如何用R的spatstat包复刻ESRI Point Density工具？

核心逻辑对齐 #

ESRI Point Density本质是固定邻域的加权核密度估计：对每个栅格单元，计算指定邻域内所有点的属性权重总和，再除以邻域面积，输出单位面积的密度值。要对齐这个逻辑，优先用density.ppp配合参数设置，比smooth.ppp或自定义焦点分析更高效精准。

具体操作步骤 #

1. 数据预处理（单位统一是关键） #

确保你的ppp对象坐标已转换为千米（最终要输出每平方千米的单位）。如果原始数据是米单位，用以下代码转换：

your_ppp_object <- rescale(your_ppp_object, s = 1/1000)

2. 用density.ppp实现核心功能 #

直接通过参数配置复刻ESRI工具的行为：

• weights：传入遗址的规模属性（比如公顷数），对应ESRI里的「Population字段」，让每个点的贡献按自身规模加权；
• bw：设置为ESRI的搜索半径（千米为单位），比如搜索半径5千米就设bw=5；
• kernel：选"disc"对应ESRI默认的圆形邻域，选"square"对应方形邻域，这两个核都是邻域内权重均匀计算，完全匹配ESRI的逻辑；
• at = "pixels"：指定输出栅格格式的密度表面。

示例代码：

# 假设your_ppp_object已转千米单位，site_size是每个遗址的公顷数属性
density_surface <- density.ppp(your_ppp_object, 
                               weights = your_ppp_object$site_size,
                               bw = 5,  # 5千米搜索半径
                               kernel = "disc",  # 圆形邻域
                               at = "pixels")

3. 结果验证 #

density.ppp输出的单位正好是公顷/平方千米，完全符合你的需求。可以手动计算某点邻域内的总公顷数除以邻域面积（圆形邻域面积为π*r²），和栅格值对比验证准确性。

其他选项的优劣对比 #

• smooth.ppp：默认用高斯核做平滑，是「渐变权重」的核估计，和ESRI「固定邻域均匀加权」的逻辑不符，不推荐；
• 自定义焦点分析：比如用raster包的focal函数，需要先把点转栅格再处理，效率远低于density.ppp，且spatstat对空间点的边界处理更专业。

时间序列追踪方法 #

把数据按时间切片（比如按朝代/时间段拆分ppp对象），对每个时间片重复上述步骤，即可得到不同时期的密度表面，进而分析变化趋势。

内容的提问来源于stack exchange，提问作者Michal Michalski