An Introduction to R for Spatial Analysis and Mapping. Von Chris Brunsdon and Lex Comber. 343 Seiten, Los Angeles u.a.: Sage Publicstions, Januar 2015. ISBN 9781446272954. Kartoniert: £29.99.
18.03.2016
Chris Brundson und Lex Comber, beide Professoren für Geoinformatik, sehen in R eine Art Schweizer Taschenmesser für Probleme der Geodatenanalyse und Visualisierung. Sie wenden sich mit diesem Buch an alle, die Geodaten analysieren möchten, auch über den engeren Rahmen der Geographie hinaus. Während sich das bisherige Standardwerk zum Thema Applied Spatial Data Analysis with R von Roger S. Bivand, Edzer Pebesma und V. Gómez-Rubio an fortgeschrittene Anwenderinnen und Anwender wendet, soll dieses Buch auch Neulinge ansprechen, die an geografischen Themen interessiert sind. Das Buch ist in zehn Kapitel gegliedert. Nach einem einleitenden Überblick und einer knappen Erläuterung der Grundfunktionen von R widmet sich das dritte Kapitel dem Umgang mit Geodaten. Hier werden die Bibliothek GISTools vorgestellt sowie das neue Paket OpenStreeMap von Ian Fellows, das die Einbindung entsprechender Karten in Rasterform ermöglicht. Weiterhin werden eine Reihe von Plot-Möglichkeiten erläutert, das Kapitel schließt mit einfachen deskriptiven statistischen Analysen und ihrer Visualisierung (Boxplots, Mosaicplots etc). In Kapitel 4 werden grundlegende Programmierkonzepte in R erläutert, wobei sich der letzte Abschnitt speziellen Fragestellungen bei Geodaten widmet. Kapitel 5 erklärt, wie R als Geografisches Informationssystem (GIS) zu verwenden ist. Es werden grundlegende Geodaten-Themen behandelt wie geometrische Berechnungen, die Verknüpfung vom Geodatensätzen oder die Konvertierung von Vektor- in Rasterformate und umgekehrt. Kapitel 6 beschreibt die Kernel-Dichte-Schätzung, und weitere, recht spezielle statistische Verfahren der Musteranalyse, Kapitel 7 die Spatial Regression und die dabei typischerweise vorhandene Autoregression. Während hier die Frage im Vordergrund steht, ob es überhaupt einen geografischen Effekt in den untersuchten Daten gibt, widmet sich Kapitel 8 („Localised Spatial Analysis“) dem Aspekt, wie genau sich eine Abhängigkeit bzw. ein Effekt geografisch verteilt. Das letzte Kapitel „R and Internet Data“ behandelt die Möglichkeit, Daten via APIs abzufragen, entweder mit dem allgemeinen Paket RCurl oder spezifischen Paketen, die entsprechende Lösungen etwa für Google Maps oder Twitter bereits eingebaut haben. Das Buch schließt mit einem Epilog, in dem sich die Autoren Gedanken über die weitere Entwicklung von R als Analysetools für Geodaten machen sowie einem ausführlichen Sachindex.
Die statistischen Kapitel verwenden jeweils „echte“ Daten und jeder Abschnitt endet mit „Self-Test Questions“. Damit ist das Buch nicht nur als Nachschlagewerk für spezielle Geodaten-Probleme geeignet, sondern auch zum Selbststudium oder für entsprechende Kurse, wenn man sich dem Thema grundsätzlich nähern möchte. Insbesondere die statistischen Kapitel wenden sich eher an Fortgeschrittene und werden Anfänger auf dem Gebiet der Geodatenanalyse überfordern. Insgesamt bietet das Buch aber einen sehr gelungenen, runden und empfehlenswerten Überblick über die Analyse und Visualisierung von Geodaten.
Zurück zur Liste | Nächster Buchhinweis
Wiedergabe des Buchumschlags mit freundlicher Genehmigung des Verlags.