/
time-space-spatial-data.qmd
78 lines (51 loc) · 8.14 KB
/
time-space-spatial-data.qmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
```{r echo = FALSE}
pacman::p_load(tidyverse, readxl, knitr, kableExtra, openxlsx)
```
# Räumliche Daten {#sec-spatial-data}
*Letzte Änderung am `r format(fs::file_info("time-space-spatial-data.qmd")$modification_time, '%d. %B %Y um %H:%M:%S')`*
> *"Der Weltraum ist groß. Du wirst nicht glauben, wie riesig, gewaltig, verblüffend groß er ist. Ich meine, du denkst vielleicht, dass der Weg zur Tankstelle weit ist, aber das sind nur Peanuts im Vergleich zum Weltraum." --- Douglas Adams*
::: callout-caution
## Stand des Kapitels im Januar 2024
{fig-align="center" width="50%"}
Das Thema räumliche Daten (eng. *spatial data*) ist erstmal auf Stand-By gesetzt, bis mir klar ist, wohin ich mit dem Kapitel zum Ende hin will. Zentral fehlen mir aktuell die Beratungsfälle, die mir dann auch die Probleme aufzeigen, die ich lösen will. Das Thema ist einfach zu groß, deshalb erstmal hier diese Link- und Buchsammlung, die schon mal ein Ansatz ist, wenn du dich tiefer mit dem Thema auseinandersetzen willst.
:::
In diesem Kapitel wollen wir uns mit räumlichen Daten (eng. *spatial data*) beschäftigen. Räumliche Daten sind dabei eng mit dem *Geographic Information System* (abk. *GIS*) verbunden. Wenn wir also räumliche Daten analysieren wollen, dann analysieren wir dann auch häufig GIS Daten.
Auch hier gilt, dass es sich hier nur um ein Kapitel zur Übersicht handelt. Die Analyse von räumlichen Daten füllt ganze Bücher und deshalb hier auch eine kleine Literaturschau. Mit @bivand2008applied und als PDF unter [Applied Spatial Data --- Analysis with R](http://gis.humboldt.edu/OLM/r/Spatial%20Analysis%20With%20R.pdf) hast du die Möglichkeit einmal ein umfangreiches Buch zur Analyse von räumlichen Daten zu lesen. Ich finde das Buch von @plant2018spatial etwas umfangreicher, aber es gibt das Buch nur als Auszug auf Google Books unter [Spatial Data Analysis in Ecology and Agriculture Using R auf Google Books](https://books.google.de/books?hl=de&lr=&id=oIqADwAAQBAJ&oi=fnd&pg=PP1&ots=wm3Zr2IfpY&sig=LleKhOSWERj9EuoyOk_Ef5P85-c#v=onepage&q&f=false). Ein etwas kürzeres Buch von findest du von Guy Lansley and James Cheshire (2016) als PDF unter [An Introduction to Spatial Data Analysis and Visualisation in R](https://www.spatialanalysisonline.com/An%20Introduction%20to%20Spatial%20Data%20Analysis%20in%20R.pdf). Alle drei Bücher liefern einen umfangreichen Überblick über die Analyse von räumlichen Daten in R.
::: callout-tip
## Weitere Tutorien für die Analyse von räumlichen Daten
Wir oben schon erwähnt, kann dieses Kapitel nicht die umfangreiche Analyse von räumlichen Daten abarbeiten. Daher präsentiere ich hier eine Liste von Literatur und Links, die mich für dieses Kapitel hier inspiriert haben. Nicht alles habe ich genutzt, aber vielleicht ist für dich was dabei.
- Wenn du einen Überblick brauchst, was alles in R möglich ist dann besuche bitte einmal die tolle Seite [GIS, Cartographic and Spatial Analysis Tools: R / Rstudio](https://guides.library.columbia.edu/geotools/R). Die Seite ist immer mein Ausgangspunkt, wenn ich was über räumliche Daten suche. Du findest dort aber *auch noch* andere Tools und Hilfen!
- Das Online Buch [Spatial Data Science](https://r-spatial.org/book/) war mein Einstieg hier in das Thema. Kompakt und sehr gut geschrieben hilft es einen ersten Überblick zu bekommen. Es wird von den Daten über die Visualisierung alles einmal aufgegriffen. Die gängigen Analysen und Fragestellungen werden auch einmal vorgestellt.
- Einen etwas anderen Fokus hat das Online-Buch [Geocomputation with R](https://r.geocompx.org/). Das Buch geht mehr auf die Daten und die Visualisierung ein. Es ist eine wunderbare Ergänzung, wenn du schon etwas von dem Thema verstehst. Als Einstieg fand ich es etwas schwerer zu lesen.
- Das Skript [Case Studies in Reproducible Research](https://eriqande.github.io/rep-res-eeb-2017/) liefert in den [Chapter 9 Plotting "Spatial" Data with ggplot](https://eriqande.github.io/rep-res-eeb-2017/plotting-spatial-data-with-ggplot.html) und [Chapter 10 A Tidy Approach to Spatial Data: Simple Features](https://eriqande.github.io/rep-res-eeb-2017/a-tidy-approach-to-spatial-data-simple-features.html) nochmal einen einfachen Überblick über räumliche Daten. Der Kurs ist von 2017, aber als Einstieg immer noch geeignet.
- Die beiden Workshops als Online Tutorial helfen auch beim einfinden in die Materie. Wir haben einmal den [Workshop --- Spatial analysis in R](https://www.seascapemodels.org/spatial-analysis-in-r/spatial-analysis-in-r.html#Introduction) sowie den sehr umfangreichen [Workshop --- R for Earth-System Science](https://pjbartlein.github.io/REarthSysSci). Du kannst eben auch mit räumlichen Daten den ganzen Planeten abbilden.
- Besonders hilfreich fand ich auch den [Coding Club](https://ourcodingclub.github.io/tutorials.html) mit folgenden Tutorien zu der Analyse von räumlichen Daten. Die Tutorien sind sehr anwendungsfokussiert und daher sehr nützlich. Natürlich wieder eine Menge, aber das ist eben so bei einer Linksammlung.
- [Analysis with rasters and remote-sensing data](https://ourcodingclub.github.io/tutorials/spatial)
- [Geospatial vector data in R with sf](https://ourcodingclub.github.io/tutorials/spatial-vector-sf)
- [Species occurrence and density maps](https://ourcodingclub.github.io/tutorials/seecc_1/index.html#Flickr)
- [Manipulation and visualisation of occurrence data](https://ourcodingclub.github.io/tutorials/occurrence)
- [Basic maps and spatial analysis](https://ourcodingclub.github.io/tutorials/maps)
- Zwei Bücher kann ich noch empfehlen, wenn es tiefer in das Thema GIS reingehen soll. Zum einen das Online Buch [Introduction to GIS with R](https://www.jessesadler.com/post/gis-with-r-intro/) sowie das Online Buch [A Crash Course in Geographic Information Systems (GIS) using R](https://bookdown.org/michael_bcalles/gis-crash-course-in-r/). Beide Bücher liefern nochmal einen guten Überblick über GIS und die Anwendung in R.
:::
## Genutzte R Pakete
Wir wollen folgende R Pakete in diesem Kapitel nutzen.
```{r echo = TRUE}
#| message: false
pacman::p_load(tidyverse, magrittr,
conflicted)
```
An der Seite des Kapitels findest du den Link *Quellcode anzeigen*, über den du Zugang zum gesamten R-Code dieses Kapitels erhältst.
## Daten
Wenn wir bei räumlichen Daten von Daten sprechen, dann kommen wir an GIS-Daten nicht vorbei. Wenn du nicht weißt, was das *geographic information system* (abk. *GIS*) ist, dann empfehle ich als Einstieg [What is GIS](https://www.esri.com/en-us/what-is-gis/overview). Traditionelle GIS-Software wie ArCGIS und QGIS sind fantastische Programme, die eine grafische Benutzeroberfläche verwenden, um auf ihre Funktionen zugreifen zu können. Siehe auch [A Crash Course in Geographic Information Systems (GIS) using R](https://bookdown.org/michael_bcalles/gis-crash-course-in-r/).
Wenn es um Daten geht, dann gibt es natürlich eine Reihe von möglichen Quellen. Wenn es sehr viele Daten seinen sollen, die meistens einen örtlichen Bezug haben, dann empfehle ich die Webseite [Our World in Data](https://ourworldindata.org/). Dort gibt es so viele räumliche Daten, da eigentlich alles dort als räumlich dargestellt wird. es ist ja schließlich auch unsere Welt als Daten. Dann gibt es noch die Quelle [Free GIS Data Sources: Best Global Raster and Vector Datasets](https://gisgeography.com/best-free-gis-data-sources-raster-vector/). Hier findest du dann auch nochmal Inspiration für mögliche Datensätze für diene Fragestellung.
## Visualisierung
::: callout-tip
## Inspirationen von *The R Graph Gallery*
Wenn du noch Inspirationen suchst, wie du deine räumlichen Daten noch schöner darstellen könntest, dann besuche doch [The R Graph Gallery - Spatial](https://r-charts.com/spatial/). Dort findest du verschiedene Darstellungen von räumlichen Daten mit `{ggplot}`. Lasse dich einfach mal inspirieren.
:::
## Modellierung
[R Paket `{ggspatial}`](https://paleolimbot.github.io/ggspatial/)
[R Paket `{rspatial}`](https://rspatial.org/)
[R Paket `{spatstat.random}`](https://cran.r-project.org/web/packages/spatstat.random/index.html)
[R Paket `{spatstat}`](https://spatstat.org/)
## Referenzen {.unnumbered}