Tutoriais para lidar com dados espaciais no R?

Alguém conhece alguns bons tutoriais para lidar com dados espaciais no R? Eu sei que existem alguns pacotes como rgdal e maptools, mas na verdade não encontrei tutoriais úteis para entrar em contato com as funções básicas (leitura, plotagem, alteração de simbologia, junção de dados etc.) e / ou para obter uma visão geral mais ampla Quais são os recursos acuturais de R para análise espacial e manipulação de dados espaciais. Também recomendações de livros, jornais, blogs etc. serão muito bem-vindas.

Esta pergunta foi convertida em Wiki da Comunidade e a wiki bloqueada porque é um exemplo de pergunta que busca uma lista de respostas e parece ser popular o suficiente para protegê-la do fechamento. Ele deve ser tratado como um caso especial e não deve ser visto como o tipo de pergunta incentivada neste ou em qualquer site do Stack Exchange, mas se você deseja contribuir com mais conteúdo, sinta-se à vontade editando esta resposta .

Existem muitos recursos para aprender R 'espacial' online, alguns dos melhores são:

• spatial-analyst.net
• Um post realmente sólido de Frank Davenport, com anotações sobre algumas manipulações básicas de dados espaciais em R
• R Dicas espaciais (link do Internet Archive, o site original parece ter sumido)
• O site de Barry Rowlingson contendo ótimos exemplos e uma folha de dicas

Um casal que achei útil:

• Eu recomendo fortemente Analisar padrões de pontos espaciais em 'R' pelo Prof. Adrian Baddeley no CSIRO na Austrália. Ele cobre o spatstatmódulo em profundidade e acho que é um ótimo recurso para análise de cluster.

• A Análise de Dados Espaciais Aplicada em R (Bivand, Roger S., Pebesma, Edzer J., Gómez-Rubio, Virgilio) e Estatística e Modelagem Espaciais (Gaetan, Carlo, Guyon, Xavier) também são ótimos livros.

Poucos mais do meu lado:

• De Virgilio Gómez Rubio (ele é o autor do famoso livro ASDAR / superuseful, mencionado em outras respostas) website fornece materiais aos seus tutoriais de usuário! conferências - slides, dados e código estão disponíveis.

• Além do ADAR, agora existe o novo livro ' Uma introdução ao R para análise e mapeamento espacial ', de Brundson & Comber, com código disponível para download .

• O curso CSDE (University of Washington) sobre GIS possui alguns materiais espaciais R , com foco em ESDA , GWR , regressão espacial

• Os mapas com as séries de postagens do blog RI ( II , III ) oferecem muitos códigos amplamente comentados com os quais você pode aprender.
• O UC Davis Soil Resource Laboratory tem uma boa coleção de dicas e exemplos de R espacial
• Francisco Rodriguez-Sanchez tem ótimos materiais sobre 'Dados espaciais em R: Usando R como um SIG'.

Alguns bons tutoriais, incluindo alguns com foco em interatividade (geralmente listados como um ponto fraco de se fazer GIS com R)

• Dados espaciais em R: Usando R como GIS : um tutorial para executar operações básicas com dados espaciais em R, como importar e exportar dados (vetoriais e rasterizados), plotando, analisando e fazendo mapas. de Francisco Rodriguez-Sanchez

• Usando o RStudio como um GIS interativo com o Leaflet de Kyle Walker, Texas Christian University

• Trabalhando com PostGIS da R por Duncan Golicher

• Processamento e Análise de Dados Geoespaciais em R por Andy Lyons

Eu gostaria de adicionar à lista:

• Um Guia Prático de Mapeamento Geoestatístico de T. Hengl

• Tutorial abrangente para o pacote R espaço-temporal (Bergen et al., 2013)

• ggmap: Visualização espacial com ggplot2 (Kahle e Wickham)

• DG Rossiter ( notas de aula )

• Spatial.ly

Eu tenho alguns tutoriais que introduzem análise espacial em R no meu site:

http://evansmurphy.wix.com/evansspatial

Dr. Alec Stephenson fala sobre Explorando dados espaciais com R: Slides e scripts

Também fiz um tutorial rápido e fácil e holístico, que vocês podem conferir aqui https://github.com/mattjbayly/MapsProj . Tudo que você precisa é o script de texto R e todo o outro material é baixado remotamente de R.

Meu tutorial abordou a importação / exportação de dados GIS, manipulação básica de dados vetoriais e raster, algumas plotagens básicas e uma breve visão geral das projeções. Tempo estimado para conclusão: 60 minutos

visualização de dados na linguagem R: Code School - Try R