 何か変な縦線が 3 本? =⇒band3 と band4 の無効なデータ (0 や 255 という値) を適 切に扱わなかったのが原因。 32 / 36
33.
R でリモートセン データの可視化 (その他)
シングハンズオン T. Nuimura #0 と 255 の値を NA (⇐R での NoData 値) に置換 band3.obj@data[band3.obj@data[,1] == 0 | band3.obj@data[,1] == 255,1] <- NA はじめに rgdal パッケージのインス band4.obj@data[band4.obj@data[,1] == 0 | band4.obj@data[,1] == 255,1] <- NA トール Windows 版 R のおすすめ 設定 #からの NDVI 再計算 R の基本操作 ndvi <- (band4.obj@data[,1] - band3.obj@data[,1]) / (band4.obj@data[,1] + R の基本操作 band3.obj@data[,1]) グラフ作成 外部データの入出力 ndvi.obj@data[,1] <- data.frame(band1=ndvi) 統計解析 統計処理 #再び plot 検定 plot(ndvi.obj@data[,1], dem.obj@data[,1], cex=0.1) 地理空間データの 解析 rgdal とは ラスター演算 データの可視化 (空間分布) データの可視化 (その他) Appendix 33 / 36
34.
R でリモートセン 最後にちょっとだけ (簡単に)
自分の研究紹介 シングハンズオン T. Nuimura はじめに rgdal パッケージのインス トール Windows 版 R のおすすめ 設定 R の基本操作 R の基本操作 グラフ作成 1992–2008 年の間の多時期の DEM 外部データの入出力 (地形データ) から、標高値の時系列変化を 統計解析 グリッドごとに計算 統計処理 検定 地理空間データの 解析 =⇒ 氷河の表面高度がどのように rgdal とは ラスター演算 変化しているか (上昇 or 低下) が求められる データの可視化 (空間分布) データの可視化 (その他) Appendix 34 / 36
35.
R でリモートセン 最後にちょっとだけ (簡単に)
自分の研究紹介 シングハンズオン T. Nuimura はじめに 表面高度の変化速度の計算例 rgdal パッケージのインス トール #2 重の for ループでグリッドごとに以下の計算を行う Windows 版 R のおすすめ 設定 #使用する地形データの年 (実際は 15 時期) R の基本操作 years <- c(1992,2000,2004,2008) R の基本操作 グラフ作成 外部データの入出力 #各年の地形データでの標高値 (固定) 統計解析 elevation <- c(5029,5025,5020,5020) 統計処理 検定 #lm 関数で高度変化速度 (m year−1 ) の計算 地理空間データの 解析 lm(elevation years, data.frame(years, elevation)) rgdal とは ラスター演算 データの可視化 (空間分布) #下記の計算結果が表示される データの可視化 (その他) #Coefficients: Appendix #(Intercept) years #6252.6857 -0.6143 #つまりこの例の場合は y = -0.6143x + 6252.6857 と線形近似された 35 / 36
36.
R でリモートセン 氷河表面の高度変化率の空間分布
シングハンズオン 色のついている場所が氷河域、暖色が低下、寒色が上昇を T. Nuimura 示す はじめに rgdal パッケージのインス トール Windows 版 R のおすすめ 設定 R の基本操作 R の基本操作 グラフ作成 外部データの入出力 統計解析 統計処理 検定 地理空間データの 解析 rgdal とは ラスター演算 データの可視化 (空間分布) データの可視化 (その他) Appendix 結果は Nuimura et al., (2012) Journal of Glaciology にあります こちらの図は論文中の図からあえて大幅に改変しています。 2 2 論文出版社の著作権的な大人の事情で 36 / 36
Baixar agora