地理探测器学习与应用（二）
地理探测器学习与应用（二）
上一次推文中我们讲了地理探测器的一些基本原理，这次我们来尝试按照王老师论文中给的方法和数据进行一些应用。由于我对R比较熟悉，所以这次以R语言为例进行实验。
地理探测器R包
地理探测器已由徐成东老师主导，做好了一个R包（geodetector）发布在了CRAN，大家可以通过文末阅读原文跳转CRAN地理探测器包所在页面。
地理探测器R包安装
可以直接使用RStudio安装R包，具体的R语言安装可以参考下面的图片，跳转对应推文阅读。
地理探测器包所需的包
R语言中，一个包的功能往往还需要其它包来支撑，地理探测器包也不例外。地理探测器需要以下包的支持：
sp (≥ 1.2-7), rgeos (≥ 0.3-26), rgdal (≥ 1.2-16), maptools
正常情况下，R语言安装geodetector的时候会自动将所需的其它包安装上，但是有时候可能会因为一些错误无法完成安装，这个时候就需要我们手动先将上面的四个包安装完后，再安装geodetector
应用案例：新生儿神经管畸形空间变异的环境因子识别
这个案例是王老师论文中的第一个案例，同时对应的数据也打包到了R包里面，作为实例案例。接下来我们根据这个案例来看一看detector包是如何工作的。
加载包并查看数据
使用下面语句加载geodetector包，加载练习数据CollectData
library(geodetector)
data("CollectData")
加载数据后，我们发现，这是一个185行，4列的数据框
我截取了两行数据，进行了一下解释：
| Y因变量 | X1自变量 | X2自变量 | X3自变量 |
|---|---|---|---|
| incidence | watershed | soiltype | elevation |
| 数值量 | 类型量 | 类型量 | 类型量 |
| 7.20 | 2 | 3 | 6 |
| 7.01 | 2 | 3 | 6 |
接下来我们一个一个看地理探测器的四个探测功能，为了和地理探测器学习与应用（一）文中介绍的顺序保持一致，我就不按R包帮助顺序讲了。好，我们一个一个看。
1. 分异及因子探测
下面的语句是单因子探测，针对CollectData数据框中的土壤类型（soiltype）自变量，探测对发病率（incidence）的解释力。
factor_detector("incidence","soiltype",CollectData)
运行完后，输出如下结果，可以看出，土壤类型的q值为0.3857168，p值较大，由此可知，土壤类型对发病率的解释力较低，土壤类型和新生儿神经管畸形发病率的关系不大。
地理探测器同时可以探测多个因子对于因变量的解释力，代码示例如下：
factor_detector (1,c(2,3,4),CollectData)
由下图可以看出，地理探测器给出了三个因子分别对于发病率的q值和p值，流域（watershed）的q值最大，p值最小，其次是高程（elevation）因素，由此我们可以推断，新生儿神经管畸形发病可能和水有关。
2. 交互作用探测
下面的代码可以计算三个因子和因变量之间的交互作用关系：
interaction_detector("incidence",c("soiltype","watershed","elevation"),CollectData)
计算结果如下：
最后一列为q(X1∩X2)的结果，但是没有比较，先以第一行为例说明一下吧，后续我再慢慢改进代码。
"soiltype" "watershed" "0.735680548139531"
这个是土壤和流域两个因子的相互作用，那么我们先对应找这俩因子各自的q值
| q | p | id |
|---|---|---|
| 0.638 | 0.000117 | watershed |
| 0.386 | 0.363 | soiltype |
结合上一篇文章中交互作用探测结果，我们发现，q(X1∩X2)大于q(X1)、q（X2）中最大的一个，满足第3个双因子增强关系。
3. 风险区探测
风险区探测同样可以由如下一条代码完成：
risk_detector(1,c(2,3,4),CollectData)
风险区探测计算结果如下图：
TRUE，通过零假设，两个子区域间属性均值不存在明显差异： FALSE，拒绝零假设，两个子区域间属性均值存在明显差异。
4. 生态探测
实例代码如下：
ecological_detector("incidence",c("soiltype","watershed","elevation"),CollectData)
用于比较两因子X1、X2对属性Y空间分布的影响是否有显著差异。生态探测结果如下：
TRUE，通过零假设，两因子X1、X2对属性Y空间分布无显著差异； FALSE，拒绝零假设，两因子X1、X2对属性Y空间分布有显著差异。
以上是R语言中运行地理探测器的实例和讲解，欢迎大家留言讨论。
参考文献
王劲峰, 徐成东. 地理探测器:原理与展望[J]. 地理学报, 2017, 72(001):116-134. https://cran.r-project.org/web/packages/geodetector/index.html