Agrupando dados geográficos com base na localização do ponto e nos valores de pontos associados

Dados dados pontos com longitude, latitude e um terceiro valor de propriedade desse ponto. Como posso agrupar pontos em grupos (sub-regiões geográficas) com base no valor da propriedade? Eu procurei pelo google e descobri que esse problema parece ser chamado de "agrupamento espacial restrito" ou "regionalização". No entanto, não estou familiarizado com o tratamento de dados geográficos e não tenho uma idéia sobre que tipo de algoritmos são bons e quais pacotes python / R são bons para esta tarefa.

Para dar uma idéia mais intuitiva sobre o que eu quero, digamos que meus gráficos de dispersão de dados sejam os seguintes:

Portanto, cada ponto é um ponto, x é longitude, y é latitude e o mapa de cores mostra se o valor é grande ou pequeno. Quero dividir esses pontos em sub-regiões / grupos / clusters com base na localização e semelhança de valores. Como o seguinte (não é exatamente o que eu quero, apenas para mostrar uma ideia intuitiva.):

Então, como posso conseguir isso?

O pacote rioja fornece funcionalidade para armazenamento em cluster hierárquico restrito. Para o que você considera "restrito espacialmente", você deve especificar seus cortes com base na distância, enquanto que para "regionalização" você poderá usar k vizinhos mais próximos. Eu recomendo projetar seus dados para que estejam em um sistema de coordenadas baseado em distância.

require(sp)
require(rioja)

data(meuse)
  coordinates(meuse) <- ~x+y
  cdat <- data.frame(x=coordinates(meuse)[,1],y=coordinates(meuse)[,2])
  rownames(cdat) <- rownames(meuse@data)

# Constrained hierarchical clustering 
chc <- chclust(dist(cdat), method="conslink")

# Using kNN with 3 neighbors
chc.n3 <- cutree(chc, k=3) 

# Using distance 
chc.d200 <- cutree(chc, h=200) 

meuse@data <- data.frame(meuse@data, KNN=as.factor(chc.n3), DClust=chc.d200)

opar <- par
  par(mfcol=c(1,2))  
   cols <- topo.colors(length(unique(meuse@data$KNN)))  
    color <- rep("xx", nrow(meuse@data))
      for(i in 1:length(unique(meuse@data$KNN))) {
        v <- unique(meuse@data$KNN)[i] 
          color[(meuse@data$KNN == v)] <- cols[i]
        }
    plot(meuse, col=color, pch=19, main="kNN Clustering")
      box()

    cols <- topo.colors(length(unique(meuse@data$DClust)))  
    color <- rep("xx", nrow(meuse@data))
      for(i in 1:length(unique(meuse@data$DClust))) {
        v <- unique(meuse@data$DClust)[i] 
          color[(meuse@data$DClust == v)] <- cols[i]
        }
    plot(meuse, col=color, pch=19, main="Distance Clustering")
      box() 
par <- opar