空間數(shù)據(jù)科學(xué)R語言實(shí)踐：以民航GNSS干擾數(shù)據(jù)分析為例

【中圖分類號】P208 DOI：10.3969/j.issn.1674-7178.2025.04.007

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）

引言

近年來，數(shù)據(jù)驅(qū)動的城市治理已成為全球城市發(fā)展與管理的重要趨勢I，而空間數(shù)據(jù)科學(xué)的發(fā)展更是重中之重。各種空間數(shù)據(jù)（如遙感影像、矢量地理信息、軌跡數(shù)據(jù)等）的持續(xù)增加，使得人們對城市運(yùn)行情況的觀察范圍和深度不斷擴(kuò)大。空間數(shù)據(jù)科學(xué)作為地理信息科學(xué)與數(shù)據(jù)科學(xué)的交叉學(xué)科，聚焦于多源、海量、復(fù)雜空間數(shù)據(jù)的全生命周期管理，涵蓋采集、處理、建模、分析、可視化及決策支持等核心環(huán)節(jié)[2。在地理信息系統(tǒng)、時(shí)空統(tǒng)計(jì)分析、大數(shù)據(jù)挖掘、人工智能和遙感技術(shù)的共同推動下，空間數(shù)據(jù)科學(xué)正在改變城市治理、城市規(guī)劃、國土空間監(jiān)測、環(huán)境管理、災(zāi)害防控和智慧農(nóng)業(yè)等多個(gè)領(lǐng)域的決策方式[3-4]。同時(shí)，該學(xué)科的發(fā)展也契合了國家成立國家數(shù)據(jù)局的初衷，為統(tǒng)籌時(shí)空大數(shù)據(jù)資源共享與開發(fā)利用奠定堅(jiān)實(shí)的技術(shù)與人才基礎(chǔ)。

然而，機(jī)遇總與挑戰(zhàn)并存，空間數(shù)據(jù)科學(xué)的發(fā)展存在瓶頸。首先，空間數(shù)據(jù)的種類和體量都在爆炸式增長，格式各異、特性不同?，F(xiàn)有的數(shù)據(jù)處理方式缺乏統(tǒng)一的方法，很難高效地整合和規(guī)范管理數(shù)據(jù)。其次，面對時(shí)空大數(shù)據(jù)，很多分析還停留在相對簡單的模型上，缺乏堅(jiān)實(shí)的理論基礎(chǔ)和更深人的模型支撐，數(shù)據(jù)的深層價(jià)值難以被充分釋放。此外，傳統(tǒng)分析工具在建模時(shí)，常常對空間自相關(guān)、異質(zhì)性這類復(fù)雜問題\"力不從心”。這些問題在城市規(guī)劃、環(huán)境監(jiān)測和公共安全等領(lǐng)域表現(xiàn)得尤為突出，成為科學(xué)決策的瓶頸。

針對以上挑戰(zhàn)，開源的R語言正異軍突起，展現(xiàn)出獨(dú)特的優(yōu)勢。它靈活的結(jié)構(gòu)、模塊化的設(shè)計(jì)以及背后極其活躍的開發(fā)者社區(qū)，使得其成為一套高效且完整的工具系統(tǒng)。R語言可以很好地處理復(fù)雜的、高維度的和非結(jié)構(gòu)化的數(shù)據(jù)。它建立了一個(gè)完整的空間數(shù)據(jù)分析生態(tài)系統(tǒng)，包含了矢量數(shù)據(jù)和柵格數(shù)據(jù)處理、交互式地圖可視化、空間建模和統(tǒng)計(jì)推斷等功能。比如，sf工具包采用了國際通用的簡單要素（SimpleFeatures）標(biāo)準(zhǔn)，使空間數(shù)據(jù)的處理變得更加簡單;tmap和leaflet等工具包支持各種地圖展示方式，適合科研結(jié)果的展示和政策傳播;spdep和gstat等工具包支持從空間權(quán)重矩陣到空間回歸分析的全過程。尤為關(guān)鍵的是，相較于商業(yè)平臺普遍存在的算法封閉性與參數(shù)可調(diào)性受限等缺陷，R語言在算法實(shí)現(xiàn)層面具有高度透明性與可追溯性。這些功能顯著提高了空間數(shù)據(jù)分析的效率，降低了空間數(shù)據(jù)分析的使用門檻，為R語言解決前面提到的挑戰(zhàn)提供了可靠的技術(shù)保障。

本文聚焦R語言，系統(tǒng)梳理了它在空間數(shù)據(jù)科學(xué)中的關(guān)鍵應(yīng)用，重點(diǎn)探討其在數(shù)據(jù)處理、可視化和統(tǒng)計(jì)分析三方面的能力。為了更具體地說明問題，本文以民航領(lǐng)域分析全球?qū)Ш叫l(wèi)星系統(tǒng)（Global Navigation Satellite System，以下簡稱GNSS）信號干擾為案例，清晰地展示了R語言在處理高維航空空間數(shù)據(jù)時(shí)的強(qiáng)大潛能和獨(dú)特優(yōu)勢。

一、多源空間數(shù)據(jù)分析中的挑戰(zhàn)與應(yīng)對路徑

隨著城市治理步入數(shù)字化快車道，管理者們正被海量的空間數(shù)據(jù)包圍一一遙感影像、移動軌跡和社交媒體信息等等。這些數(shù)據(jù)洪流本應(yīng)成為洞察城市的“透視鏡”，但現(xiàn)實(shí)卻像面對一堆散落的拼圖：數(shù)據(jù)種類繁雜、體量爆炸增長，加上五花八門的格式標(biāo)準(zhǔn)，讓統(tǒng)一處理變得異常棘手。傳統(tǒng)工具如SPSS、EXCEL以及GIS等在清洗、可視化和統(tǒng)計(jì)分析這些數(shù)據(jù)時(shí)常常力不從心，不僅拖慢決策效率，更可能因分析偏差引發(fā)嚴(yán)重后果。尤其當(dāng)遇到空間數(shù)據(jù)特有的自相關(guān)和異質(zhì)性時(shí)，傳統(tǒng)工具無法很好地處理結(jié)構(gòu)復(fù)雜的數(shù)據(jù)，滿足當(dāng)前精細(xì)化分析任務(wù)的要求。因此，我們需要更有效、更靈活的新工具。

空間數(shù)據(jù)處理的核心挑戰(zhàn)，不僅在于數(shù)據(jù)結(jié)構(gòu)的高度異構(gòu)性，更在于“大數(shù)據(jù)、小模型\"的難題?？臻g數(shù)據(jù)可能來自衛(wèi)星掃描、地面?zhèn)鞲衅鳌⒕用駟柧砘蚴墙?jīng)濟(jì)數(shù)據(jù)庫，坐標(biāo)系不同、精度參差、時(shí)間尺度各異。如果沒有統(tǒng)一的標(biāo)準(zhǔn)，數(shù)據(jù)整合會變得非常困難，將直接影響后續(xù)的建模和分析工作。例如，一項(xiàng)城市經(jīng)濟(jì)研究發(fā)現(xiàn)，數(shù)據(jù)差異過大，會嚴(yán)重影響模型的構(gòu)建和信息的提取過程，導(dǎo)致分析結(jié)果不準(zhǔn)確、不可靠[5]。如果這一問題未能有效解決，政府或企業(yè)在資源配置過程中可能產(chǎn)生決策失誤，進(jìn)而導(dǎo)致地區(qū)間發(fā)展不均衡的狀況進(jìn)一步加劇。更棘手的是，當(dāng)前空間數(shù)據(jù)分析常陷入“大數(shù)據(jù)、小模型”的困境一一分析深度不足、建模方法單一、技術(shù)手段匱乏。要突破這些瓶頸，僅憑手工清洗數(shù)據(jù)遠(yuǎn)遠(yuǎn)不夠，必須依賴自動化流程與強(qiáng)大計(jì)算能力的協(xié)同支撐。

在空間數(shù)據(jù)可視化方面，主要的問題是如何在圖像中同時(shí)反映數(shù)據(jù)的空間分布和數(shù)據(jù)的不確定性。空間數(shù)據(jù)通常存在測量誤差或采樣偏差。如果在可視化時(shí)忽略了這些誤差，決策者可能會誤解數(shù)據(jù)的真實(shí)含義，掉進(jìn)認(rèn)知陷阱。通常來說，研究者通過在地圖上疊加表示誤差的圖層，幫助決策者更全面地理解數(shù)據(jù)。但是，這種方法存在缺陷，例如容易造成圖像信息冗余，增加認(rèn)知負(fù)擔(dān)。另外，在展示大量空間數(shù)據(jù)時(shí)，也要避免圖像信息太密集給決策者造成視覺錯(cuò)誤，影響突發(fā)事件的預(yù)警和快速反應(yīng)7]。同樣的，也要避免圖像信息過度簡化，密密麻麻的傳感器讀數(shù)被壓縮成單一色階圖，關(guān)鍵波動信號在縮放時(shí)被“平滑\"掉了。好的空間可視化不該是信息轟炸，而是要學(xué)會用動態(tài)聚焦、分層渲染等手段講清復(fù)雜故事。

傳統(tǒng)的空間統(tǒng)計(jì)方法，例如傅里葉變換與協(xié)方差建模，雖然理論成熟，但對計(jì)算資源和建模經(jīng)驗(yàn)的依賴顯著[8]。在實(shí)際操作中，這些方法可能難以支撐對實(shí)時(shí)響應(yīng)的需求。一旦處理流程出現(xiàn)延誤，就有可能錯(cuò)失對基礎(chǔ)設(shè)施異常的早期識別，進(jìn)而影響應(yīng)急響應(yīng)的時(shí)效性。特別是在自然災(zāi)害或重大工程風(fēng)險(xiǎn)預(yù)警中，數(shù)據(jù)處理效率往往直接關(guān)系到公共安全。這種背景下，急需一種更具自動化能力、能快速部署的統(tǒng)計(jì)分析流程，用以支撐動態(tài)監(jiān)測與風(fēng)險(xiǎn)管理任務(wù)。

在這種背景下，學(xué)界與工程界將目光轉(zhuǎn)向更靈活的技術(shù)工具。R語言的廣泛應(yīng)用，正體現(xiàn)了這種趨勢的轉(zhuǎn)變。作為開源軟件，R語言不僅無須支付授權(quán)費(fèi)用，還擁有模塊化架構(gòu)和活躍的社區(qū)生態(tài)。這種開放性的特征，為R語言在空間數(shù)據(jù)處理與分析中的擴(kuò)展性奠定了良好基礎(chǔ)。更重要的是，R語言所涵蓋的豐富函數(shù)包能夠覆蓋從數(shù)據(jù)清洗到可視化的多個(gè)環(huán)節(jié)，使用戶可以以較低的學(xué)習(xí)成本，快速構(gòu)建出具備可操作性的分析方案。這為應(yīng)對空間數(shù)據(jù)科學(xué)面臨的挑戰(zhàn)提供了新的解決辦法。

二、R語言如何革新空間數(shù)據(jù)分析

R語言在空間數(shù)據(jù)分析領(lǐng)域引發(fā)了一系列重要變革，逐步改寫了傳統(tǒng)的工具體系與技術(shù)路徑。早期階段，研究人員主要依賴sp函數(shù)包來建立空間數(shù)據(jù)的基礎(chǔ)結(jié)構(gòu)，配合maptools、rg-dal和rgeos等工具，共同構(gòu)成了一個(gè)較為完整的分析系統(tǒng)9。然而，隨著sp工具包不再維護(hù)，R語言進(jìn)入以sf工具包為代表的更新階段。sf函數(shù)包基于國際通用的簡單要素標(biāo)準(zhǔn)，將空間數(shù)據(jù)組織成類似數(shù)據(jù)框的格式，使數(shù)據(jù)結(jié)構(gòu)更清晰，操作更便捷。更具吸引力的是，它與ggplot2、dplyr等常用數(shù)據(jù)分析工具高度兼容[1o]，在簡化操作的同時(shí)，也推動了現(xiàn)代分析風(fēng)格的普及。

與此同時(shí)，柵格數(shù)據(jù)處理方面也經(jīng)歷了關(guān)鍵調(diào)整。新推出的terra函數(shù)包逐漸取代了傳統(tǒng)的raster包，在計(jì)算速度和功能擴(kuò)展上都有顯著提升，尤其適用于遙感影像等大規(guī)模數(shù)據(jù)場景[1]。此外，R語言的兼容性也在不斷增強(qiáng)。通過rgrass、RSAGA和RPyGeo等工具，用戶可以實(shí)現(xiàn)與PostGIS、GRASS、SAGA和ArcGIS等主流平臺的無縫連接，從而拓寬R語言的應(yīng)用邊界

數(shù)據(jù)可視化方面的進(jìn)步同樣不容忽視。早期研究者多依賴基礎(chǔ)的plot函數(shù)繪圖，用于展現(xiàn)點(diǎn)、線、面等空間要素，并借助RColorBrewer實(shí)現(xiàn)簡單的專題地圖設(shè)計(jì)[12]。GISTools的加入帶來了比例尺、指北針、圖例等制圖元素，使輸出地圖更具規(guī)范性[13]。ggplot2的興起則是一次范式轉(zhuǎn)變，引入“圖形語法\"的構(gòu)圖理念，讓地圖制作更具模塊化與美學(xué)表達(dá)。通過疊加圖層，用戶可以靈活構(gòu)建表達(dá)清晰、視覺美觀的地圖。現(xiàn)在，研究人員常用ggspatial等插件工具進(jìn)一步提升地圖品質(zhì)，使其達(dá)到出版級標(biāo)準(zhǔn)[14]。plot函數(shù)和ggplot2各有側(cè)重，也為不同分析需求提供了豐富選擇。

借助R語言，空間統(tǒng)計(jì)分析領(lǐng)域的兩大核心方法一空間自相關(guān)分析與空間差異性分析，實(shí)現(xiàn)了突破性進(jìn)展。空間自相關(guān)分析揭示鄰近區(qū)域?qū)傩缘目臻g聚集特征，為插值預(yù)測與點(diǎn)模式識別提供基礎(chǔ)理論支持[15]。而空間差異性分析則關(guān)注地理過程的區(qū)域變異，常使用如地理加權(quán)回歸（GWR）等局部模型[16]。本研究團(tuán)隊(duì)開發(fā)的GWmodel函數(shù)包正是GWR方法的重要實(shí)現(xiàn)工具，具備較強(qiáng)的模型拓展能力。配套的GWmodelVis可視化包支持結(jié)果的動態(tài)展示與交互操作，顯著降低了建模門檻[17-19]。借助這些工具，R語言在空間建模能力上持續(xù)增強(qiáng)[20-22]，也逐步形成了從數(shù)據(jù)準(zhǔn)備、建模分析到結(jié)果呈現(xiàn)的一體化流程。

三、R語言空間數(shù)據(jù)科學(xué)實(shí)踐案例：民航GNSS干擾數(shù)據(jù)分析

GNSS是現(xiàn)代航空系統(tǒng)的關(guān)鍵技術(shù)之一，廣泛應(yīng)用于民航飛行中的空間定位、速度測量與時(shí)間同步。GNSS信號傳播高度依賴外部環(huán)境，極易受到電磁干擾、地理遮擋和極端氣象等因素影響，進(jìn)而造成定位精度下降或信號丟失，對飛行安全構(gòu)成潛在威脅。針對干擾問題的實(shí)時(shí)監(jiān)測與空間識別，已成為民航運(yùn)行保障的重要課題。

隨著數(shù)據(jù)采集技術(shù)進(jìn)步，飛行品質(zhì)監(jiān)控系統(tǒng)（QuickAccessRecorder，以下簡稱QAR）成為獲取飛行過程中GNSS信號狀態(tài)的核心數(shù)據(jù)來源。通過對QAR記錄的深人分析，可有效識別干擾發(fā)生的時(shí)空特征，為構(gòu)建干擾監(jiān)測與防控機(jī)制提供數(shù)據(jù)支撐。

基于全國飛行品質(zhì)監(jiān)控網(wǎng)絡(luò)，研究團(tuán)隊(duì)對2023年約4150架民航客機(jī)執(zhí)行的超過350萬架次航班數(shù)據(jù)進(jìn)行了GNSS信號監(jiān)測。為處理這一大規(guī)模數(shù)據(jù)集，采用R語言分別從統(tǒng)計(jì)建模與空間可視化兩個(gè)維度展開系統(tǒng)分析，體現(xiàn)空間數(shù)據(jù)科學(xué)方法在實(shí)際應(yīng)用中的價(jià)值。

為提升數(shù)據(jù)可靠性，需對QAR數(shù)據(jù)開展標(biāo)準(zhǔn)化處理。基于航空數(shù)據(jù)字典，對不同機(jī)型與設(shè)備版本間的字段差異進(jìn)行統(tǒng)一，消除結(jié)構(gòu)異構(gòu)性。針對傳感器記錄中的缺失值，采用R語言中的線性插值方法，結(jié)合輔助變量進(jìn)行動態(tài)填補(bǔ)。系統(tǒng)初始化階段產(chǎn)生的噪聲與異常值，通過統(tǒng)計(jì)模型識別后進(jìn)行插值或替代修正。飛行軌跡中的波動與簡化誤差，則通過卡爾曼濾波算法進(jìn)行校正，優(yōu)化空間精度。此外，為補(bǔ)全記錄中缺失的機(jī)型信息，結(jié)合機(jī)場與航班時(shí)刻數(shù)據(jù)進(jìn)行還原識別。

（一）基礎(chǔ)統(tǒng)計(jì)與可視化

采用R語言中的基礎(chǔ)繪圖函數(shù)對2023年民航GNSS信號監(jiān)測數(shù)據(jù)進(jìn)行統(tǒng)計(jì)與可視化分析，生成月度信號丟失率圖與機(jī)場分布統(tǒng)計(jì)圖。通過對GNSS信號丟失的月份分布以及區(qū)域分布分析，能夠得出信號丟失事件主要集中的時(shí)間以及地點(diǎn)，為民航運(yùn)行安全提供了數(shù)據(jù)參考。

結(jié)合日歷熱力圖進(jìn)一步刻畫特定機(jī)場GNSS信號丟失的時(shí)間分布特征。以圖1所示的A市為例，熱力圖清晰展示每日信號異常的密集程度，為識別干擾事件的時(shí)序規(guī)律及潛在周期性提供可視化依據(jù)。該方法有助于提升干擾源識別與風(fēng)險(xiǎn)研判的效率與準(zhǔn)確性。

（二）核密度估計(jì)與空間可視化

核密度估計(jì)屬于非參數(shù)概率密度估計(jì)方法，可通過設(shè)置平滑參數(shù)，對數(shù)據(jù)的空間分布特性進(jìn)行連續(xù)性表達(dá)與圖形化呈現(xiàn)。依托本研究團(tuán)隊(duì)所開發(fā)的R語言空間分析函數(shù)包GISTools，構(gòu)建GNSS信號干擾事件的核密度空間分布模型，并以某區(qū)域空域?yàn)閷ο筮M(jìn)行建模與可視化（出于數(shù)據(jù)安全考量，本部分內(nèi)容未提供具體圖示說明）。

模型分別對不同飛行階段（如起降、巡航）、不同干擾持續(xù)時(shí)長（如10分鐘以上）及不同飛行高度（如3000米以下）條件下的事件分布進(jìn)行核密度估計(jì)，結(jié)果揭示多個(gè)高密度聚集區(qū)。相關(guān)分析反映了GNSS干擾的空間強(qiáng)度分布、變化趨勢及可能模式，為后續(xù)識別干擾源的空間位置與類型提供理論依據(jù)與圖像支持。

四、R語言革新空間數(shù)據(jù)處理對行業(yè)的深遠(yuǎn)沖擊

R語言的出現(xiàn)，重新定義了空間數(shù)據(jù)處理的方式，并在一定程度上彌補(bǔ)了傳統(tǒng)GIS工具的局限。這些局限多體現(xiàn)在多源數(shù)據(jù)的整合、可視化表達(dá)和統(tǒng)計(jì)建模的靈活性方面。傳統(tǒng)軟件如ENVI和ArcGIS，多依賴圖形化界面操作，雖然上手簡單，卻難以滿足高頻迭代與批量處理的需求，重用性也不足。與此同時(shí)，軟件授權(quán)費(fèi)用較高，常常限制了中小機(jī)構(gòu)的廣泛應(yīng)用。相比之下，R語言基于代碼腳本的運(yùn)作模式，不僅提升了處理的靈活性，還便于結(jié)果的復(fù)現(xiàn)與共享。尤其是在sf和terra等函數(shù)包的支持下，用戶可以在同一平臺內(nèi)同時(shí)處理矢量和柵格數(shù)據(jù)，這一整合性優(yōu)勢顯著提升了城市規(guī)劃與資源管理的工作效率。

圖1A市GNSS信號丟失時(shí)間分布圖（萬次）

更重要的是，與商業(yè)平臺中“算法黑箱”參數(shù)受限的狀況不同，R語言在方法層面體現(xiàn)出高度透明性與可追溯性。以地理加權(quán)回歸為例，ArcGIS所集成算法與學(xué)術(shù)界通用模型存在實(shí)現(xiàn)差異，用戶既難以檢視計(jì)算過程，也無法調(diào)整關(guān)鍵參數(shù)，影響結(jié)果可信度。而R語言通過開源工具包提供了細(xì)粒度控制權(quán)限，研究人員可直接修改源碼、優(yōu)化模型結(jié)構(gòu)，并對算法邏輯進(jìn)行驗(yàn)證，確保分析的科學(xué)性與可重復(fù)性。這一特性極大增強(qiáng)了研究的自主性與理論貢獻(xiàn)的嚴(yán)謹(jǐn)性。

R語言的優(yōu)勢不僅體現(xiàn)在底層技術(shù)與分析能力上，更在于其廣泛的跨領(lǐng)域適用性。在城市治理實(shí)踐中，R語言已廣泛應(yīng)用于城市三維建模、遙感數(shù)據(jù)整合、水質(zhì)地圖構(gòu)建、大壩安全監(jiān)測與交通擁堵指數(shù)建模等領(lǐng)域。例如，在阿聯(lián)首阿奈恩市（AlAin），研究團(tuán)隊(duì)利用R語言整合HERE地圖與谷歌地圖的交通數(shù)據(jù)構(gòu)建可視化模型，用以識別高峰期擁堵成因并輔助交通調(diào)度決策[23];在環(huán)境監(jiān)測中，R語言通過Leaflet可視化污染物分布，提升了數(shù)據(jù)可視性與應(yīng)急響應(yīng)效率[24]；R語言在社交媒體空間建模中同樣展現(xiàn)潛力，能夠提取社交平臺中的地理與文本數(shù)據(jù)，進(jìn)而揭示輿情演化模式，提升政策回應(yīng)的精準(zhǔn)度[25]。

在教學(xué)實(shí)踐方面，R語言通過RMarkdown實(shí)現(xiàn)了數(shù)據(jù)分析、結(jié)果表達(dá)與報(bào)告撰寫的高度集成，改變了以往“操作導(dǎo)向\"教學(xué)模式[26-27]。學(xué)生在編寫代碼的同時(shí)生成可復(fù)現(xiàn)的分析文檔，教師則可依據(jù)腳本快速審閱作業(yè)過程與輸出結(jié)果。這種教學(xué)機(jī)制不僅提升了學(xué)習(xí)效率，也有助于培養(yǎng)學(xué)生對復(fù)雜空間數(shù)據(jù)問題的建模能力與邏輯思維，從而實(shí)現(xiàn)從“軟件技能”向“數(shù)據(jù)能力\"的教學(xué)轉(zhuǎn)型[28]。

從實(shí)踐應(yīng)用到教學(xué)推廣，R語言都顯示出廣闊的發(fā)展前景。R語言的開源特性帶來的開放性與可擴(kuò)展性，使其在城鄉(xiāng)與自然系統(tǒng)管理領(lǐng)域發(fā)揮著日益重要的作用。隨著人工智能技術(shù)的逐步融人，R語言在城市微氣候調(diào)控、建筑節(jié)能評估、綠色設(shè)計(jì)模擬等領(lǐng)域的應(yīng)用不斷拓展。例如，研究者利用shadow工具包對建筑陰影進(jìn)行分析，從而識別城市熱島效應(yīng)的空間分布，為城市空間優(yōu)化提供科學(xué)依據(jù)[29]。這些實(shí)踐為構(gòu)建更加智能與可持續(xù)的城市環(huán)境奠定了基礎(chǔ)?？梢灶A(yù)見，R語言將在跨領(lǐng)域研究、智能治理與公共服務(wù)數(shù)字化等方面持續(xù)發(fā)力，成為空間數(shù)據(jù)科學(xué)不可或缺的技術(shù)平臺。

結(jié)語

在全球數(shù)字化轉(zhuǎn)型和空間智能技術(shù)迅速發(fā)展的背景下，空間數(shù)據(jù)科學(xué)正改變?nèi)祟惱斫獾乩硎澜绲姆绞?。伴隨城市治理的數(shù)字化進(jìn)程加快，大量結(jié)構(gòu)復(fù)雜、類型多樣的空間數(shù)據(jù)不斷涌現(xiàn)，傳統(tǒng)分析工具在數(shù)據(jù)融合與建模方面顯得力不從心，制約了城市規(guī)劃、環(huán)境監(jiān)測與公共安全等領(lǐng)域的效率與精準(zhǔn)度。為破解這一難題，本文基于R語言構(gòu)建了一套涵蓋數(shù)據(jù)導(dǎo)人、清洗、建模、可視化和統(tǒng)計(jì)分析的完整流程，并詳細(xì)介紹了核心工具包的實(shí)際應(yīng)用。同時(shí)，選取民航GNSS干擾數(shù)據(jù)作為案例，驗(yàn)證R語言在處理高維、異構(gòu)空間數(shù)據(jù)方面的可靠性與實(shí)用性。通過引入R語言，本文構(gòu)建了一條“開放共建、低門檻、可重現(xiàn)”的空間數(shù)據(jù)科學(xué)民主化路徑。

隨著R語言開源生態(tài)的不斷擴(kuò)展，其構(gòu)建了從空間數(shù)據(jù)分析、可視化到統(tǒng)計(jì)建模的完整鏈條，在空間數(shù)據(jù)科學(xué)領(lǐng)域的作用日益增強(qiáng)。

面向未來，隨著城市空間三維數(shù)據(jù)等新型空間數(shù)據(jù)源的爆發(fā)式增長，構(gòu)建更強(qiáng)大的多源數(shù)據(jù)融合處理框架已成為支撐綜合應(yīng)用場景的迫切需求。與此同時(shí)，技術(shù)演進(jìn)正加速消融編程語言邊界，未來跨平臺（如R語言與Python語言）協(xié)同的空間數(shù)據(jù)科學(xué)實(shí)踐生態(tài)將重塑分析方法論體系。需要指出的是，本研究雖未涵蓋地理空間人工智能（GeoAI）技術(shù)[30]，但該方向在空間模式識別與智能決策中的核心價(jià)值使其成為學(xué)科發(fā)展不可或缺的組成部分。更值得關(guān)注的是，在大語言模型技術(shù)革命的驅(qū)動下，探索復(fù)雜空間分析場景中R代碼的精準(zhǔn)自動化生成機(jī)制，并進(jìn)一步發(fā)展為具備自主推理能力的空間統(tǒng)計(jì)分析智能體[31，正成為人工智能與空間科學(xué)交叉融合的前沿突破口。

參考文獻(xiàn)：

[1]甄峰、李智軒：《數(shù)據(jù)驅(qū)動的中國城市空間治理框架 設(shè)想》[J]，《經(jīng)濟(jì)地理》2023年第43期，第26-35頁。

[2]李德仁、王樹良、史文中、王新洲：《論空間數(shù)據(jù)挖掘 和知識發(fā)現(xiàn)》[J]，《武漢大學(xué)學(xué)報(bào)（信息科學(xué)版）》2001年 第26期，第491-499頁。

[3]田穎、楊滔、黨安榮：《城市信息模型的支撐技術(shù)體系 解析》[J]，《地理與地理信息科學(xué)》2022年第38期，第50- 57頁。

[4]盧賓賓、田小溪、秦思嫻、史祎琳、李建松：《基于地理 加權(quán)建模技術(shù)的武漢市土地資源承載力評價(jià)研究》[J]， 《武漢大學(xué)學(xué)報(bào)（信息科學(xué)版）》2025年第50期，第430- 438頁。

[5]RainerSplechtna，ThomasHulka，Disha Sardana，NikithaDonekal Chandrashekar， DenisGracanin and KresimirMatkovic，“InteractiveExplorationofComplexHeterogeneousData：A Use Case on Understanding City Economics\"[C]，Proceedingsof the2O23InternationalConference onInformationVisualization Theoryand Applications，2023.

[6] Dominik J?ckle，Hansi Senaratne， Juri F Buchmüller and DanielA.Keim，“Integrated Spatial UncertaintyVisualization using Off-screen Aggregation”[C]，EuroVis Workshop on Visual Analytics，2015.

[7] DanielA.Keim，ChristianPanse，Mike Sips and Stephen C. North，“Pixel Based Visual Data Mining of Geo-spatial Data\"[J]， Computers and Graphics，2004，28（3）： 327-344.

[8] Reguzoni Mirko，Rossi Lorenzo，De Gaetani CarloIapige， Caldera Stefano and Barzaghi Riccardo，“GNSS-Based Dam Monitoring： The Application of a Statistical Approach for Time Series Analysis toa Case Study\"[J]，Applied Sciences， 2022，12（19）： 9981-9981.

[9]Roger S. Bivand，Edzer J.Pebesma，Virgilio G6mez-Rubio，Applied Spatial Data Analysis with R[M]，NewYork： Springer，2008.

[10] HadleyWickham and Garrett Grolemund，R for Data Science：Import，Tidy，Transform，Visualize，and Model Data [M]， London，UK： O’Reilly Media，2023.

[11] Robert J. Hijmans，Márcia Barbosa，Roger Bivand， Andrew Brown，Michael Chirico，Emanuele Cordano，Krzysztof Dyba，Edzer Pebesma， Barry Rowlingson and Michael D. Sumner，“Terra： Spatial Data Analysis”[DB/OL]， 2023，accessed July 24， 2025，htps：//ran.r-project.org/package= terra.

[12] Tonny J. Oyana， Spatial Analysis with R： Statistics，Visualization，and Computational Methods [M]，London： CRC Press， 2021.

[13] Chris Brunsdon，Binbin Lu and Hongyan Chen，“GIS Tools：Further Capabilities in Geographic Information Science\"[DB/OL]， 2024，accessed July 24，2025， htps：//CRAN. R-project.org/package=GISTools.

[14] Dewey Dunnington，Brent Thorne and Diego Hernang6mez，“Ggspatial： Spatial Data Framework for Ggplot2” [DB/OL]， 2021， accessed July 24， 2025， https：//CRAN. Rproject.org/package=ggspatial.

[15] Waldo R. Tobler，“A Computer Movie Simulating UrbanGrowthintheDetroitRegion”[J]，EconomicGeography，1970，46（2）： 234-240.

[16] Michael F. Goodchild，“The Validity and Usefulness of Laws in Geographic Information Science and Geography” [J]，Annals of theAssociation of American Geographers， 2004，94（2）： 300-303.

[17]Binbin Lu，Paul Harris，Martin Charlton and Chris Brunsdon，“The Gwmodel R Package： Further Topics for Exploring Spatial Heterogeneity Using Geographically Weighted Models\"[J]， Geo-spatial Information Science，2014，17 （2）： 85-101.

[18] Isabella Gollini，Binbin Lu，Martin Charlton，ChristopherBrunsdonand Paul Harris，“Gwmodel：AnR Package forExploring Spatial Heterogeneity Using Geographically Weighted Models”[J]， Journal of Statistical Software， 2015，63（17）： 1-50.

[19] Binbin Lu and Huimei Wang，“GWmodelVis： Visualization Tools for Geographically Weighted Models\"[DB/OL]， 2025，accessed July 24，2025， https：//CRAN.R-project.org/ package=GWmodelVis.

[20] Chris Brunsdon，A. Stewart Fotheringham and Martin E. Charlton，“Geographically Weighted Regression：A Method for Exploring Spatial Nonstationarity”[J]，Geographical Analysis，1996，28（4）： 281-298.

[21] Binbin Lu，Chris Brunsdon， Martin Charlton and Paul Haris，“Geographically Weighted Regression with Parameter-specific Distance Metrics\"[J]， International Journal of Geographical Information Science，2017，31（5）： 982-998. [22] Stewart A. Fotheringham， Wenbai Yang and Wei Kang， “Multiscale Geographically Weighted Regression”[J]， Annalsof the American Association of Geographers，2017， 107（6）： 1247-1265.

[23] Khaula Alkaabi， Mohsin Raza，Esra Qasemi， Hafsah Alderei，Mazoun Alderei and Sharina Almheiri，“Using Crowd-sourced Traffic Data and Open-source Tools for Urban Congestion Analysis”[J]， Transportation Research Interdisciplinary Perspectives，2024，28： 1261-1261.

[24] Kaya Efdal， Agca Muge， Adiguzel Fatih and Cetin M， “Spatial Data Analysis with R Programming for Environment”[J]，Humanand Ecological RiskAssessment，2019， 25（6）： 1521-1530.

[25] Sanchez-Arias，Reinaldo and Eliana Espinosa，“TwitterData Miningand PredictiveModeling inR\"[J]，TransportationResearchInterdisciplinaryPerspectives，2024. [26] Benjamin Baumer and Dana Udwin，“R Markdown\"[J]， Wiley Interdisciplinary Reviews：Computational Statistics， 2015： 167-177.

[27] Kristine L. Grayson， Angela K. Hilliker and Joanna R. Wares，“R Markdown as a Dynamic Interface for Teaching： Modules from Math and Biology Classrooms\"[J]， Mathematical Biosciences，2022： 108844.

[28] Ben Baumer，Mine Cetinkaya-Rundel，Andrew Bray， LindaLoi and NicholasJ.Horton，“R Markdown：Integrating aReproducible Analysis Tool into Introductory Statistics”[J]，Technology Innovations in Statistics Education， 2014，8（1）： 1-29.

[29] Dorman Michael， Erell Evyatar， Vulkan Adi and Kloog Itai，“Shadow：R Package for Geometric Shadow Calculations in an Urban Environment\"[J]， TheRJournal，2019，11 （1）： 287-287.

[30] Gengchen Mai， Yiqun Xie，Xiaowei Jia，Ni Lao， JinmengRao，Qing Zhu， Zeping Liu，Yao Yi Chiang and Junfeng Jiao，“Towards the Next Generation of Geospatial Artificial Inteligence”[J]，， International Journal of Applied Earth Observation and Geoinformation，2025，136： 1043-68.

[31] Temitope Akinboyewa， Zhenlong Li， Huan Ning and M NaserLessani，“GIS Copilot：Towards an Autonomous GIS Agentfor Spatial Analysis”[J]，International Journalof Digital Earth，2025，18（1）：2497489.

作者簡介：張瀟月，中國民航科學(xué)技術(shù)研究院助理研究員。李斌，中國民航科學(xué)技術(shù)研究院研究員。盧賓賓，武漢大學(xué)遙感信息工程學(xué)院教授。

責(zé)任編輯：盧小文助理編輯：虞晉鈞