我有两个使用创建的像素图像spatstat，一个是由一组点创建的密度图像（使用函数density.ppp），另一个是从人口栅格创建的像素图像。我想知道是否有办法使用人口栅格来标准化密度图像。基本上，我有一个包含美国 10000 多个网络攻击起源位置的数据集，使用spatstat我希望调查空间模式的函数。然而，一个明显的问题是，人口较多的地区由于人口较多，因此网络攻击的来源较多。我想使用人口栅格来解决这个问题。任何想法，将不胜感激。
问问题
629 次
1 回答
1
正如@RHA 的评论所说：第一个解决方案是简单地除以强度。
我没有你的数据，所以我会做一些看起来相似的。Chorley 数据集有两种癌症病例。我将估计肺癌的强度并将其用作您给定的人口密度。然后，喉部病例的密度估计作为您对网络攻击强度的估计：
library(spatstat)
# Split into list of two patterns
tmp <- split(chorley)
# Generate fake population density
pop <- density(tmp$lung)
# Generate fake attack locations
attack <- tmp$larynx
# Plot the intensity of attacks relative to population
plot(density(attack)/pop)
或者，您可以使用反向人口密度作为权重density.ppp：
plot(density(attack, weights = 1/pop[attack]))
这可能是首选方式，您基本上可以说发生在人口密度为 10 的地方的攻击仅“计数”为发生在密度为 5 的地方的攻击的一半。
我不确定您究竟想对您的分析做什么，但也许您应该考虑拟合一个简单的泊松模型，ppm并查看您的数据如何与建议的模型不同，以了解攻击的行为。
于 2015-11-15T21:14:51.563 回答