一些碎碎念

寫論文過程中使用地理探測器做分析，發現離散方法及其分級數對其結果的影響較大，同時試驗起來體量較大，使用GD包進行自動化處理就顯得比較方便。

下載

網址及引用

相關介紹及網址可以到至篇論文搜一下：
Yongze Song, Jinfeng Wang, Yong Ge & Chengdong Xu (2020) An optimal
parameters-based geographical detector model enhances geographic characteristics of explanatory
variables for spatial heterogeneity analysis: cases with different types of spatial data, GIScience &
Remote Sensing, 57:5, 593-610, DOI: 10.1080/15481603.2020.1760434

GD包網址在論文里的Acknowledgements最后，有專門的說明文檔，貼一下原文：
The authors wish to thank the R community for the efforts during releasing the package. The R package, its manual and all case datasets are available at https://cran.r-project.org/web/packages/GD/.

R編譯器

visual studio code 、pycharm及Rstudio均可實現，比較推薦Rstudio，有單獨的plot窗口。
具體安裝教程網上很多，就不贅述了
可以直接用，加一句，下載GD包即可

install.packages("GD")

應用實例

給的案例

基礎數據：rda文件
用的最簡單的gdm函數，兩個例子大差不差，細節不一樣
例子一

## set optional parameters of optimal discretization ## optional methods: equal, natural, quantile, geometric, sd and manual discmethod <- c("equal","quantile") ##設置分類方法 discitv <- c(4:5) ##設置分類級數 ndvigdm <- gdm(NDVIchange ~ Climatezone + Mining + Tempchange, ##輸入的Y與Xcontinuous_variable = c("Tempchange"), ##連續變量data = ndvi_40,discmethod = discmethod, discitv = discitv) ##gdm函數參數設置 ndvigdm ##輸出數據 plot(ndvigdm) ##結果可視化

例子二

discmethod <- c("equal","natural","quantile") discitv <- c(4:6) continuous_variable <- colnames(h1n1_100)[-c(1,11)] ##通過colnames函數讀取表名 -c是除了1，11行 h1n1gdm <- gdm(H1N1 ~ .,continuous_variable = continuous_variable,data = h1n1_100,discmethod = discmethod, discitv = discitv) h1n1gdm plot(h1n1gdm)

數據準備

數據收集

一般樣方選擇就是正方形格網
或者行政區范圍內
方法一：多矢量融合，選擇自己的字段
方法二：多值提取至點， 最好用arcgis10.5以上的Arcmap，容易閃退

刪除異常值

獲得EXCEL、txt、dbf后需要進行處理
刪掉所有excel中的索引列、經緯度信息列和有空值的行

轉rda文件

轉txt轉rda文件的代碼如下，其實也可以直接用xls文件、csv文件。

data = read.table("D:/001_why/qxsj/data_1030/txt/12_2.txt",header=T,na.strings = c("NA")) save(data, file = "D:/001_why/qxsj/data_1030/rda/12_2.rda")

代碼修改

主要修改自己的參數（分級方法、分級數、自己的數據、因變量自變量、連續變量），5-6個地方

library(GD) discmethod <- c("equal","natural","quantile") ###分級方法 discitv <- c(4:6) ###分級數 continuous_variable <- c("Tempchange", "GDP") ###連續變量 testdata <- load("D:/001_why/R/ndvi_40.rda") ###注意這里讀取自己的rda ndvigdm <- gdm(NDVIchange ~ Climatezone + Mining + Tempchange + GDP, ###設置因變量自變量continuous_variable = continuous_variable,data = data, ###注意這里要寫data 而不是testdatadiscmethod = discmethod, discitv = discitv) ndvigdm plot(ndvigdm)

見到的一些錯誤

問題1：Error in subset.default(data, select = formula.vars[1]) : 缺少參數"subset",也沒有缺省值
我這邊就是這行的問題，改完就可以運行了

data = data, ###注意這里要寫data 而不是testdata

問題2：有時候plot窗口太小會報錯
擴大一點，或者直接導出即可。

參考

這個博主用xlsx文件，添加了自己的循環：
https://blog.csdn.net/weixin_43416590/article/details/124784074#comments_23901821
這個用csv文件
https://blog.csdn.net/weixin_41608080/article/details/114048972?ops_request_misc=&request_id=&biz_id=102&utm_term=%E5%9C%B0%E7%90%86%E6%8E%A2%E6%B5%8B%E5%99%A8%20GD%E5%8C%85&utm_medium=distribute.pc_search_result.none-task-blog-2_allsobaiduweb~default-3-114048972.142^v62pc_search_tree,201^v3control,213^v1t3_esquery_v3&spm=1018.2226.3001.4187

最主要的就是GD包的作者：
Yongze Song, Jinfeng Wang, Yong Ge & Chengdong Xu (2020) An optimal
parameters-based geographical detector model enhances geographic characteristics of explanatory
variables for spatial heterogeneity analysis: cases with different types of spatial data, GIScience &
Remote Sensing, 57:5, 593-610, DOI: 10.1080/15481603.2020.1760434

總結

以上是生活随笔為你收集整理的地理探测器 GD包下载及应用（R语言，基于Rstudio）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。