Phân cụm dữ liệu địa lý dựa trên vị trí điểm và giá trị điểm được liên kết

Cho các điểm dữ liệu với kinh độ, vĩ độ và giá trị thuộc tính thứ ba của điểm này. Làm cách nào tôi có thể phân cụm các điểm thành các nhóm (tiểu vùng địa lý) dựa trên giá trị tài sản? Tôi đã tìm kiếm bởi google và nhận ra rằng vấn đề này dường như được gọi là "phân cụm hạn chế không gian" hoặc "khu vực hóa". Tuy nhiên, tôi không quen với việc xử lý dữ liệu địa lý và không có ý tưởng nào về loại thuật toán nào là tốt và gói python / R nào tốt cho nhiệm vụ này.

Để đưa ra ý tưởng trực quan hơn về những gì tôi muốn, giả sử các sơ đồ phân tán dữ liệu của tôi như sau:

Vì vậy, mỗi dấu chấm là một điểm, x là kinh độ, y là vĩ độ và bản đồ màu cho thấy giá trị đó lớn hay nhỏ. Tôi muốn chia các điểm đó thành các vùng / nhóm / cụm phụ dựa trên vị trí và độ tương tự của các giá trị. Giống như sau (không chính xác những gì tôi muốn, chỉ để hiển thị một ý tưởng trực quan.):

Vậy làm thế nào tôi có thể đạt được điều này?

Gói rioja cung cấp chức năng cho phân cụm phân cấp bị ràng buộc. Đối với những gì bạn đang nghĩ là "bị hạn chế về mặt không gian", bạn sẽ chỉ định cắt giảm dựa trên khoảng cách trong khi đối với "khu vực hóa", bạn có thể sử dụng k hàng xóm gần nhất. Tôi đặc biệt khuyên bạn nên chiếu dữ liệu của mình để nó nằm trong hệ thống tọa độ dựa trên khoảng cách.

require(sp)
require(rioja)

data(meuse)
  coordinates(meuse) <- ~x+y
  cdat <- data.frame(x=coordinates(meuse)[,1],y=coordinates(meuse)[,2])
  rownames(cdat) <- rownames(meuse@data)

# Constrained hierarchical clustering 
chc <- chclust(dist(cdat), method="conslink")

# Using kNN with 3 neighbors
chc.n3 <- cutree(chc, k=3) 

# Using distance 
chc.d200 <- cutree(chc, h=200) 

meuse@data <- data.frame(meuse@data, KNN=as.factor(chc.n3), DClust=chc.d200)

opar <- par
  par(mfcol=c(1,2))  
   cols <- topo.colors(length(unique(meuse@data$KNN)))  
    color <- rep("xx", nrow(meuse@data))
      for(i in 1:length(unique(meuse@data$KNN))) {
        v <- unique(meuse@data$KNN)[i] 
          color[(meuse@data$KNN == v)] <- cols[i]
        }
    plot(meuse, col=color, pch=19, main="kNN Clustering")
      box()

    cols <- topo.colors(length(unique(meuse@data$DClust)))  
    color <- rep("xx", nrow(meuse@data))
      for(i in 1:length(unique(meuse@data$DClust))) {
        v <- unique(meuse@data$DClust)[i] 
          color[(meuse@data$DClust == v)] <- cols[i]
        }
    plot(meuse, col=color, pch=19, main="Distance Clustering")
      box() 
par <- opar