本文介绍基于
R
语言中的
GD
包，依据
栅格影像
数据，实现自变量
最优离散化方法
选取与执行，并进行
地理探测器
（
Geodetector
）操作的方法。

首先，在
R
语言中进行
地理探测器
操作，可通过
geodetector
包、
GD
包等
2
个包实现。其中，
geodetector
包是
地理探测器模型
的原作者团队开发的，其需要保证输入的
自变量数据
已经全部为
类别数据
；其具体操作方法大家可以参考
地理探测器R语言实现：geodetector
。而
GD
包则是另一位学者开发的，其可自动实现
自变量数据
的
最优离散化方法
选取与执行；本文介绍的就是基于
GD
包实现
地理探测器
的具体操作。此外，如果希望基于
Excel
实现
地理探测器
，大家可以参考
地理探测器Geodetector下载、使用、结果分析方法
。

1 包的安装与导入

首先，我们可以先到
GD
包在
R
语言中的
官方网站
，大致了解一下该包的简要介绍、开发团队等基本信息。

随后，我们开始
GD
包的下载与安装。输入如下所示的代码，即可开始包的下载与安装过程。

install.packages("GD")

输入代码后，按下
回车
键，运行代码；如下图所示。在安装
GD
包时，会自动将其所需依赖的其他包（如果在此之前没有配置过）都一并配置好，非常方便。

接下来，输入如下的代码，将
GD
包导入。

library("GD")

输入代码后，按下
回车
键，运行代码；如下图所示。

2 数据读取与预处理

接下来，我们需要读取栅格图像数据，并将其转为
GD
包可以识别的
数据框
（
Data Frames
）格式。

其中，读取栅格数据的方法，大家参考
基于R语言的raster包读取遥感影像
即可；关于数据格式的转换，大家参考
地理探测器R语言实现：geodetector
即可。这一部分的内容本文就不再赘述。

3 地理探测器执行

接下来，我们就可以开始地理探测器的具体分析；强烈建议大家基于
GD
包中的
gdm()
函数，实现一步到位的地理探测器分析操作。

首先，如果大家输入数据中的
自变量
数据具有
连续变量
，需要将其转换为
类别变量
；
gdm()
函数可以实现
连续变量
的
离散化方式寻优
与
自动执行
。其中，我们可以选择的
离散化方式
包括
相等间隔法
、
自然间断点法
、
分位数分类法
、
几何间隔法
与
标准差法
等
5
种不同的方法，分别对应以下第一句代码中的
"equal"
、
"natural"
、
"quantile"
、
"geometric"
与
"sd"
等
5
个选项。此外，我们还可以依据数据的特征，对自变量离散化的类别数量加以限定，具体代码如下所示。

discmethod <- c("equal", "natural", "quantile", "geometric", "sd")
discitv <- c(4:10)

其中，上述第一句代码表示，我们后续将从
相等间隔法
、
自然间断点法
、
分位数分类法
、
几何间隔法
与
标准差法
等
5
种不同的方法中，找到
每一个连续变量
对应的
最优离散化方法
；第二句代码则表示，在后续寻找最优离散化方法的同时，还需要对每一个变量的
分类数量
加以寻优——
c(4:10)
就表示我们分别将
每一个连续变量
分为
4
类、
5
类、
6
类，以此类推，一直到
10
类，从其中找到最优结果对应的
类别数量
。

接下来，我们即可调用
gdm()
函数，执行
地理探测器
分析的具体操作；其中，
my_gd
为保存地理探测器结果的变量；函数的第一个参数，表示因变量与自变量的关系，
~
前的变量即为
因变量
，
~
后的变量即为
自变量
，多个
自变量
之间通过
+
相连接；第二个参数表示
自变量
中的
连续变量
，程序将自动对这些
连续变量
加以
离散化方法寻优与执行
；第三个参数表示存储自变量与因变量数据的
数据框
（
Data Frames
）格式的变量；最后两个变量，即为前面我们选择的
离散化方法
与
类别数量
。

my_gd <- gdm(A_LCCS0 ~ C_SlopeS0 + D_AspectS0 + DEM_Reclass + F_LCS0,
                        continuous_variable = c("C_SlopeS0", "D_AspectS0"),
                        data = tif_frame,
                        discmethod = discmethod,
                        discitv = discitv)

这里需要注意，如果大家不是通过脚本运行的
R
语言，而是每次写一句代码然后按下
回车
键运行一下，那么上述代码中的换行就需要通过同时按下
Shift
键与
回车
键实现。输入上述代码后，如下图所示。

随后，即可运行代码。稍等片刻（具体时长与数据量有关），即可得到地理探测器的结果
my_gd
。这一变量的具体结构、内容如下图所示。

我们可以输入如下的代码，将变量
my_gd
打印出来。

my_gd

所得结果如下图所示。

可以看到，
my_gd
变量包含了
每一个连续变量
在离散化后，对应的最优
离散化方法
与
类别数量
，以及
地理探测器
的各个分析结果。具体结果的含义与研读方法，大家参考
地理探测器Geodetector下载、使用、结果分析方法
，以及
地理探测器R语言实现：geodetector
这两篇文章即可，这里就不再赘述。

此外，我们可以通过如下的代码，将上述结果加以可视化。

plot(my_gd)

运行上述代码，结果如下图所示。

此时，在
RStudio
软件的右下方“
Plots
”中，即可看到可视化结果，如下图所示。其中，我们可以通过下图中红色方框内的箭头，实现不同图片的切换显示。

上述结果包含
7
张图像，其分别与
上上图
中的
7
项输出内容对应——第一张图是
最优离散化方法
的选取过程，第二张图则是所选出的最优离散化方法对应的
分类情况
；后
5
张图就是地理探测器的分析结果图，即上上图中最后
5
个
plot
分别对应的结果。

至此，我们就完成了基于
R
语言中的
GD
包，依据多张
栅格图像
数据，实现类别变量的自动离散化，并进行
地理探测器
（
Geodetector
）操作的完整流程。