Spatial Predictive Modelling with R 1st Edition

Jin Li install download

https://ebookmeta.com/product/spatial-predictive-modelling-
with-r-1st-edition-jin-li-2/

Download more ebook from https://ebookmeta.com

We believe these products will be a great fit for you. Click
the link to download now, or visit ebookmeta.com
to discover even more!

Spatial Predictive Modelling with R 1st Edition Jin Li

https://ebookmeta.com/product/spatial-predictive-modelling-
with-r-1st-edition-jin-li/

Fundamentals of Spatial Analysis and Modelling 1st

Edition Jay Gao

https://ebookmeta.com/product/fundamentals-of-spatial-analysis-
and-modelling-1st-edition-jay-gao/

Advanced Prognostic Predictive Modelling in Healthcare

Data Analytics 1st Edition Sudipta Roy

https://ebookmeta.com/product/advanced-prognostic-predictive-
modelling-in-healthcare-data-analytics-1st-edition-sudipta-roy/

Designing Autonomous AI: A Guide for Machine Teaching

1st Edition Kence Anderson

https://ebookmeta.com/product/designing-autonomous-ai-a-guide-
for-machine-teaching-1st-edition-kence-anderson/
Superfans The Easy Way to Stand Out Grow Your Tribe and
Build a Successful Business Pat Flynn

https://ebookmeta.com/product/superfans-the-easy-way-to-stand-
out-grow-your-tribe-and-build-a-successful-business-pat-flynn/

On the Reception of the Heterodox into the Orthodox

Church 1st Edition Uncut Mountain Press

https://ebookmeta.com/product/on-the-reception-of-the-heterodox-
into-the-orthodox-church-1st-edition-uncut-mountain-press/

Analyzing and Writing with Primary Sources 1st Edition

Wendy Conklin

https://ebookmeta.com/product/analyzing-and-writing-with-primary-
sources-1st-edition-wendy-conklin/

Women Talk Back to Shakespeare New Interdisciplinary

Approaches to Early Modern Culture 1st Edition Jo
Eldridge Carney

https://ebookmeta.com/product/women-talk-back-to-shakespeare-new-
interdisciplinary-approaches-to-early-modern-culture-1st-edition-
jo-eldridge-carney/

International Law and New Wars First Edition Christine

Chinkin

https://ebookmeta.com/product/international-law-and-new-wars-
first-edition-christine-chinkin/
Her Courageous Cowboy A Clean Contemporary Western
Romance Calhoun Cowboy Camp Book 5 1st Edition Macie St
James

https://ebookmeta.com/product/her-courageous-cowboy-a-clean-
contemporary-western-romance-calhoun-cowboy-camp-book-5-1st-
edition-macie-st-james/
Spatial Predictive Modeling
with R
Spatial Predictive Modeling
with R

Jin Li
First edition published 2022
by CRC Press
6000 Broken Sound Parkway NW, Suite 300, Boca Raton, FL 33487-2742

and by CRC Press

2 Park Square, Milton Park, Abingdon, Oxon, OX14 4RN

© 2022 Jin Li

CRC Press is an imprint of Taylor & Francis Group, LLC

Reasonable efforts have been made to publish reliable data and information, but the author and publisher
cannot assume responsibility for the validity of all materials or the consequences of their use. The authors
and publishers have attempted to trace the copyright holders of all material reproduced in this publica-
tion and apologize to copyright holders if permission to publish in this form has not been obtained. If any
copyright material has not been acknowledged please write and let us know so we may rectify in any future
reprint.

Except as permitted under U.S. Copyright Law, no part of this book may be reprinted, reproduced, trans-
mitted, or utilized in any form by any electronic, mechanical, or other means, now known or hereafter
invented, including photocopying, microfilming, and recording, or in any information storage or retrieval
system, without written permission from the publishers.

For permission to photocopy or use material electronically from this work, access www.copyright.com or
contact the Copyright Clearance Center, Inc. (CCC), 222 Rosewood Drive, Danvers, MA 01923, 978-750-
8400. For works that are not available on CCC please contact [email protected]

Trademark notice: Product or corporate names may be trademarks or registered trademarks and are used
only for identification and explanation without intent to infringe.

ISBN: 9780367550547 (hbk)

ISBN: 9780367550561 (pbk)
ISBN: 9781003091776 (ebk)
DOI: 10.1201/9781003091776

Publisher’s note: This book has been prepared from camera-ready copy provided by the authors
Contents

Preface xiii

Author Bio xix

1 Data acquisition, data quality control, and spatial reference systems 1

1.1 Acquiring data for spatial predictive modeling . . . . . . . . . . . . . . . . 1
1.1.1 Non-random sampling . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.2 Unstratified random sampling . . . . . . . . . . . . . . . . . . . . . . 3
1.1.3 Stratified random sampling design . . . . . . . . . . . . . . . . . . . 4
1.1.4 Stratified random sampling design with prior information . . . . . . 7
1.2 Data quality control . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.1 Accuracy of location information . . . . . . . . . . . . . . . . . . . . 10
1.2.2 Sampling methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2.3 Sample duplications at the same location . . . . . . . . . . . . . . . 11
1.2.4 Sample quality . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.2.5 Samples with missing values . . . . . . . . . . . . . . . . . . . . . . . 12
1.2.6 Data accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.3 Spatial data types and spatial reference systems . . . . . . . . . . . . . . . 14
1.3.1 Spatial data types . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.3.2 Spatial reference systems . . . . . . . . . . . . . . . . . . . . . . . . 15

2 Predictive variables and exploratory analysis 19

2.1 Principles for pre-selection of predictive variables and limitations . . . . . . 19
2.1.1 Principles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.1.2 Availability of causal variables . . . . . . . . . . . . . . . . . . . . . 19
2.1.3 Hidden predictive variables . . . . . . . . . . . . . . . . . . . . . . . 20
2.1.4 Limitations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2 Predictive variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2.1 Predictive variables in terrestrial environmental sciences . . . . . . . 20
2.2.2 Predictive variables in marine environmental sciences . . . . . . . . . 21
2.3 Exploratory analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.3.1 Exploratory analysis for non-machine learning methods . . . . . . . 22
2.3.2 Exploratory analysis for machine learning methods . . . . . . . . . . 31
2.3.3 Exploratory analysis for hybrid methods . . . . . . . . . . . . . . . . 31

3 Model evaluation and validation 33

3.1 Predictive errors, observational errors, and true predictive errors . . . . . . 33
3.1.1 Observed values and predicted values . . . . . . . . . . . . . . . . . 33
3.1.2 Relationships of predictive error with observational error and true
predictive error . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.2 Accuracy and error measures for predictive models . . . . . . . . . . . . . . 36
3.2.1 Accuracy and error measures for numerical data . . . . . . . . . . . 36

v
vi Contents

3.2.2 Accuracy and error measures for categorical data . . . . . . . . . . . 38

3.3 R functions for accuracy and error measures . . . . . . . . . . . . . . . . . 39
3.3.1 Function pred.acc . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.3.2 Function vecv . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.3.3 Tovecv . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.4 Model validation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.4.1 Validation methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.4.2 Validation functions in R . . . . . . . . . . . . . . . . . . . . . . . . 43
3.4.3 Effects of randomness associated of cross-validation methods on pre-
dictive accuracy assessments . . . . . . . . . . . . . . . . . . . . . . 45
3.4.4 Procedure for the assessment of the performance of predictive models 51

4 Mathematical spatial interpolation methods 53

4.1 Inverse distance weighted . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.1.1 Implementation of IDW in gstat . . . . . . . . . . . . . . . . . . . . 54
4.1.2 Parameter optimization for IDW . . . . . . . . . . . . . . . . . . . . 55
4.1.3 Predictive accuracy of IDW with the optimal parameters . . . . . . . 57
4.1.4 Predictions of IDW . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
4.2 Nearest neighbors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.2.1 Implementation of NN in gstat . . . . . . . . . . . . . . . . . . . . 62
4.2.2 Predictive accuracy of NN . . . . . . . . . . . . . . . . . . . . . . . . 62
4.2.3 Predictions of NN . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
4.3 K nearest neighbors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.3.1 Parameter optimization for KNN . . . . . . . . . . . . . . . . . . . . 64
4.3.2 Predictive accuracy of KNN with the optimal parameter . . . . . . . . 65
4.3.3 Predictions of KNN . . . . . . . . . . . . . . . . . . . . . . . . . . . 65

5 Univariate geostatistical methods 67

5.1 Variogram modeling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
5.1.1 Concepts for variogram modeling . . . . . . . . . . . . . . . . . . . . 68
5.1.2 Variogram modeling and variogram model selection . . . . . . . . . . 70
5.2 Simple Kriging . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
5.2.1 Implementation of SK in krige . . . . . . . . . . . . . . . . . . . . . 78
5.2.2 Parameter optimization for SK . . . . . . . . . . . . . . . . . . . . . 79
5.2.3 Predictive accuracy of SK with the optimal parameters . . . . . . . 83
5.2.4 SK predictions and variances . . . . . . . . . . . . . . . . . . . . . . 83
5.3 Ordinary kriging . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
5.3.1 Implementation of OK in gstat . . . . . . . . . . . . . . . . . . . . 86
5.3.2 Implementation of OK in krige . . . . . . . . . . . . . . . . . . . . 87
5.3.3 Parameter optimization for OK . . . . . . . . . . . . . . . . . . . . . 88
5.3.4 Predictive accuracy of OK with the optimal parameters . . . . . . . 91
5.3.5 OK predictions and variances . . . . . . . . . . . . . . . . . . . . . . 92
5.4 Universal kriging . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
5.4.1 Variogram modeling without anisotropy for UK . . . . . . . . . . . . 94
5.4.2 Variogram modeling with anisotropy for UK . . . . . . . . . . . . . 94
5.4.3 Implementation of UK in krige with anisotropy . . . . . . . . . . . 95
5.4.4 Parameter optimization for UK . . . . . . . . . . . . . . . . . . . . . 95
5.4.5 Predictive accuracy of UK with the optimal parameters . . . . . . . . 98
5.4.6 UK predictions and variances . . . . . . . . . . . . . . . . . . . . . . 98
5.5 Block kriging . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
Contents vii

6 Multivariate geostatistical methods 103

6.1 Simple cokriging . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
6.1.1 Data normality and correlation . . . . . . . . . . . . . . . . . . . . . 104
6.1.2 Parameter optimization for SCK . . . . . . . . . . . . . . . . . . . . 105
6.1.3 Predictive accuracy of SCK with the optimal parameters . . . . . . 108
6.1.4 SCK predictions and variances . . . . . . . . . . . . . . . . . . . . . 110
6.2 Ordinary cokriging . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
6.2.1 Data requirements . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
6.2.2 Parameter optimization for OCK . . . . . . . . . . . . . . . . . . . . 112
6.2.3 Predictive accuracy of OCK with the optimal parameters . . . . . . 114
6.2.4 OCK predictions and variances . . . . . . . . . . . . . . . . . . . . . 116
6.3 Kriging with an external drift . . . . . . . . . . . . . . . . . . . . . . . . . 116
6.3.1 Application of KED . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
6.3.2 Variable selection and parameter optimization for KED . . . . . . . 117
6.3.3 Predictive accuracy of KED . . . . . . . . . . . . . . . . . . . . . . . . 119
6.3.4 KED predictions and variances . . . . . . . . . . . . . . . . . . . . . 119

7 Modern statistical methods 121

7.1 Linear models . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
7.1.1 Relationships of response variable with predictive variables . . . . . 122
7.1.2 Implementation of LM in lm . . . . . . . . . . . . . . . . . . . . . . 122
7.1.3 Model selection based on likelihood methods . . . . . . . . . . . . . 124
7.1.4 Variable selection based on predictive accuracy . . . . . . . . . . . . 128
7.1.5 Predictive accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
7.1.6 Predictions and standard errors . . . . . . . . . . . . . . . . . . . . . 133
7.2 Trend surface analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
7.2.1 Implementation of TSA in lm . . . . . . . . . . . . . . . . . . . . . . 135
7.2.2 Variable selection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
7.2.3 Predictive accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
7.2.4 Predictions and standard errors . . . . . . . . . . . . . . . . . . . . . 135
7.3 Thin plate splines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
7.3.1 Estimation of smoothing parameter lambda . . . . . . . . . . . . . . 136
7.3.2 Implementation of TPS in Tps . . . . . . . . . . . . . . . . . . . . . 137
7.3.3 Varible selection and parameter optimization for TPS . . . . . . . . 138
7.3.4 Predictive accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
7.3.5 Predictions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
7.4 Generalized linear models . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
7.4.1 Implementation of GLM in glm . . . . . . . . . . . . . . . . . . . . . 141
7.4.2 Implementation of GLM in glmnet . . . . . . . . . . . . . . . . . . . 146
7.4.3 Variable selection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
7.4.4 Parameter estimation for glmnet . . . . . . . . . . . . . . . . . . . . 150
7.4.5 Predictive accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
7.4.6 Spatial predictions and standard errors . . . . . . . . . . . . . . . . 153
7.5 Generalized least squares . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
7.5.1 Implementation of GLS in gls . . . . . . . . . . . . . . . . . . . . . 156
7.5.2 Variable selection for GLS . . . . . . . . . . . . . . . . . . . . . . . . 157
7.5.3 Predictive accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
7.5.4 Predictions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158

8 Tree-based machine learning methods 161

8.1 Classification and regression trees . . . . . . . . . . . . . . . . . . . . . . . 161
viii Contents

8.1.1 Implementation of CART in the function rpart . . . . . . . . . . . 162

8.1.2 Implementation of CART in the function tree . . . . . . . . . . . . 167
8.2 Random forest . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
8.2.1 Application of RF . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
8.2.2 Variable selection for RF . . . . . . . . . . . . . . . . . . . . . . . . 174
8.2.3 Predictive accuracy of the RF models developed from variable selec-
tion methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
8.2.4 Comparison of variable selection methods . . . . . . . . . . . . . . . 190
8.2.5 Predictions of RF . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
8.2.6 Notes on RF . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
8.3 Generalized boosted regression modeling . . . . . . . . . . . . . . . . . . . 195
8.3.1 Application of GBM . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
8.3.2 Variable selection for GBM . . . . . . . . . . . . . . . . . . . . . . . 199
8.3.3 Parameter optimization for GBM models . . . . . . . . . . . . . . . 203
8.3.4 Predictive accuracy of GBM . . . . . . . . . . . . . . . . . . . . . . 205
8.3.5 Partial dependence plots for GBM . . . . . . . . . . . . . . . . . . . 205
8.3.6 Predictions of GBM . . . . . . . . . . . . . . . . . . . . . . . . . . . 206

9 Support vector machines 209

9.1 Application of SVM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
9.2 Variable selection for SVM . . . . . . . . . . . . . . . . . . . . . . . . . . . 214
9.3 Parameter optimization for SVM models . . . . . . . . . . . . . . . . . . . 216
9.4 Predictive accuracy of SVM models . . . . . . . . . . . . . . . . . . . . . . 221
9.5 Predictions of SVM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
9.6 Further modeling methods . . . . . . . . . . . . . . . . . . . . . . . . . . . 224

10 Hybrids of modern statistical methods with geostatistical methods 225

10.1 Hybrid method of LM and IDW . . . . . . . . . . . . . . . . . . . . . . . . 227
10.1.1 Variable selection and parameter optimization based on predictive
accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228
10.1.2 Predictive accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
10.1.3 Predictions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 230
10.2 Hybrid method of LM and OK . . . . . . . . . . . . . . . . . . . . . . . . . 230
10.2.1 Variable selection and parameter optimization based on predictive
accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232
10.2.2 Predictive accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
10.2.3 Predictions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
10.3 Hybrid methods of LM, OK, and IDW . . . . . . . . . . . . . . . . . . . . 234
10.3.1 Variable selection and parameter optimization based on predictive
accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235
10.3.2 Predictive accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
10.3.3 Predictions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240
10.4 Hybrid method of GLM and IDW . . . . . . . . . . . . . . . . . . . . . . . 240
10.4.1 Variable selection and parameter optimization based on predictive
accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
10.4.2 Predictive accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242
10.4.3 Predictions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243
10.5 Hybrid method of GLM and OK . . . . . . . . . . . . . . . . . . . . . . . . 243
10.5.1 Variable selection and parameter optimization based on predictive
accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244
10.5.2 Predictive accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
Contents ix

10.5.3 Predictions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 246

10.6 Hybrid methods of GLM, OK, and IDW . . . . . . . . . . . . . . . . . . . 246
10.6.1 Variable selection and parameter optimization based on predictive
accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247
10.6.2 Predictive accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250
10.6.3 Predictions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250
10.7 Hybrid method of GLS and IDW . . . . . . . . . . . . . . . . . . . . . . . 251
10.7.1 Variable selection and parameter optimization based on predictive
accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252
10.7.2 Predictive accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253
10.7.3 Predictions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254
10.8 Hybrid method of GLS and OK . . . . . . . . . . . . . . . . . . . . . . . . 254
10.8.1 Variable selection and parameter optimization based on predictive
accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255
10.8.2 Predictive accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256
10.8.3 Predictions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257
10.9 Hybrid methods of GLS, OK, and IDW . . . . . . . . . . . . . . . . . . . . 258
10.9.1 Variable selection and parameter optimization based on predictive
accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259
10.9.2 Predictive accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . 262
10.9.3 Predictions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 262

11 Hybrids of machine learning methods with geostatistical methods 265

11.1 Hybrid method of RF and IDW . . . . . . . . . . . . . . . . . . . . . . . . 265
11.1.1 Variable selection and parameter optimization based on predictive
accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 266
11.1.2 Predictive accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . 267
11.1.3 Predictions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 268
11.1.4 A note on RFIDW . . . . . . . . . . . . . . . . . . . . . . . . . . . . 268
11.2 Hybrid method of RF and OK . . . . . . . . . . . . . . . . . . . . . . . . . 268
11.2.1 Variable selection and parameter optimization based on predictive
accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 270
11.2.2 Predictive accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
11.2.3 Predictions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
11.2.4 Notes on RFOK . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272
11.3 Hybrid methods of RF, OK, and IDW . . . . . . . . . . . . . . . . . . . . 272
11.3.1 Variable selection and parameter optimization based on predictive
accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273
11.3.2 Predictive accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . 276
11.3.3 Predictions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277
11.3.4 A note on RFOKRFIDW . . . . . . . . . . . . . . . . . . . . . . . . 278
11.4 Hybrid method of GBM and IDW . . . . . . . . . . . . . . . . . . . . . . . 278
11.4.1 Variable selection and parameter optimization based on predictive
accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 279
11.4.2 Predictive accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . 280
11.4.3 Predictions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 281
11.5 Hybrid method of GBM and OK . . . . . . . . . . . . . . . . . . . . . . . 281
11.5.1 Variable selection and parameter optimization based on predictive
accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 283
11.5.2 Predictive accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284
11.5.3 Predictions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284
x Contents

11.6 Hybrid methods of GBM, OK, and IDW . . . . . . . . . . . . . . . . . . . 285

11.6.1 Variable selection and parameter optimization based on predictive
accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 286
11.6.2 Predictive accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . 289
11.6.3 Predictions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 290
11.7 Hybrid method of SVM and IDW . . . . . . . . . . . . . . . . . . . . . . . 290
11.7.1 Variable selection and parameter optimization based on predictive
accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 292
11.7.2 Predictive accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293
11.7.3 Predictions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293
11.8 Hybrid method of SVM and OK . . . . . . . . . . . . . . . . . . . . . . . . 294
11.8.1 Variable selection and parameter optimization based on predictive
accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 295
11.8.2 Predictive accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . 296
11.8.3 Predictions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 297
11.9 Hybrid methods of SVM, OK, and IDW . . . . . . . . . . . . . . . . . . . 297
11.9.1 Variable selection and parameter optimization based on predictive
accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 299
11.9.2 Predictive accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . 302
11.9.3 Predictions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 302

12 Applications and comparisons of spatial predictive methods 305

12.1 Parameter optimization and/or variable selection . . . . . . . . . . . . . . . 306
12.1.1 IDW . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 306
12.1.2 OK . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307
12.1.3 KED . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 310
12.1.4 GLM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 314
12.1.5 GLMkrigingIDW . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 315
12.1.6 RF . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 321
12.1.7 RFkrigingIDW . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 322
12.1.8 GBM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 328
12.1.9 GBMkrigingIDW . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 331
12.1.10 SVM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 337
12.1.11 SVMkrigingIDW . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 340
12.2 Predictive accuracy of spatial predictive methods . . . . . . . . . . . . . . 346
12.3 Notes on prediction uncertainty . . . . . . . . . . . . . . . . . . . . . . . . 348

Appendix 351

A Data sets used in this book 351

A.1 Location data for Petrel area . . . . . . . . . . . . . . . . . . . . . . . . . . 351
A.1.1 Data source . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 351
A.1.2 Location data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 351
A.2 Bathymetry data for Petrel area . . . . . . . . . . . . . . . . . . . . . . . . 352
A.2.1 Data source . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 352
A.2.2 Bathymetry data for Australian EEZ . . . . . . . . . . . . . . . . . . 352
A.2.3 Bathymetry data for Petrel area . . . . . . . . . . . . . . . . . . . . 352
A.3 Sample data for Petrel area . . . . . . . . . . . . . . . . . . . . . . . . . . . 353
A.4 Bee count data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 353
A.4.1 Data source . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 353
A.4.2 Bee count data and relevant predictive variables . . . . . . . . . . . 353
Contents xi

A.5 Hard data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 354

A.5.1 Data source . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 354
A.5.2 Hard data and relevant predictive variables . . . . . . . . . . . . . . 354
A.6 Sponge data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 355
A.6.1 Data Source . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 355
A.6.2 Sponge data and relevant predictive variables . . . . . . . . . . . . . 355

References 357

Index 369
Preface

Spatial predictive modeling

Spatially continuous data are increasingly required by various disciplines, such as ecology,
agronomy, meteorology, geosciences, environmental sciences, and environmental manage-
ment and conservation. Such data are, however, usually not readily available, and they are
difficult and expensive to acquire, especially in areas that are difficult to access (e.g., moun-
tainous or marine regions). Spatial data are often available as point data collected from
point locations. Spatial predictive methods are essential tools for generating spatial predic-
tions (i.e., spatially continuous data in this book) from the point data and have been widely
used in various disciplines (Sanabria et al. 2013; Maier et al. 2014; Stephens and Diesing
2015; Li 2019a). Spatial predictive modeling (SPM ) refers to developing optimal predictive
models by applying relevant spatial predictive methods to information collected at point
locations, and then generating spatial predictions with the models for the areas interested.
SPM is an emerging discipline in applied sciences, playing a key role in the generation of
spatial predictions.
Traditionally, spatial predictive methods may refer to a vast set of tools: (1) non-geostatistical
methods including mathematical methods, (2) geostatistical methods, and (3) combined meth-
ods (Li and Heap 2008, 2014). These methods are usually called spatial interpolation methods.
Spatial predictions generated by these methods are usually termed as spatial interpolations,
extrapolations or both.
Recent advances in (1) computing technology and modeling techniques (Crawley 2007;
Hastie, Tibshirani, and Friedman 2009; Kuhn and Johnson 2013), and (2) data acquisition
and data processing capacity, such as remote-sensing techniques and geographic information
systems, result in increasingly more information available for SPM. Consequently, how to
select and develop optimal predictive models from a large number of predictive variables is
a challenging task, particularly for geostatistical methods that are unable to handle many
predictive variables, and more sophisticated SPM approaches are needed and have been
introduced or developed to deal with a large number of predictive variables (e.g., Li, Potter,
Huang, Daniell, et al. 2010; Li, Heap, Potter, and Daniell 2011b; Li, Potter, Huang, and
Heap 2012b). The introduction of certain modern statistical methods and machine learning
methods into SPM field, especially by combining modern statistics and machine learning
methods with existing spatial interpolation methods, has resulted in a number of novel hy-
brid methods (Table 1). This development has opened an alternative source of methods and
resulted in more tools for SPM (Li 2019a). These tools have been gradually adopted in vari-
ous disciplines (Sanabria et al. 2013; Appelhans et al. 2015; Hengl et al. 2015; Ruiz-Álvarez,
Alonso-Sarria, and Gomariz-Castillo 2019).
Predictive accuracy is of critical importance for spatial predictions. Improving the accuracy
by choosing an appropriate method and then identifying and developing the most accurate
predictive model(s) is an essential and challenging task for SPM. It is often difficult to select
an appropriate method and develop an optimized predictive model because the SPM process
involves many factors or components, and all relevant components need to be considered

xiii
xiv Preface

and optimized (Li and Heap 2011, 2014). Spatial predictive models are often developed in
terms of predictive accuracy based on model validation methods and are fundamentally
different from other modeling types (Leek and Peng 2015).

TABLE 1: Development of the hybrid methods for SPM (Li, Heap, Potter, and Daniell
2010, 2011b, 2011a; Li, Potter, Huang, Daniell, et al. 2010; Li 2011; Li, Potter, Huang, and
Heap 2012a, 2012b) (modified from Li (2018a)).

No. Hybrid method Time

1 Generalized linear models (GLM ) and ordinary kriging 2008 - 2009
(OK) (RKglm)
2 Generalized least squares (GLS) and OK (RKgls) 2008 - 2009
3 Classification and regression trees (RPART) and OK 2009 - 2010
(RPARTOK)
4 RPART and inverse distance squared (IDS) 2009 - 2010
(RPARTIDS)
5 Random forest (RF) and OK (RFOK, RKRF) 2008 - 2009
6 RF and inverse distance weighted (IDW ) or IDS 2008 - 2009
(RFIDW, RKIDS)
7 RFIDW and RFOK (RFOKRFIDW ) 2008 - 2011
8 RF, RFIDW and RFOK (RFRFOKRFIDW ) 2010 - 2012
9 Support vector machine (SVM ) and OK (SVMOK) 2009 - 2010
10 SVM and IDW or IDS (SVMIDW, SVMIDS) 2009 - 2010
11 SVMIDW and SVMOK (SVMOKSVMIDW ) 2010 - 2012
12 SVM, SVMIDW and SVMOK (SVMSVMOKSVMIDW ) 2010 - 2012
13 Generalized boosted regression modeling (GBM ) and OK 2010 - 2012
(GBMOK)
14 GBM and IDW (GBMIDW ) 2010 - 2012

Predictive accuracy is the key criteria for predictive modeling, and it is used for parameter,
variable and model/method selection in this book. The property of spatial predictions is
a further criteria for predictive modeling, where professional knowledge plays its role in
examining whether the predictions are scientifically sound, reasonable, and interpretable.
This book aims to introduce SPM as a discipline to modelers and researchers. It systemati-
cally introduces the entire process of SPM . The process contains the following components:
data acquisition, method and variable selection, model or parameter optimization, accuracy
assessment, and the generation and visualization of spatial predictions. Each of these mod-
eling components plays an important role in model development. Incorrect or inappropriate
implementation of any components may lead to less accurate or even misleading predic-
tive model(s). This book provides tools for relevant components to improve the quality of
spatial predictions in various disciplines. It also provides guidelines, suggestions, recommen-
dations, and reproducible examples in R for developing the most accurate predictive model
by considering these components, relevant requirements, and factors associated with each
component.
This book concentrates more on the applications of predictive methods and less on the math-
ematical and statistical details that can be found in previous studies (e.g., Goovaerts 1997;
Webster and Oliver 2001; Venables and Ripley 2002; Wackernagel 2003; Bivand, Pebesma,
and Gomez-Rubio 2013; van Lieshout 2019). Since this book is specifically focusing on SPM
with R, for one interested in machine learning and spatio-temporal statistics with R other
Preface xv

relevant publications are available (e.g., Kuhn and Johnson 2013; James et al. 2017; Wikle,
Zammit-Mangion, and Cressie 2019).
This book covers the whole modeling process that is not only important for SPM, but also
provides valuable tools to other predictive modeling fields. It is expected to boost the ap-
plications of appropriate SPM processes, and improve the quality of spatial predictions for
various disciplines. It is also expected to enhance further research in this field, and antici-
pated further novel and performance-improved spatial predictive methods to be developed
and applied.

How this book is organized

This book introduces a number of important advances and new ideas in SPM, including
novel spatial predictive methods, and novel accuracy-based parameter estimation and vari-
able selection methods. Reproducible examples on applications and comparisons of various
spatial predictive methods are provided for different data types including categorical data,
binary data, count data, continuous data and percentage data. All examples and relevant
computations are implemented in R. This book covers the following components for SPM :
1. Data acquisition (i.e., sampling design) as well as data preparation in Chapter 1;
2. Pre-selection of predictive variables, using variables in environmental sciences as exam-
ples; and exploratory analysis as an assistant tool for the pre-selection in Chapter 2;
3. Predictive accuracy assessment, model evaluation and validation in Chapter 3;
4. Spatial predictive methods:
(i) Spatial-information based interpolation methods that include mathematical methods in
Chapter 4 and univariate geostatistical methods in Chapter 5;
(ii) Gradient based/detrended predictive methods that include multivariate geostatistical
methods in Chapter 6, modern statistical methods in Chapter 7, and machine learning
methods in Chapters 8 and 9;
(iii) Hybrids of modern statistical methods with geostatistical methods in Chapter 10; and
(iv) Hybrids of machine learning methods with geostatistical methods in Chapter 11; and
5. Further examples on the applications and comparison of spatial predictive methods in
Chapter 12.
The geostatistical methods for the hybrid methods refer to the mathematical methods,
univariate geostatistical methods or both. The mathematical methods are grouped in geo-
statistical methods because they are implemented in the gstat package (Gräler, Pebesma,
and Heuvelink 2016) as geostatistical methods.
For each method, a brief description of how the method works and its conceptual under-
pinnings is provided. Then reproducible examples for ways to apply each method in R are
provided. Parameter estimation and/or variable selection based on predictive accuracy are
demonstrated for developing optimal predictive models, including novel variable selection
methods, such as steprf and stepgbm in Chapter 8. And then the predictive accuracy of the
optimal models are assessed based on cross-validation functions for each method. Finally,
spatial predictions and prediction uncertainty are generated and visualized, using a number
of novel functions that have considerably simplified the generation of the predictions.
xvi Preface

R versions
Two versions of R were used to run R code in this book.
R version 3.6.3 (2020-02-29) Platform: x86_64-w64-mingw32/x64 (64-bit) Running under:
Windows 10 x64 (build 19041)
R version 4.0.3 (2020-10-10) Platform: x86_64-w64-mingw32/x64 (64-bit) Running under:
Windows 10 x64 (build 19041)

R packages
An R package, spm (Li 2019b), initially released on CRAN in 2017, is used as one of the core
packages in this book. Three other core R packages, spm2 (Li 2021a), steprf (Li 2021c), and
stepgbm (Li 2021b), are developed for and released with this book, to cover the methods and
functions that are not currently included in the spm package.
1. The spm package
The spm package introduces some novel accurate hybrid methods of geostatistical and ma-
chine learning methods for SPM. It contains two commonly used geostatistical methods (i.e.,
OK and IDW ), two machine learning methods (RF and GBM ), four hybrid methods (i.e.,
RFIDW, RFOK, GBMIDW, and GBMOK) and two averaging methods (RFOKRFIDW,
and the average of GBMOK and GBMIDW (GBMOKGBMIDW )). For each method, two
functions are provided, with one function for assessing the predictive errors and accuracy
of the method based on cross-validation and the other for generating spatial predictions.
2. The spm2 package
The spm2 package is an extended version of spm, by further introducing some novel functions
for statistical methods (i.e., GLM, glmnet, GLS), thin plate splines, SVM, kriging methods
(i.e., simple kriging, universal kriging, block kriging, kriging with an external drift), and
228 hybrid methods plus numerous variants for SPM. For each method, two functions are
provided, with one function for assessing the predictive errors and accuracy of the method
based on cross-validation and the other for generating spatial predictions if needed. It also
contains a couple of functions for data preparation and predictive accuracy assessment.
3. The steprf package
The steprf package introduces several novel variable selection methods for RF. They are
based on averaged variable importance (AVI ), and knowledge informed AVI (KIAVI and
KIAVI2) methods.
4. The stepgbm package
The stepgbm package introduces a couple of novel variable selection methods for GBM. They
are based on relative variable influence (RVI ) and knowledge informed RVI (KIRVI and
KIRVI2) methods.
Preface xvii

Data sets
All data sets used in this book are available either in the spm, spm2, and sp (Pebesma and
Bivand 2020) packages or online as detailed in Appendix A.

Who should read this book

This book systematically introduces whole SPM process to both researchers and practition-
ers. It can be used as the primary textbook for geostatistics and SPM. It can also be used as
supplementary reading for modern statistics, statistical learning, machining learning, and
data sciences because it provides novel functions for, and good examples of applications of,
relevant methods for these courses.
It can also be used as self-learning material for researchers, modelers, and university stu-
dents from the upper years. It provides reproducible examples for readers at all levels of
R proficiency. The R code and R packages provide sufficient materials for non-R users as
they can be easily reprogrammed into other computing languages, such as Python. It can
be used as a reference for both teaching and research.

References for R
Learning materials are available online for beginners, such as
(1) “An Introduction to R”;
(2) “R Language Definition”;
(3) “R Installation and Administration”;
(4) “R Data Import/Export”; and
(5) “Writing R Extensions”.
They can also be accessed from Manuals (in PDF) tab under Help tab in RGui.

Caveats
Although in this book I attempt to cover relevant components, which contribute to the
improvement of predictive accuracy, as comprehensively as possible, the SPM field is too
broad to allow that to be done completely in this book. This is because different disciplines
have their own specific features and requirements. Therefore, further work is needed to
identify factors in relevant components or additional components that can further improve
predictive accuracy in each discipline.
Furthermore, the data sets and software packages are provided in good faith, but none of
the author, publishers, and distributors warrant their accuracy and are responsible for the
consequences of their use.
xviii Preface

Contact details
The author may be contacted by email at
[email protected]
and would be grateful for being informed of errors and improvements to the contents of this
book. Errata and updates are available at https://github.com/jinli22.

Acknowledgment
This book would not be possible without:
(1) R, a free software environment for statistical computing and graphics (R Core Team
2020);
(2) RStudio, an integrated development environment (IDE) for R (RStudio Team 2020);
and
(3) R bookdown, a powerful tool for combining analysis and reporting into the same docu-
ment (Xie 2016).
I would like to acknowledge the contribution of many people to the conception and com-
pletion of this book. Over the years, many people have greatly influenced my career, but a
special recognition must be given to Bob Murison, University of New England, who, with
enthusiasm and patience, helped me in modern statistics and statistical computing in 1990s.
Tony Arthur and Steve Henry kindly helped to get the bee data set released from CSIRO for
this book. I am also grateful to Yanchang Zhao for helpful discussion and suggestion in the
early stage of the preparation of the book. I am indebted to Xiufu Zhang for proofreading
and critical comments on the preliminary draft. I would like to thank three reviewers for
valuable comments on the proposal of this book. I am greatly appreciative to Rob Calver
at Chapman & Hall/CRC for seeking a book idea back in 2015 and his team for continuous
support, patience, and help at each phase of the preparation of this book. Finally, I would
like to thank my family and my parents for their love and support.
Jin Li
July , 2021
Author Bio

Dr Jin Li works at Data2action, Australia as a Founder. He has research experience in

spatial predictive modeling, statistical computing, ecological and environmental modeling,
and ecology. As a scientist, he worked in the Chinese Academy of Sciences, University of
New England, CSIRO, and Geoscience Australia. He was an Associate Editor (Jul 2008-Dec
2015) and an editorial board member (Jan 2016-April 2020) of Acta Oecologica, and a Guest
Academic Editor (Mar 2018) and an Academic Editor (May 2018-Apr 2020) of PLOS ONE.
He has produced over 100 various publications, developed a number of hybrid methods
for spatial predictive modeling, and published four R packages for variable selections and
spatial predictive modeling.
For further information see https://www.researchgate.net/profile/Jin-Li-74, https://scholar.
google.com/citations?user=Jeot53EAAAAJ&hl=en and https://www.linkedin.com/in/jin-
li-01421a68/.

xix
1
Data acquisition, data quality control, and spatial
reference systems

This chapter introduces relevant sampling designs for spatial data, factors to be considered
for data quality control (QC), and spatial data types and spatial reference systems to be
used for spatial predictive modeling.

1.1 Acquiring data for spatial predictive modeling

For spatial predictive modeling, samples are sometimes collected, stored, and ready to use.
If this is the case, please go to Section 1.2 for data quality control. However, if samples need
to be collected, a sampling design needs to be produced. For spatial predictive modeling,
sampling designs need to focus on a survey area over space. A good sampling design ensures
that data collected from a survey are capable of answering relevant research questions and
fulfill survey purpose, and also is as precise and efficient as possible (Benedetti, Piersimoni,
and Postigione 2017; Foster et al. 2017). Many methods have been developed to generate
a sampling design (Stevens and Olsen 2004; Diggle and Ribeiro Jr. 2010; Wang et al. 2012;
Benedetti and Piersimoni 2017). They largely fall into four categories (Li 2019a): (1) non-
random sampling, (2) unstratified random sampling, (3) stratified random sampling, and (4)
stratified random sampling with prior information.

1.1.1 Non-random sampling

Non-random sampling is often ad-hoc sampling based on expert knowledge or purely op-
portunistic when a certain type of environmental condition becomes available. This type
of sampling design can be seen in many previous surveys (e.g., Przeslawski et al. 2011; Li,
Alvarez, et al. 2017; Radke et al. 2015, 2017).
The sediment samples in the Petrel area in Appendix A were collected from several surveys
(see Section 1.2 for further information) using non-random sampling designs, and will be
used as an example of ad-hoc sampling below.
pps.df <- read.csv("./data/Sample for Petrel.csv") # petrel point sample

library (raster)
pb.df <- as.data.frame(raster("./data/bathy_1km_Petrel.tif"), xy = TRUE , na.rm =
TRUE) # petrel bathymetry raster data imported as data - frame
names(pb.df) <- c("long", "lat", "bathy")

The data sets, pps.df and pb.df, are in dataframe format. They need to be converted to
spatial objects as below according to Bivand, Pebesma, and Gomez-Rubio (2013) so that
they can be visualized.

DOI: 10.1201/9781003091776-1 1
2 1 Data acquisition, data quality control, and spatial reference systems

library (sp)

pb <- pb.df
gridded(pb) = ~long+lat # grid spatial data into SpatialPixelsDataFrame

pps <- pps.df

coordinates(pps) = ~long+lat # set spatial coordinates to create SpatialPoints
data
proj4string(pps) <- CRS("+proj=longlat +datum=WGS84 +no_defs +ellps=WGS84 +towgs84
=0,0,0") # set WGS84 on the SpatialPoints

Spatial distribution of sediment samples in the Petrel area is illustrated in Figure 1.1 by
par(font.axis = 2, font.lab = 2)
lab. palette <- colorRampPalette(c("dark blue", "blue", "light blue"), space = "Lab
")
image(pb , axes = T, xlab = "Longitude", ylab = "Latitude", col = lab. palette (255))
plot(pps , add = TRUE , pch = 1, col = "red", cex = 0.5)

It is apparent that the samples are non-randomly distributed and even clustered.

FIGURE 1.1: Samples selected (red circle) by ad-hoc sampling designs; and the back-
ground shows the spatial patterns of bathymetry in the Petrel area.

Non-random sampling can also be systematic sampling. This is demonstrated by applying

function spsample in the sp package (Bivand, Pebesma, and Gomez-Rubio 2013; Pebesma and
Bivand 2005, 2020). It samples point locations in planar coordinates using regular or random
sampling methods (Pebesma and Bivand 2020). The descriptions of relevant arguments of
the function are detailed in its help file, which can be accessed by ?spsample.
1.1 Acquiring data for spatial predictive modeling 3

For sampling point locations in an area using spsample, the following arguments need to be
specified:
(1) x, a spatial object;
(2) n, sample size; and
(3) type, a character to specify a sample method (e.g., “random”, “regular”).
We apply spsample to the Petrel area and produce 100 samples as below.
systsps <- spsample(pb , n = 100, "regular")

The samples selected, systsps, are illustrated in Figure 1.2. As expected for systematic
sampling design, the samples are evenly distributed over space.

FIGURE 1.2: Samples selected (red circle) by systematic sampling design; and the back-
ground shows the spatial patterns of bathymetry in the Petrel area.

For spatial predictive modeling, non-random sampling methods are not recommended. How-
ever, non-random sampling designs were compared previously (Diggle and Ribeiro Jr. 2010),
which provides some useful clues for lattice plus close pairs sampling for spatial predictive
modeling.

1.1.2 Unstratified random sampling

Unstratified random sampling (or random sampling) is that sampling locations are randomly
selected from the entire survey area, with no further information being used for stratifica-
tion. This can be: (1) an unstratified equal probability design, or (2) an unstratified unequal
probability design (Kincaid, Olsen, and Weber 2020).
4 1 Data acquisition, data quality control, and spatial reference systems

We apply spsample to pb and produce 100 samples using unstratified equal probability design
as an example below. To make the results reproducible, we need to use function set.seed
that takes an (arbitrary) integer argument.
set.seed (1234)
unstran <- spsample(pb , n = 100, "random")

The samples resulted, unstran, are illustrated in Figure 1.3.

FIGURE 1.3: Samples selected (red circle) by unstratified random sampling design, and
the background shows the spatial patterns of bathymetry in the Petrel area.

The unstratified random sampling is not recommended to collect data for spatial predictive
modeling, so for the unstratified unequal probability design, no example will be provided.
This is because (1) spatial information is available for sampling design, which would lead
to spatially stratified sampling as discussed below in Section 1.1.3, and (2) unstratified
random sampling design may even be overperformed by lattice sampling, a kind of non-
random design (Diggle and Ribeiro Jr. 2010).

1.1.3 Stratified random sampling design

Stratified random sampling means that sampling locations are randomly selected from sub-
areas known as strata. The sub-areas are formed from partitioning the entire survey area
based on further information. Stratified random sampling is often used when additional in-
formation, such as spatial location information, elevation, bathymetry, soil type or geomor-
phological data, is available. For spatial predictive modeling, such information is important,
often available (particularly the spatial information), and should be considered when design-
1.1 Acquiring data for spatial predictive modeling 5

ing a survey for a region. Some recently developed randomized spatial sampling procedures
were reviewed and compared using simple random sampling without replacement as a bench-
mark for comparison, and the guidance has been also provided for choosing an appropriate
spatial sampling method (Benedetti, Piersimoni, and Postigione 2017). Furthermore, some
applications of stratified random sampling with spatial information (i.e., spatially stratified
random sampling) and some R packages for stratified random sampling have been reviewed
for spatial predictive modeling (Li 2019a).
Spatially stratified random sampling design can be generated in several ways in R (Li 2019a)
using additional information. Three examples using different functions are provided below.
1. Function spsample

The first is to apply spsample to pb with stratified sampling method.

set.seed (1234)
stran1 <- spsample(pb , n = 100, "stratified")

The samples resulted, stran1, are shown in Figure 1.4.

FIGURE 1.4: Samples selected (red circle) by spatially stratified random sampling design
using the function spsample in the sp package, and the background shows the spatial patterns
of bathymetry in the Petrel area.

2. Functions stratify and spsample

The second example applies the functions stratify and spsample in the spcosa package
(Walvoort, Brus, and de Gruijter 2020) to pb.
6 1 Data acquisition, data quality control, and spatial reference systems

The function stratify is to partition a spatial object into compact strata by means of k-
means (Walvoort, Brus, and de Gruijter 2020). The descriptions of relevant arguments of
stratify are detailed in its help file, which can be accessed by ?stratify.

For sampling point locations in an area using stratify, the following arguments need to be
specified:
(1) x, a spatial object;
(2) nStrata, number of strata; and
(3) equalArea, if FALSE the algorithm results in compact strata, and if TRUE the algorithm
results in compact strata of equal size.
We apply stratify to pb and produce 20 strata as below.
library (spcosa)

# Spatially stratify the sampling area using stratify function in spcosa .

set.seed (1234)
strata20 <- stratify(pb , nStrata = 20, equalArea = TRUE) # this is time consuming !

The arguments of spsample in spcosa are the same as the arguments of spsample in sp. We
apply spsample to strata20 and select five samples from each stratum as below.
# select 100 samples (i.e., 5 samples from each stratum )
set.seed (1234)
sp20 <- spsample(strata20 , n = 5)
sp20 .100 <- as(sp20 , 'data.frame ')

Locations of the samples selected, sp20, are shown in Figure 1.5 by

plot(strata20 , sp20)

3. Function clhs

The last example uses the function clhs in the clhs package (Roudier 2011, 2020). The
function clhs is to implement the conditioned Latin hypercube sampling (Roudier 2011).
The descriptions of relevant arguments of clhs are detailed in its help file, which can be
accessed by ?clhs.
For sampling point locations in an area using clhs, the following arguments need to be
specified:
(1) x, a data.frame or a spatial object; and
(2) szie, sample size.
We apply clhs to pb.df, a data.frame. This sampling design uses both location information
and bathymetry data to spatially stratify the sampling area and randomly select 100 samples
as below.
library (clhs)
set.seed (1234)
sample100 <- clhs(pb.df , size = 100)
sample100.sp <- pb.df[sample100 ,]
sp100 <- sample100.sp[,-3]

Locations of the samples selected, sp100, are shown in Figure 1.6.

1.1 Acquiring data for spatial predictive modeling 7

FIGURE 1.5: Samples selected (gray dot) by spatially stratified random sampling using
the functions stratify and spsample in the spcosa package, where the region to be sampled
is divided into 20 equal areas (green).

1.1.4 Stratified random sampling design with prior information

Stratified random sampling with prior information incorporates the locations of legacy sites
into new spatially balanced sampling designs to ensure spatial balance among all sample lo-
cations (Foster et al. 2017). It is a stratified unequal probability design and can be produced
using the functions alterInclProbs and quasiSamp in the MBHdesign package (Foster 2019). The
descriptions of relevant arguments of these functions are detailed in their help files, which
can be accessed by ?alterInclProbs and ?quasiSamp.
Stratified random sampling design with legacy sites is to be demonstrated by applying the
functions alterInclProbs and quasiSamp to pb.df. Relevant arguments that need to be specified
are also prepared and noted in the R code below.
library (MBHdesign)
set.seed( 1234)
n <- 20 # number of samples to be selected
X <- pb.df[,-3] # survey area
N <- dim(X)[1] # number of points to sample from

legacySites <- as.matrix(read.csv("./data/Sample for Petrel.csv")) # the legacy

sites , that is , Petrel point sample
colnames (legacySites) <- c("long", "lat")
8 1 Data acquisition, data quality control, and spatial reference systems

FIGURE 1.6: Samples selected (red circle) by spatially stratified random sampling design
using the function clhs; and the background shows the spatial patterns of bathymetry in
the Petrel area.

inclProbs <- rep( n/N, times = N) # uniform inclusion probabilities

altInclProbs <- alterInclProbs(legacy.sites = legacySites ,
potential.sites = X, inclusion.probs = inclProbs , mc.cores = 6) # alter
inclusion probabilities so that new samples should be well - spaced from
legacy sites

set.seed( 1234)
samp <- quasiSamp(n = n, dimension = 2, study.area = NULL , potential.sites = X,
inclusion.probs = altInclProbs) # generate the design according to the altered
inclusion probabilities .

Since this sampling method uses the spatial extent of survey area (i.e., potential sites)
instead of its actual spatial domain, some samples may locate outside the domain. If this
occurs, sample size (i.e., the number of samples to be selected) may need to be increased
to ensure sufficient samples fall within the domain.
We can visualize the adjusted inclusion probabilities (white to blue areas to show the inclu-
sion probability changing from low to high), legacy sites (red circle) and sample locations
as in Figure 1.7 by
X1 <- X
X1$prob <- altInclProbs
gridded(X1) = ~long+lat

image(X1 , axes = T, xlab = "Longitude", ylab = "Latitude", col = hcl.colors (10, "
blues", rev = TRUE)) # Adjusted Inclusion Probabilities
1.2 Data quality control 9

points(legacySites , pch = 1, col = "red", cex = 0.5) # the legacy locations

points(samp[, 1:2], pch = 5, col = "red", cex = 1) # sample locations .

FIGURE 1.7: Samples selected (red diamond) by spatially stratified random sampling
with prior information (i.e., legacy sites, red circle), with the adjusted inclusion probabilities
increasing from the legacy sites (white to blue areas show the inclusion probability changing
from low to high).

1.2 Data quality control

Samples may be collected, stored, and ready to use for spatial predictive modeling. How-
ever, samples may have not been quality controlled (QC), and the quality of samples can
be affected by many factors in various aspects, which may also be data-specific (Pipino,
Lee, and Wang 2002; Cai and Zhu 2015). Sample quality is important as samples provide
the fundamental information for spatial predictive modeling. Prior to undertaking the pre-
dictive modeling, samples need to be quality controlled. That is, relevant factors need to
be identified, relevant data QC criteria need to be developed for data QC, and then sam-
ples need to be cleaned accordingly. We will take Geoscience Australia’s Marine Samples
Database (MARS; at [http://dbforms.ga.gov.au/pls/www/npm.mars.search]) as an
example to demonstrate the whole data QC process.
Sediment samples in MARS database were initially quality controlled prior to and after
entering into the database according to various criteria, but the quality of the samples was
10 1 Data acquisition, data quality control, and spatial reference systems

still affected by many factors, such as data credibility, data accuracy, and completeness (Li,
Potter, Huang, Daniell, et al. 2010; Li, Potter, Huang, and Heap 2012b). Data QC process
is still required for the sediment samples.
We will use sediment samples in the Petrel area as an example, and the samples will be
extracted from MARS database as below.
sed1 <- read.csv("./data/MARS_Grain_size_as_mud_sand_gravel_mean_texture_20200524_
092819. csv")
# names (sed1)
dim(sed1)

[1] 385 20

# extract sediment related information

sed1 <- sed1[, c(7:10 , 12:14 , 16:18)]
names(sed1) <- c("sample.type", "date", "top.depth", "base.depth", "lat", "long",
"bathy", "mud", "sand", "gravel")

The data structure and first three rows of sediment samples are
str(sed1 , digits.d = 6, width = 65, strict.width = "cut")

'data.frame ': 385 obs. of 10 variables:

$ sample.type: chr "DREDGE UNSPECIFIED" "DREDGE UNSPECIFIED ""..
$ date : chr "1993 -10 -01" "1993 -10 -01" "1993 -10 -01" "1"..
$ top.depth : num NA NA NA NA NA NA NA NA NA NA ...
$ base.depth : num NA NA NA NA NA NA NA NA NA NA ...
$ lat : num -13.494 -13.466 -13.4667 -13.468 -13.465 -..
$ long : num 129.985 129.935 129.983 130.034 130.082 12..
$ bathy : num -4 -7 -5 -7 -5 -15 -13 -16 -11 -12 ...
$ mud : num 3.6 6.5 4.2 14.8 25.7 35.9 6.3 14.5 7.3 21..
$ sand : num 96.4 88.7 95.9 66.2 45 64.1 62.6 83 90.7 7..
$ gravel : num NA 4.6 NA 18.9 29.2 NA 30.9 2.5 1.9 4.1 ...

head(sed1 , 3)

sample.type date top.depth base.depth lat long bathy mud

1 DREDGE UNSPECIFIED 1993 -10 -01 NA NA -13.49 130.0 -4 3.6
2 DREDGE UNSPECIFIED 1993 -10 -01 NA NA -13.47 129.9 -7 6.5
3 DREDGE UNSPECIFIED 1993 -10 -01 NA NA -13.47 130.0 -5 4.2
sand gravel
1 96.4 NA
2 88.7 4.6
3 95.9 NA

The samples in sed1 can be quality controlled based on the data QC criteria developed
previously (Li, Potter, Huang, Daniell, et al. 2010; Li, Potter, Huang, and Heap 2012b). In
total, six data QC criteria are considered below to demonstrate how to conduct data QC.

1.2.1 Accuracy of location information

The accuracy of location information is important as certain spatial predictive methods are
based on distance information, and location information (i.e., longitude and latitude) can
also be used as predictive variables. Identification and removal of samples with less accurate
location information ensure the accuracy of spatial information. Longitude and latitude with
three digits after the decimal point are assumed to be accurate for the resolution used (i.e.,
0.0025 degrees for MARS sediment data).
We will derive the digit number after the decimal point using the function decimaldigit in
the spm2 package (Li 2021a) as below.
1.2 Data quality control 11

library (spm2)
sed1$lat.digit <- decimaldigit(sed1$lat)
sed1$long.digit <- decimaldigit(sed1$long)

Then we remove samples with two or less digits after the decimal point in either longitude
or latitude.
sed1 <- subset(sed1 , sed1$lat.digit >= 3 | sed1$long.digit >= 3)
sed1 <- sed1[, -c(11:12)]
dim(sed1)

[1] 374 10

This shows that sample size has been reduced from 385 to 374, that is, 11 samples have
been removed.

1.2.2 Sampling methods

Data quality is often affected by the methods used to collect samples. Information of sam-
pling methods for this example is stored in the column of sample.type as shown below.
sample.type <- as.data.frame(table(sed1$ sample.type))
names(sample.type) <- c("Sample.type", "Frequency")
sample.type

Sample.type Frequency
1 CORE BOX 5
2 CORE GRAVITY 130
3 DREDGE PIPE 45
4 DREDGE UNSPECIFIED 92
5 GRAB SHIPEK 31
6 GRAB SMITH MCINTYRE 68
7 GRAB UNSPECIFIED 3

Among these seven sampling methods, dredge methods (i.e., dredge pipe and dredge un-
specified) are assumed to be unreliable, and samples collected using the methods are less
accurate. So, we need to remove these dredged samples.
sed1 <- subset(sed1 , sed1$ sample.type != "DREDGE PIPE" & sed1$ sample.type != "
DREDGE UNSPECIFIED")
dim(sed1)

[1] 237 10

It is clear that the sample size has been reduced from 374 to 237, that is, in total, 137
samples were collected using dredge methods and have been removed.

1.2.3 Sample duplications at the same location

For distance-based prediction methods, samples are assumed to be collected from different
locations (although the function autoKrige in the automap package can cope with duplicate
observations (Hiemstra 2013)). We need to check if there are any duplicates at the same
location as below.
sed1 <- sed1[order(sed1$mud , decreasing = TRUE) ,] # order the data set using mud
sed1$location.id <- paste(sed1$long , "&", sed1$lat) # create a location id
table( duplicated (sed1$location.id))

FALSE TRUE
230 7
12 1 Data acquisition, data quality control, and spatial reference systems

It shows that there are seven locations with duplicated samples. Since the data set is sorted
using mud variable in descending order, it ensures the samples with less mud content be
labeled as duplicated. These duplicated samples need to be removed, and the duplicated
samples with less mud content are removed below.
sed1$best_loc <- duplicated (sed1$location.id)
sed1 <- subset(sed1 , best_loc == FALSE)
sed1 <- sed1[, -c(11:12)]
dim(sed1)

[1] 230 10

This shows that sample size has been reduced from 237 to 230, that is, seven duplicated
samples have been removed.

1.2.4 Sample quality

Samples with a base depth more than 5 cm are assumed to be inaccurate and need to be
excluded.
sed1 <- subset(sed1 , base.depth <= 5)
dim(sed1)

[1] 125 10

This shows that sample size has been reduced from 230 to 125, that is, 105 samples with a
base depth more than 5 cm have been removed.

1.2.5 Samples with missing values

Samples with missing values need to be identified and imputed. Here we identify and remove
samples with missing values for sediment variables (i.e., mud, sand, and gravel) as below.
summary (sed1[, 8:10])

mud sand gravel

Min. : 3.0 Min. : 1.0 Min. : 1.0
1st Qu .:18.5 1st Qu .:37.8 1st Qu.: 6.0
Median :33.0 Median :56.0 Median : 10.0
Mean :37.5 Mean :52.0 Mean : 12.7
3rd Qu .:49.0 3rd Qu .:67.0 3rd Qu.: 15.0
Max. :99.0 Max. :89.0 Max. :100.0
NA 's :2 NA 's :1 NA 's :12

sed1 <- subset(sed1 , mud >= 0 & sand >= 0 & gravel >= 0)
dim(sed1)

[1] 111 10

It shows that sample size has been reduced from 125 to 111, that is, 14 samples are with
NA and have been removed.
In fact, with a further inspection, the sums of sediment for these 14 samples are all 100% if
the NAs were replaced with 0s. This suggests that 0s were ignored for these samples in the
MARS database, resulting in these missing values. If one wishes, it is pretty reasonable to
include these 14 samples by simply replacing the NAs with 0s.
1.3 Data quality control 13

1.2.6 Data accuracy

1. Data range
For a certain data type, its values need to be within a certain range. For sediment data,
values of all three sediment types (i.e., mud, sand, and gravel) need to be within 0 to 100%
range as expected for percentage data. This has been confirmed from summary(sed1[, 8:10])
above. The sums of these three sediment types should also be 100% exactly for each sample.
range(sed1$mud + sed1$sand + sed1$gravel)

[1] 99 102

table(sed1$mud + sed1$sand + sed1$gravel)

99 100 102
1 109 1

This shows that: (1) the sum of three sediment types are 100% for 109 samples, and (2) for
the remaining two samples their sum is not 100%, but close to 100%. The differences could
result from rounding errors in their recordings, so no further samples are removed.
2. Data limits
For marine samples, bathymetry data are stored as negative, while for terrestrial samples
elevation data usually are positive. Samples with positive bathymetry are assumed to be
incorrect and need to be removed.
sed1b <- subset(sed1 , bathy <= 0)
dim(sed1b)

[1] 0 10

This suggests that no sample is selected. This is because bathymetry data are actually miss-
ing for all these remaining samples, which can be shown from summary(sed1) or simply from
sed1$bathy. Since we can derive bathy data for these samples from bathy data for Australian
EEZ as shown in Appendix A, it would not prevent the selection of these samples.
sed1 .1 <- sed1[, -c(1:4)]
names(sed1 .1); dim(sed1 .1)

[1] "lat" "long" "bathy" "mud" "sand" "gravel"

[1] 111 6

In total, there are 111 samples remaining after the data QC process. In comparison with
the pps.df data set that was generated back in 2012 (Li, Potter, Huang, Daniell, et al. 2010;
Li, Potter, Huang, and Heap 2012b), there are three fewer samples in this data set. This
could be due to sample removal resulted from data QC process for MARS database since
2012.
This example intends to provide some clues to how to QC a data set at hand. Sometimes,
data noises may be resulted from repeated measures, and certain rules may need to be
developed to clean such samples based on professional knowledge (e.g., Li et al. 2009).
Furthermore, exploratory analysis can be used to further detect abnormal samples as de-
tailed in the next chapter.
14 1 Data acquisition, data quality control, and spatial reference systems

1.3 Spatial data types and spatial reference systems

1.3.1 Spatial data types
To generate spatial predictions using spatial predictive models for an area, two types of
data are required: (1) the point data (or point samples) of response and predictive variables,
and (2) the grid data of predictive variables with location information for the area where
the predictions need to be produced. Both data sets should have location information for
spatial predictive modeling. Such location information needs to be geo-referenced and is
often projected using various spatial reference systems for relevant purposes (Jiang and Li
2014).
1. Point data of response and predictive variables
We use two point data sets petrel and sponge in the spm package as examples below.
library (spm)

data(petrel)
class(petrel)

[1] "data.frame"

head(petrel , 3)

long lat mud sand gravel bathy dist relief slope

1 130.5 -11.18 97.45 2.22 0.33 -23 0.07778 1 0.03667
2 130.3 -10.98 97.34 2.62 0.04 -44 0.19962 1 0.00000
3 132.0 -10.90 96.86 3.14 0.00 -41 0.25106 1 0.03667

petrel [1:2, ]

long lat mud sand gravel bathy dist relief slope

1 130.5 -11.18 97.45 2.22 0.33 -23 0.07778 1 0.03667
2 130.3 -10.98 97.34 2.62 0.04 -44 0.19962 1 0.00000

data(sponge)
class(sponge)

[1] "data.frame"

head(sponge , 3)

easting northing sponge tpi3 var7 entro7 bs34 bs11

1 591964 8713576 8 -0.08533 0.09163 0.6542 -10.46 -9.69
2 589988 8718310 9 0.05222 0.11578 0.8445 -18.22 -14.51
3 592676 8724080 1 -0.24756 0.27239 1.3153 -22.00 -18.09

The samples are point data and stored together with their associated location information.
The location information in the petrel data set is longitude and latitude, while the location
information in the sponge data set is easting and northing.
2. Grid data of predictive variables with location information
We use two grid data sets, petrel.grid and sponge.grid, in the spm package as examples below.
data(petrel.grid)
class(petrel.grid)
1.3 Spatial data types and spatial reference systems 15

[1] "data.frame"

petrel.grid [1:2, ]

long lat bathy dist relief slope

470277 128.8 -10.6 -67 1.612 5 0.2319
470278 128.8 -10.6 -67 1.610 3 0.1512

data(sponge.grid)
class(sponge.grid)

[1] "data.frame"

sponge.grid [1:2, ]

easting northing tpi3 var7 entro7 bs34 bs11

56205 276028 8745720 0.04556 4.651 3.395 -35.80 -30.62
56206 276028 8745730 0.13556 4.162 3.374 -35.22 -30.03

The examples show that location information in the petrel.grid data set is longitude and
latitude, while the location information in the sponge.grid data set is easting and northing.

The spatial reference system for the location information can be changed when required as
demonstrated below.

1.3.2 Spatial reference systems

There are many spatial reference systems (Jiang and Li 2014) or coordinate reference systems
(Bivand, Keitt, and Rowlingson 2019). The spatial references are in a number of formats
that can be found at Spatial Reference [https://spatialreference.org/]. For spatial
predictive modeling, the spatial information or location information is often stored using
WGS84 or utm zones. For example, the spatial information for data sets petrel and petrel.
grid in the spm package are stored in WGS84, while the spatial information in the sponge and
sponge.grid data sets in the spm package is projected in utm zone 52 south. Sometimes, we
may need to reproject the location information from one spatial reference system to another
one.
Here we use the sponge and petrel.grid data sets to demonstrate how to reproject the lo-
cation information using the function spTransform in the rgdal package (Bivand, Keitt, and
Rowlingson 2019; Pebesma and Bivand 2020) and the function st_transform in the sf package
(Pebesma 2018).
1. Reprojection of point data from utm zones to WGS84
Function spTransform

The spatial information, easting and northing, in the sponge data set is stored in utm zone
52 south. Since the sponge data set is in dataframe format, it needs to be converted to
SpatialPoints format with its associated coordinate reference system prior to reprojecting as
below (Bivand, Keitt, and Rowlingson 2019; Pebesma and Bivand 2020; Hijmans 2020).
library (sp)
library (raster)
library (rgdal)

Given that the data format needs to be changed from dataframe to SpatialPoints format as
below, it is a good idea to reassign the dataframe sponge to a different object spng that will
be reformatted. Thus the format of sponge will remain unchanged for future use.
16 1 Data acquisition, data quality control, and spatial reference systems

spng <- sponge

spng [1:2, ]

easting northing sponge tpi3 var7 entro7 bs34 bs11

1 591964 8713576 8 -0.08533 0.09163 0.6542 -10.46 -9.69
2 589988 8718310 9 0.05222 0.11578 0.8445 -18.22 -14.51

coordinates(spng) = ~ easting + northing # set spatial coordinates to create

SpatialPoints data
proj4string(spng) <- CRS("+proj=utm +zone =52 +south +units=m +no_defs +ellps=WGS84
+towgs84 =0,0,0")
class(spng)

[1] " SpatialPointsDataFrame "

attr(," package ")
[1] "sp"

crs(spng)

CRS arguments:
+proj=utm +zone =52 +south +ellps=WGS84 +units=m +no_defs

Now the spng data set can be reprojected from easting and northing in utm zone 52 south
to longitude and latitude in WGS84 using spTransform as demonstrated below.
spng.wgs84 <- spTransform(spng , CRS("+proj=longlat +datum=WGS84 +no_defs +ellps=
WGS84 +towgs84 =0,0,0"))
class(spng.wgs84)

[1] " SpatialPointsDataFrame "

attr(," package ")
[1] "sp"

crs(spng.wgs84)

CRS arguments: +proj=longlat +datum=WGS84 +no_defs

spng.wgs84 <- as.data.frame(spng.wgs84)

names(spng.wgs84) <- c("sponge", "tpi3", "var7", "entro7", "bs34", "bs11", "long",
"lat" )
spng.wgs84 [1:2, ]

sponge tpi3 var7 entro7 bs34 bs11 long lat

1 8 -0.08533 0.09163 0.6542 -10.46 -9.69 129.8 -11.64
2 9 0.05222 0.11578 0.8445 -18.22 -14.51 129.8 -11.59

# windows ()
# spplot (spng.wgs84 , " sponge ")
write.csv(spng.wgs84 , "./data/ spongelonglat.csv", row.names = FALSE)

Function st_transform
Alternatively, the spng data set can be reprojected from easting and northing in utm zone 52
south to longitude and latitude in WGS84 using st_transform as shown below.
library (sf)
spng2 <- st_as_sf(sponge , coords=c("easting", "northing"))
st_crs(spng2) <- 32752
# crs( spng2 )
spng.wgs84 .2 <- st_ transform (spng2 , st_crs (4326))
class(spng.wgs84 .2)
1.3 Spatial data types and spatial reference systems 17

[1] "sf" "data.frame"

crs(spng.wgs84 .2)

CRS arguments: +proj=longlat +datum=WGS84 +no_defs

For spatial predictive modeling, coordinate information may be used as predictive vari-
able(s). Thus spng.wgs84.2 needs to be converted into a dataframe format as follows.
spng.wgs84 .3 <- cbind ((st_ coordinates(spng.wgs84 .2)), st_set_geometry(spng.wgs84
.2, NULL))
class(spng.wgs84 .3)

[1] "data.frame"

spng.wgs84 .3[1:2 , ]

X Y sponge tpi3 var7 entro7 bs34 bs11

1 129.8 -11.64 8 -0.08533 0.09163 0.6542 -10.46 -9.69
2 129.8 -11.59 9 0.05222 0.11578 0.8445 -18.22 -14.51

2. Reprojection of grid data from WGS84 to utm

The spatial information, longitude and latitude, in petrel.grid is stored in WGS84. Prior to
reprojecting, the petrel.grid data set that is in dataframe format needs to be converted to
SpatialPoints format with its associated coordinate reference system.
We reassign the dataframe petrel.grid to a different object pg that will be reformatted to
SpatialPoints data.
pg <- petrel.grid

pg[1:2, ]

long lat bathy dist relief slope

470277 128.8 -10.6 -67 1.612 5 0.2319
470278 128.8 -10.6 -67 1.610 3 0.1512

coordinates(pg) = ~ long + lat # set to create SpatialPoints data

proj4string(pg) <- CRS("+proj=longlat +datum=WGS84 +no_defs +ellps=WGS84 +towgs84
=0,0,0") # assign coordinate reference system
class(pg); crs(pg)

[1] " SpatialPointsDataFrame "

attr(," package ")
[1] "sp"

CRS arguments: +proj=longlat +datum=WGS84 +no_defs

Now the pg data set can be reprojected from longitude and latitude in WGS84 to easting
and northing in utm zone 52 south as below.
pg.utm52s <- spTransform(pg , CRS("+proj=utm +zone =52 +south +units=m +no_defs +
ellps=WGS84 +towgs84 =0,0,0"))
class(pg.utm52s); crs(pg.utm52s)

[1] " SpatialPointsDataFrame "

attr(," package ")
[1] "sp"
18 1 Data acquisition, data quality control, and spatial reference systems

CRS arguments:
+proj=utm +zone =52 +south +ellps=WGS84 +units=m +no_defs

pg.utm52s .2 <- as.data.frame(pg.utm52s)

names(pg.utm52s .2) <- c("bathy", "dist", "relief", "slope", "easting", "northing")
pg.utm52s .2[1:2 , ]

bathy dist relief slope easting northing

470277 -67 1.612 5 0.2319 478366 8827977
470278 -67 1.610 3 0.1512 478640 8827977

Similar to the reprojection of point data spng above, st_transform can be used to reproject
the grid data set from WGS84 to utm zone 52 south.
3. Selection of spatial reference systems
Spatial reference system used to project spatial information is often assumed to have certain
effects on the performance of predictive models, thus in practice various spatial reference
systems have been developed to minimize such effects (Jiang and Li 2014). For spatial
predictive modeling, a spatial reference system that can minimize distortion in distance over
space is ideal. When a study area is relatively small and located within one utm zone, spatial
data are often projected using the utm zone or an appropriate projection system. When the
study area is spanning over two or more utm zones, the existing geographic coordinate
system (i.e., WGS84) could be used. This is because the effects of spatial reference systems
on the predictive accuracy of spatial predictive methods (i.e., IDW and OK) could be
negligible for areas at various latitudinal locations (up to 70 decimal degrees) and spatial
scales (Jiang and Li 2013, 2014; Turner, Li, and Jiang 2017). Hence, without reprojecting the
spatial data (most likely it is in WGS84), the spatial data can be used for spatial predictive
modeling for areas with latitude less than 70 decimal degrees.
Furthermore, since the predictive accuracy is the key for predictive modeling, an optimal
spatial reference system should be selected to maximize predictive accuracy. The spatial
reference system that can minimize the distortion in distance should be identified and used.
The selection of an optimal spatial reference system can also be determined based on its
effect on predictive accuracy for relevant predictive method . This can be achieved with
cross-validation function that is to be introduced later for relevant predictive methods in
this book.
2
Predictive variables and exploratory analysis

This chapter introduces data preparation of predictive variables and exploratory analysis for
predictive relevant methods, including (1) principles for pre-selection of predictive variables
and limitations, (2) predictive variables, and (3) role and limitations of exploratory analysis
in variable pre-selection.

2.1 Principles for pre-selection of predictive variables and limita-

tions
2.1.1 Principles
To pre-select predictive variables, certain principles need to be followed. The principles may
change with relevant disciplines. For spatial predictive modeling, predictive variables should
be pre-selected based on professional knowledge and the following principles (Austin 2007;
Elith and Leathwick 2009; Li 2019a).
1. Causal variables
Causal variables are variables that are directly causing changes in response variable. For
instance, in terrestrial environmental sciences, causal variables may include temperature,
precipitation, soil nutrients, and so on for plant species and vegetation types. Predictive
variables should be causal variables if they can be identified and available.
2. Variables directly caused by response variable
Variables directly caused by response variable are useful predictive variables. Such predictive
variables are informative because any changes in these variables are directly resulted from
the changes in the response variable. For instance, in environmental sciences, variables
directly caused by response variable may include: (1) optical reflectance related variables
for vegetation types, and (2) acoustic backscatters and their derived variables for seabed
substrates.
3. Correlated variables
Correlated variables are variables that should be closely related to the response variable,
although they may not be the causal variables nor the variables directly caused by response
variable. Correlated variables may also be useful predictive variables.

2.1.2 Availability of causal variables

Causal variables are sometimes hard to identify or are even unknown; and the information of
causal variables may not be available even if they are known. In such cases, proxy variables

DOI: 10.1201/9781003091776-2 19
20 2 Predictive variables and exploratory analysis

(i.e., surrogate variables) are used instead for spatial predictive modeling. Proxy variables
are usually variables directly caused by response variable and/or correlated variables. They
can be identified based on expert or professional knowledge (e.g., McArthur et al. 2010).
Certainly, predictive models can use causal variables, proxy variables, or both if causal
variables are not all available.

2.1.3 Hidden predictive variables

For a predictive model, its accuracy is a key criterion for variable selection and parameter
optimization and is critical for subsequent spatial predictions. When the accuracy of a
predictive model resulted is unexpectedly low, and if a right predictive method has been
used, it may indicate that certain important predictive variables may have been missed
(i.e., hidden variables), and for which we may have no knowledge or even awareness (Huston
1997). Further actions are then required to identify such hidden predictive variables and
relevant professional knowledge pool needs to be expanded for such actions.

2.1.4 Limitations
For spatial predictive modeling, how to select potential predictive variables can be limited
or constrained by certain factors. For example, (1) they need to be continuously available
for the entire area to be predicted; (2) spatial resolution of various predictive variables
needs to meet desired resolution for the final predictions, although they can be re-scaled
or aggregated. Sometimes, even though we know certain possible predictive variables, they
may not meet these requirements and cannot be used for spatial predictive modeling. This
is particularly true in mountainous and deep sea areas for spatial predictive modeling in
the environmental sciences.

2.2 Predictive variables

Spatial predictive modeling is used in various disciplines, and predictive variables used for
modeling may change with relevant disciplines. We take the predictive variables used for
spatial predictive modeling in terrestrial and marine environmental sciences as examples
below.

2.2.1 Predictive variables in terrestrial environmental sciences

For terrestrial environmental modeling, a number of predictive variables are available. Many
previous applications provide examples of variables being used for spatial predictive mod-
eling in terrestrial environmental sciences (Elith et al. 2006; Austin 2007; Li et al. 2009;
Arthur et al. 2010; Sanabria et al. 2013; Appelhans et al. 2015; Hengl et al. 2015; Seo, Kim,
and Singh 2015; Zhang et al. 2017). These variables largely fall into the following seven
groups:
1. Location data
Location data refer to the coordinates of point samples and grid data. It is usually presented
in longitude and latitude in WGS84 or easting and northing in utm.
2.2 Predictive variables 21

2. Climatic variables
Climatic variables may include temperature, precipitation, wind speed, and various derived
variables (e.g., humidity, seasonality).
3. Topographical variables
Topographical variables may include elevation, slope, aspect, distance-to-sea, and relevant
derived variables such as topographic position index.
4. Optical remote sensing data
Optical remote sensing data may include various reflectance bands and relevant derived
variables (e.g., NDVI, EVI).
5. Vegetation information
Vegetation information may include variables like vegetation types, abundance, and cover-
age.
6. Substrate data
Substrate data may include soil type, soil nutrients, organic matter, and soil moisture.
7. Disturbance information
Disturbance information may include grazing, fertilization, burning, and so on.

2.2.2 Predictive variables in marine environmental sciences

For marine environmental modeling, the information of predictive variables is often scarce,
especially for large areas (Li 2019a). In many cases, proxy variables are used for predictive
modeling (McArthur et al. 2010; Miller et al. 2016). For small areas, quite often more
predictive variables become available at a desired resolution such as those summarized
in previous studies (Li 2019a; Diesing, Thorsnes, and Bjarnadóttir 2021). These variables
largely fall into the following five groups:
1. Location data
The location data are the same as those for terrestrial environmental modeling.
2. Oceanographic variables
Oceanographic variables may include sea surface temperature, light availability, current ve-
locity, suspended particulate matter, sea surface primary production, salinity, oxygen con-
centration, and bottom sheer stress.
3. Topographical variables
The topographical variables are similar to those for terrestrial environmental modeling but
under water. They may include geomorphic features, bathymetry, relief, curvatures, distance-
to-coast, and bathymetric position index.
4. Acoustic remote sensing variables
Acoustic remote sensing variables may include backscatter data and various derived variables
(e.g., roughness, p-rock).
22 2 Predictive variables and exploratory analysis

5. Seabed substrate variables

Seabed substrate variables may include seabed hardness, mud content, gravel content, car-
bonate, and so forth.

2.3 Exploratory analysis

Exploratory analysis for spatial predictive modeling may change with the predictive methods
used. According to Li (2019a), the methods can be classified into three groups: (1) non-
machine learning methods, (2) machine learning methods, and (3) hybrid methods. We are
going to show relevant exploratory analysis for each group below.

2.3.1 Exploratory analysis for non-machine learning methods

For non-machine learning methods, such as GLM, exploratory analysis is often used to
detect the relationships between response variable and predictive variables. By applying
such analysis, one intends to find data nature and structure (Zuur, Leno, and Elphick
2010), and then certain actions can be taken to deal with relevant samples or variables.
Such exploratory analysis is also used to identify various issues relating to data nature and
structure for spatial predictive modeling (Li 2019a). The following examples are for how to
identify and deal with some of these issues.
1. Outliers
An outlier is an observed value that lies at an abnormal distance from other sample values
in a random sample. Outliers are usually determined by plotting relevant variables (e.g.,
scatter plots, box plots) (Zuur, Leno, and Elphick 2010) as shown in Figure 2.1 by
par(font.axis = 2, font.lab = 2)
hbee1 <-read.csv("./data/bee1sub.csv", sep = ",", header = T)
hbee <- hbee1$hbee
boxplot (hbee , xlab = "Number of honey bees", horizontal = T)

This is based on hbee1 data set from a previous study (Arthur et al. 2010, 2020).
Then some outliers identified could be excluded from further modeling and analysis.
Although identification of outliers is important for predictive modeling, the outliers identi-
fied may be caused by certain conditions (e.g., an optimal environmental condition) (Arthur
et al. 2010, 2020). Thus they could be false outliers as shown in Figure 2.2 (Li 2008; Arthur
et al. 2010) for model glmmpql1 after fitting a glmmPQL model below.
library (MASS)
glmmpql1 <- glmmPQL(hbee ~ inf + c500 + I(inf ^2) + I(links300 ^2) + inf:I(links300
^2), random = ~1| paddock/plot , data = hbee1 , family = quasi(var = "mu^2", link
= "log"), maxit = 1000)

par(font.axis = 2, font.lab = 2, las = 1)

plot(hbee , predict (glmmpql1 , type = "response"), xlab = "Observed values", ylab =
"Fitted values")
lines(hbee , hbee)

It is apparent that one outlier identified in Figure 2.1 (i.e., the observation with the maximal
bee count number) could be no longer classified as an outlier in Figure 2.2.
2.3 Exploratory analysis 23

FIGURE 2.1: Boxplot of the outliers of honey bee count data.

FIGURE 2.2: Observed honey bee count data vs. fitted values of an optimal model:
showing a false outlier (i.e., the sample with a count value > 60).
24 2 Predictive variables and exploratory analysis

Outliers may also change with predictive models developed, that is, a false outlier could
also be produced by a sub-optimal model, e.g, model glmmpql2 below.
glmmpql2 <- glmmPQL(hbee ~ inf + c500 + w2000 + w300 + I(inf ^2) + I(c500 ^2) + I(
w2000 ^2) + I(w300 ^2) + inf:w2000 + inf:w300 + c500:w2000 + c500:w300 + I(inf
^2):w2000 + I(inf ^2):w300 , data = hbee1 , random = ~ 1| paddock/plot , family =
quasi(link = log , var = mu^2), maxit = 1000)

The results are shown in Figure 2.3 (Li 2008; Arthur et al. 2010) by
par(font.axis = 2, font.lab = 2, las = 1)
plot(hbee , predict (glmmpql2 , type = "response"), xlab = "Observed values", ylab =
"Fitted values")
lines(hbee , hbee)

FIGURE 2.3: Observed honey bee count data vs. fitted values of a sub-optimal model:
showing an outlier (i.e., the observation with a count value > 60).

It is obvious that the observation with the maximal bee count number becomes an outlier.
Therefore, caution should be taken in dealing with outliers.
2. Homogeneity of variance
Variance of response variable (or depend variable) can be either homogeneity (homoscedas-
ticity) or heterogeneity (heteroscedasticity). For spatial predictive modeling using regression
methods (e.g., GLM), we need to consider the variance of response variable in relation with
its mean as shown in Figure 2.4 that is based on hbee1 data set by
mu <- with(hbee1 , tapply(hbee , list(paddock , obs), mean))
vars <- with(hbee1 , tapply(hbee , list(paddock , obs), var))

par(mfrow = c(1,2), font.axis = 2, font.lab = 2)

plot(mu , vars)
plot(mu , sqrt(vars))

Apparently, the variance changes with sample mean and is heterogeneous. This can be fur-
ther examined based on the residuals, for details see (McCullagh and Nelder 1999; Crawley
2007).
Other documents randomly have
different content
Jes. 29:7; Pred. 5:2, 6; Sirach 31:1 v., 34:1 v.; en schrijft ze dikwerf
aan de valsche profeten toe Jer. 23:25, 29:8; Mich. 3:6; Zach. 10:2.
Maar toch bedient God zich telkens van droomen om zijn wil bekend
te maken, Num. 12:6; Deut. 13:1-6; 1 Sam. 28:6, 15; Joel 2:28 v.;
zij komen bij Israelieten, maar ook meermalen bij niet-Israelieten
voor Gen. 20, 31, 40, 41; Richt. 7; Dan. 2, 4 en behelzen of een
woord, eene mededeeling Gods, Gen. 20:3, 31:9, 24; Matth. 1:20,
2:12, 19, 22, 27:19; of een voorstelling der phantasie, die dan
meermalen verklaring behoeft Gen. 28. 37:5, 40:5, 41:15; Richt.
7:13; Dan. 2, 4. Litter, bij Herzog2 15:734. G. E. W. de Wijs, De
droomen in en buiten den Bijbel 1858. Witsius, de proph. I cap. 5.
Met den droom is het visioen verwant Gen. 15:1, 11; 20:7; Num.
12:6. Reeds de namen ‫ֹרֶאה‬‎, ‫‏ֹחֶזה‬‎, ‫ ‏ָנִביא‬en misschien ook ‫ֹצֶפה‬
waarmede de profeet genoemd wordt, Kuenen, De Profeten I 49, 51
v. 97. Id. Godsd. v. Isr. I 212. Id. Hist. Cr. Ond. II2 5 v. König, Der
Offenbarungsbegriff I 71 f. Delitzsch, Genesis3 634. Schultz, Altt. Th.
239. Smend, Lehrb. 79 f., en de namen ‫ ַמְר ֶאה‬en ‫ ָחזֹון‬voor het
profetisch gezicht duiden waarschijnlijk aan, dat het visioen een niet
ongewoon middel der openbaring was. Maar deze woorden hebben
dikwerf hunne oorspronkelijke beteekenis verloren en worden ook
gebruikt, als er geen eigenlijk gezicht meer plaats heeft, 1 Sam.
3:15; Jes. 1:1; Ob. 1; Nah. 1:1, enz. Visioenen worden in de Schrift
telkens vermeld en beschreven, van Genesis af tot in de Apoc. toe.
Gen. 15:1, 46:2; Num. 12:6, 22:3, 24:3; 1 Kon. 22:17-23; Jes. 6,
21:6; Jer. 1:24; Ezech. 1-3, 8-11, 40; Dan. 1:17, 2:19, 7, 8, 10;
Amos 7-9; Zach. 1-6; Matth. 2:13, 19; Luk. 1:22, 24:23; Hd. 7:55,
9:3, 10:3, 10, 16:9, 22:17, 26:19; 1 Cor. 12-14; 2 Cor. 12:1; Apoc.
1:10, enz. Het visioen was menigmaal van eene zekere
geestvervoering vergezeld. Muziek, dans en extase gaan saam;
profetie en poezie zijn verwant, 1 Sam. 10:5 v., 19:20-24; 2 Kon.
3:15; 1 Chr. 25:1, 25; 2 Chr. 29:30. Als de hand des Heeren op de
profeten valt, Jes. 8:11; Ezech. 3:14, 11:5 of de Geest over hen
komt, geraken zij menigmaal in een toestand van verrukking Num.
24:3; 2 Kon. 9:11; Jer. 29:26; Hos. 9:5, en vallen ter aarde Num.
24:3, 15, 16; 1 Sam. 19:24; Ezech. 1:28, 3:23, 43:3; Dan. 10:8-10;
Hd. 9:4; Apoc. 1:17, 11:16, 22:8. In dien toestand worden hun de
gedachten Gods in symbolischen vorm te zien of te hooren gegeven.
In beelden en gezichten wordt hun zijn raad geopenbaard Jer. 1:13
v., 24:1 v.; Am. 7-9; Zach. 1-6; Apoc., enz.; vooral aangaande de
toekomst, Num. 23 v.; 1 Kon. 22:17; 2 Kon. 5:26, 8:11 v.; Jer. 4:23
v., 14:18; Ezech. 8; Am. 7, enz. Ook hooren zij in dien toestand
allerlei stemmen en geluiden, 1 Kon. 18:41; 2 Kon. 6:32; Jes. 6:3, 8;
Jer. 21:10, 49:14; Ezech. 1:24, 28, 2:2, 3:12; Apoc. 7:4, 9:16, 14:2,
19:1, 21:3, 22:8, enz. Zelfs worden zij in den geest opgenomen en
verplaatst, Ezech. 3:12 v., 8:3, 43:1; Dan. 8:2; Matth. 4:5, 8; Hd.
9:10, 10, 11, 22:17, 23:11, 27:23; 2 Cor. 12:2; Apoc. 1:9, 12, 4:1,
12:18. Daniel was na het ontvangen van een visioen eenige dagen
krank, 7:28, 8:27. Toch was de extase waarin de ontvangers der
openbaring menigmaal verkeerden, geen toestand, waarbij het
bewustzijn geheel of gedeeltelijk was onderdrukt. Zoodanig was wel
de toestand, waarin de grieksche μαντεις hunne godspraken gaven,
Tholuck, Die Propheten u. s. w. 64 f. En Philo, Quis rer. div. heres,
Just. Martyr, Dial. c. Tryph, c. 135. Coh. ad Graecos c. 37.
Athenagoras, Leg. pro Christ. c. 8. Tertul. adv. Marc. 4, 22 en in den
nieuweren tijd Hengstenberg in de eerste uitgave zijner Christol. des
A. T. III. 2. 158 f. hebben de extase der profeten alzoo opgevat.
Maar dezen ontvangen visioenen niet in slapenden maar in
wakenden toestand, niet alleen in de eenzaamheid, maar ook in
anderer bijzijn, Ezech. 8:1. Onder het visioen blijven zij zichzelf
bewust, zien, hooren, denken, spreken, vragen en antwoorden Ex.
4-6, 32:7 v.; Jes. 6; Jer. 1; Ezech. 4-6 enz. en later herinneren zij
zich alles en deelen het nauwkeurig mede, König, Der
Offenbarungsbegriff, I 160 f. II 83 f. Kuenen, De profeten I 96 v.
Oehler, Altt. Theol. § 207 f. Orelli in Herzog2 16:724. Daarom werd
de psychische gesteldheid der profeten onder het visioen door de
meeste theologen gehouden voor eene zelfbewuste, geestelijke
aanschouwing, voor eene alienatio mentis a sensibus corporis, en
niet voor eene alienatio a mente; zoo o. a. door Orig. de princ. III,
3, 4, August. ad Simplic. II qu. 1. Thomas, S. Theol. II 2 qu. 175.
Witsius, de proph. I c. 4. Buddeus, Inst. theol. dogm. I, 2, 5 en in
den nieuweren tijd door Hävernick en Keil in hunne inleiding op het
O. T. Oehler, Altt. Theol. § 210. Tholuck, Die Propheten S. 64 f.
Kueper, Das Profetenthum des Alten Bundes S. 51 f. Orelli bij
Herzog2 16, 724. König, Offenb. II 132 f. Alleen heeft König, ten
einde de objectiviteit te handhaven, daaraan de eigenaardige
meening toegevoegd, dat alle visioenen uitwendig, lichamelijk en
zinnelijk waarneembaar waren. Inderdaad zijn vele verschijningen
als Gen. 18, 32, Ex. 3, 19, enz. naar de bedoeling der schrijvers voor
objectief te houden. Er is onderscheid tusschen theophanie en
visioen. Maar toch zijn de bovengemelde visioenen, 1 Kon. 22:17 v.;
Jes. 6; Jer. 1; Ezech. 1-3; Dan.; Amos 7-9; Zach. 1-6, enz. zeker
inwendig en geestelijk. Vele zijn van dien aard, dat ze niet zinnelijk
voorstelbaar en waarneembaar zijn. König gaat te ver, als hij van het
uitwendige der openbaring hare objectiviteit en waarheid laat
afhangen, en geen inwerking van Gods Geest in den geest des
menschen denken kan, dan door de uitwendige zintuigen heen. Hij
vergeet dat er ook wel hallucinaties zijn van gezicht en gehoor, dat
het uitwendige als zoodanig zelfbedrog nog niet buitensluit en dus
de zekerheid der openbaring door haar uitwendig karakter alleen
niet voldoende bewezen wordt, Orelli bij Herzog2 16:724 f. Kuenen
H. C. O. II2 13. Van Leeuwen, Bijb. Godg. 62 v. Borchert, Die
Visionen der Propheten, Stud. u. Krit. 1895, 2tes Heft.
Als laatste vorm der openbaring moet nog genoemd worden de
inwendige verlichting. Hengstenberg, Christol. des A. T. III2 2 S. 158
cf. ook Kueper, Das Proph. 53 f. meende, dat de extase de gewone
toestand was, waarin de profeet bij het ontvangen der openbaring
verkeerde. Maar dit gevoelen is door velen, o. a. door Riehm, Mess.
Weissagung2 S. 15 f. König, Der Off. begriff II 48 f. 83 f. 132 f.
bestreden en thans algemeen verworpen. De extase is niet de regel,
maar de uitzondering, Kuenen, Prof. I 98. H. C. O2 II 11. De meeste
openbaringen aan de profeten ook in ’t O. T. hadden plaats zonder
eenig visioen, bijv. bij Jesaja, Hagg., Mal., Ob., Nah., Hab., Jerem.,
Ezech. Wel wordt dan voor de Godspraak nog dikwerf het woord
„gezicht” gebezigd, maar dit geschiedt ook daar waar er niets wordt
gezien Jes. 1:1, 2:1; Amos 1:1; Hab. 1:1, 2:1; 1 Sam. 3:15; Ob. 1;
Nah. 1:1 enz. De openbaring geschiedt dan inwendig door den
Geest, als Geest der openbaring. Wel heeft König, Der Off. I 104 f.
141 f. 155 f. beweerd, dat de Geest niet is principe der openbaring
maar alleen principe der illuminatie, d. i. dat Jahveh openbaart maar
de Geest slechts voor die openbaring subjectief ontvankelijk maakt;
König kwam hiertoe, wijl hij ook daardoor de objectiviteit en
uitwendigheid der openbaring handhaven wilde en den subjectieven
Geest wilde binden aan ’t objectieve woord van Jahveh. Maar Num.
11:25-29; Deut. 34:9, 1 Sam. 10:6, 19:20 v.; 2 Sam. 23:2; 1 Kon.
22:24; 1 Chron. 12:18, 28:12; 2 Chron. 15:1, 20:14 v., 24:20; Neh.
9:30; Jes. 11:1, 30:1, 42:1, 48:16, 59:21, 61:1, 63:10 v., Ezech. 2:2,
3:24, 8:3, 11:5, 24; Micha 3:8; Hos. 9:7; Joël 2:28; Zach. 7:12,
laten zich niet uitsluitend van eene formeele, subjectieve
bekwaammaking des Geestes verstaan; zij leeren duidelijk, dat de
profeten niet alleen door maar uit den Geest spraken, dat de profetie
voortkwam uit den Geest in hen. Er was ook wel eene den profeet
subjectief bekwaam makende werkzaamheid des Geestes, maar
deze is niet de eenige; zij is niet van de andere openbarende
werkzaamheid zoo streng te scheiden als König doet, zij is op Königs
standpunt, waar de openbaring geheel uitwendig is, ook onnoodig,
Kuenen H. C. O2 14. En de leugengeest 1 Kon. 22:22 leert duidelijk,
dat de Geest bron van ’t woord is, Herz.2 16:721. De Joodsche
theologie zag in den Geest niet alleen de bron der verlichting, maar
ook van de openbaring en profetie. Weber, System der altsyn. pal.
Theol. 184-187. Het N. Test. verklaart even duidelijk, dat de O. T.
profeten spraken uit en door den Geest Gods, Hd. 28:25; 1 Petr.
1:11; 2 Petr. 1:21. Wel echter is er onderscheid in de wijze, waarop
de H. Geest in O. en N. T. de openbaring innerlijk meedeelt. Onder
het O. T. daalt de H. Geest van boven en momentaan op iemand
neer. Hij komt over de profeten, Num. 24:2; 1 Sam. 19:20, 23; 2
Chr. 15:1, 20:14; wordt vaardig over hen, Richt. 14:19, 15:14; 1
Sam. 10:6; valt op hen, Ez. 11:5; trekt hen aan als een kleed, Richt.
6:34; 1 Chr. 12:18; de hand, d. i. de kracht des Heeren grijpt hen
aan, Jes. 8:11; Ez. 1:3, 3:22, 8:1, 37:1, 40:1. Tegenover deze
werking des Geestes zijn de profeten dan ook meest passief; zij
zwijgen, vallen ter aarde, ontzetten zich, en verkeeren voor een tijd
in een abnormen, extatischen toestand. De Geest der profetie is nog
niet het blijvend bezit van de profeten; er is nog scheiding en
afstand tusschen beiden; en de stand der profeten staat nog
afgezonderd tegenover het volk. Heel de profetie is nog onvolkomen.
Zij ziet daarom ook vooruit en verwacht een profeet, op wien de
Geest des Heeren rusten zal Deut. 18:18; Jes. 11:2, 61:1; ja zij
voorspelt de vervulling van Mozes’ wensch, dat al het volk des
Heeren profeten mochten zijn Num. 11:29; en getuigt van eene
toekomstige woning van Gods Geest in alle kinderen des Heeren,
Jes. 32:15, 44:3, 59:21; Joël 2:28; Ez. 11:19, 36:27, 39:29. In het
N. T. verschijnt de hoogste, de eenige, de waarachtige profeet. Hij is
als Logos de volle en voltooide openbaring Gods, Joh. 1:1 v. 18,
14:9, 17:6; Col. 2:9. Hij ontvangt geen openbaring van boven of
buiten, maar is zelf de bron der profetie. De H. Geest komt niet over
Hem en valt niet op Hem neer. Hij woont in Hem zonder mate Joh.
3:34. Uit dien Geest is Hij ontvangen, door dien Geest spreekt,
handelt, leeft en sterft Hij, Mt. 3:16, 12:28; Luk. 1:17, 2:27, 4:1, 14,
18; Rom. 1:4; Hebr. 9:14. En dien Geest schenkt Hij, aan zijne
discipelen, niet alleen als Geest der wedergeboorte en heiliging maar
ook als Geest der openbaring en verlichting, Mk. 13:11; Luk. 12:12;
Joh. 14:17, 15:26, 16:13, 20:22; Hd. 2:4, 6:10, 8:29, 10:19, 11 vs.
12, 13:2, 18:5, 21:4; 1 Cor. 2:12 v.; 12:7-11. Door dien Geest
worden nog wel bijzondere personen bekwaamd tot het ambt van
profeet, Rom. 12:7; 1 Cor. 14:3; Ef. 2:20, 3:5 enz. Ook de eigenlijke
voorspelling ontbreekt in ’t N. T. niet, Mt. 24; Hd. 20:23, 21:8; 1 Cor.
15; 2 Thess. 2. Apoc. Maar alle geloovigen zijn toch de zalving des
Geestes deelachtig, 1 Joh. 2:20; en zijn van den Heere geleerd, Mt.
11:25-27; Joh. 6:45. Allen zijn profeten, die de deugden des Heeren
verkondigen, Hd. 2:17 v.; 1 Petr. 2:9. De profetie als eene bijzondere
gave zal te niet gedaan worden, 1 Cor. 13:8. In het nieuwe
Jeruzalem zal de naam Gods op aller voorhoofden zijn. De leugen is
er volkomen buitengesloten, Apoc. 21:27, 22:4, 15. Litteratuur over
de profeten en de profetie bij Schultz Altt. Theol. 4e Aufl. 213 f; en
verder König, Der Offenbarungsbegriff des A. T. Leipzig, Hinrichs
1882. Kuenen, Hist. crit. Onderzoek, 2e uitg. 1889 II bl. 1 v. Smend,
Lehrbuch der altt. Religionsgesch. 1893. S. 79 f. Kuyper, Encycl. II
362 v. 429 v. C. H. Cornill, Der israel. Prophetismus, Strassburg
1894.

4. Wonderen. Gelijk de mensch, behalve door zijne verschijning

en zijn woord, ook door zijne daden zich kennen doet, zoo
openbaart zich God ook niet alleen door zijn woorden maar ook door
zijne werken. Woord en daad staan in nauw verband. Gods woord is
een daad, Ps. 33:9; en zijn doen is een spreken, Ps. 19:2, 29:3; Jes.
28:26. Beide, woord en daad, verzellen elkaar in schepping zoowel
als in herschepping. Gemeenlijk gaat het woord vooraf, als belofte of
als bedreiging, maar het bevat de daad als in kiem in zich. Zijn
woord keert niet ledig weer, maar doet wat Hem behaagt, Jes.
55:10, 11. Het woord eischt de daad; het wonder verzelt de profetie;
niet alleen het bewustzijn, ook het zijn moet vernieuwd worden. De
woorden, waarmede in de Schrift de daden, de werken Gods worden
aangeduid, zijn verschillend. Naar hunne uitwendige verschijning zijn
ze ‫ ִנְפָלאֹות‬Ex. 3:20, 34:10; Ps. 71:17; ‫ ֶּפֶלא‬Ex. 15:11; Jes. 25:1,
insignia, ingentia, of ‫ מֹוְפִת ים‬Ex. 4:21, 7:19; Ps. 105:5, splendidum
quid, beide gr. τερατα, iets bijzonders, ongewoons, dat van de
gewone gebeurtenissen zich onderscheidt. Zij heeten ‫ ְּגבּורֹות‬Deut.
3:24; Ps. 21:14, 54:3, 66:7, δυναμεις, ‫ ַמֲעִׂשים‬Ps. 8:7, 19:2, 103:22;
Jes. 5:19 of ‫ ֲעִלילֹות‬Ps. 9:12, 77:13 ἐργα μεγαλεια, om de groote,
goddelijke kracht, die er zich in openbaart. Vooral worden ze ook
genoemd ‫ אֹות‬Ex. 3:12, 12:13, enz. omdat ze een bewijs en teeken
zijn van de tegenwoordigheid Gods. Die werken Gods zijn allereerst
op te merken in zijne schepping en onderhouding. Al Gods werken
zijn wonderen. Ook de werken der natuur worden menigmaal in de
Schrift met den naam van wonderen aangeduid, Ps. 77:13, 97:3,
98:1, 107:24, 139:14. Daaruit mag echter niet met Scholten,
Supranaturalisme in verband met Bijbel, Christendom en
Protestantisme Leiden 1867 bl. 9 v. worden afgeleid, dat de H.
Schrift geen onderscheid kent tusschen natuur en wonder. Zeker, de
gedachte, dat een wonder in strijd zou zijn met de wetten der
natuur en dus onmogelijk zou wezen, komt niet op. Veeleer gaat
heel de Schrift uit van het geloof, dat voor God niets te wonderlijk is,
Gen. 18:14; Deut. 8:3 v.; Mt. 19:26. Maar daarom ontbreekt het niet
aan eene onderscheiding tusschen de gewone orde der natuur en de
buitengewone machtsdaden Gods. Het O. T. kent eene vaste orde
der natuur, ordinantiën die voor hemel en aarde gelden, die
vastliggen in het bestel des Heeren, Gen. 1:26, 28, 8:22; Ps. 104:5,
9, 119:90, 91, 148:6; Pred. 1:10; Job 38:10 v.; Jer. 5:24, 31:25 v.,
33:20, 25. En het N. T. maakt een even duidelijk onderscheid, Mt.
8:27, 9:5, 24, 33, 13:54; Luk. 5:9, 7:16, 8:53; Joh. 3:2, 9:32, enz.
Wonderen zijn een ‫ ְּבִר יָאה‬eene schepping, iets nieuws, dat anders
nooit gezien wordt, Ex. 34:10; Num. 16:30. De feiten, die in de H. S.
als wonderen zijn vermeld, worden ook door ons nog als wonderen
beschouwd; over de qualificatie dier feiten is er geen verschil, cf.
Herzog2 17:360. Pierson, Gods wondermacht en ons geestelijk leven
1867 bl. 10 v. Gloatz in Stud. u. Krit. 1886, 3tes Heft S. 403 f. W.
Bender, Der Wunderbegriff des N. T. Frankf. 1871 S. 100 f. Schultz,
Altt. Theol. 577 f. Voorts erkent de Schrift wel, dat ook buiten de
openbaring ongewone krachten kunnen werken en ongewone
dingen kunnen geschieden, Ex. 7:11, 22, 8:7, 18, 9:11; Mt. 24:24;
Apoc. 13:13 v.; een teeken of wonder is op zichzelf dus niet genoeg
tot verzegeling van een profeet, Deut. 13:1-3. Maar toch is het
alleen Israels God, die wonderen doet, Ps. 72:18, 77:15, 86:10,
136:4. Soms brengt Hij die wonderen zelf rechtstreeks tot stand;
soms bedient Hij zich van menschen of engelen. Maar altijd is het
God, die ze doet. Zijne δυναμις wordt daarin openbaar, Luk. 5:17,
14:19; Mk. 7:34; Luk. 11:20; Joh. 3:2, 5:19 v., 10:25, 32; Hd. 2:22,
4:10. Het is de Geest des Heeren, die ze werkt, Mt. 12:28; Hd.
10:38.
De wonderen hebben hun aanvang en hun grondslag in de
schepping en onderhouding aller dingen, welke een voortdurend
werk en wonder Gods is, Ps. 33:6, 9; Joh. 5:17. Al wat geschiedt,
heeft zijn laatsten grond in den wil en de macht van God. Niets kan
Hem wederstaan. Hij doet met ’t heir des hemels naar zijn
welbehagen, Jes. 55:8 v. Ps. 115:3. Deze macht en vrijheid Gods
wordt gepredikt door de natuur, Jer. 5:22, 10:12, 14:22, 27:5; Jes.
40:12, 50:2, 3; Ps. 33:13-17, 104; Job 5:9 v., 9:4 v., enz. maar komt
vooral uit in de geschiedenis van zijn volk, Deut. 10:21, 11:3, 26:8,
29:2, 32:12 v.; Ps. 66:5 v., 74:13 v., 77:15 v., 78:4 v., 135:8 v.; Jes.
51:2, 9; Jer. 32:20 v.; Hd. 7:2 v. In deze geschiedenis treden vooral
de wonderen op. Ze geschieden met verschillend doel. Nu eens, om
de goddeloozen te straffen, Gen. 6:6 v., 11, 19; Ex. 5 v.; Lev. 10:1;
Num. 11:30 v., 14:21, 16:1 v., 21:6, enz. Mt. 8:32, 21:19; Hd. 13:11,
enz. Dan, om Gods volk te redden en te verlossen, om heil en
genezing aan te brengen, zooals de plagen in Egypte, de doortocht
door de Roode Zee, de wonderen in de woestijn, de genezingen van
Jezus. Meermalen hebben zij ook de rechtstreeksche of zijdelingsche
bedoeling, om de zending der profeten, de waarheid van hun woord,
en alzoo het geloof aan hun getuigenis te bevestigen, Ex. 4:1-9;
Deut. 13:1 v.; Richt. 6:37 v.; 1 Sam. 12:16 v.; 1 Kon. 17:24; 2 Kon.
1:10, 20:8; Jes. 7:11, enz.; Mt. 14:33; Luk. 5:24; Joh. 2:11, 3:2,
5:36, 6:14, 7:31, 9:16, 10:38, 12:37; Hd. 2:22, 10:38, enz. Profetie
en wondergave gaan samen. Al de profeten en ook de apostelen
hebben het bewustzijn, wonderen te kunnen doen. Mozes is groot
ook in zijne wonderen geweest, Ex. 5-15; Deut. 34:10-12. Zijne
zonde bestond eenmaal in twijfel aan Gods wondermacht, Num.
20:10 v. Om Elia en Eliza groepeert zich een cyclus van wonderen, 1
Kon. 17-2 Kon. 13. Bij de latere profeten nemen de wonderen niet
zoo groote plaats meer in. Dikwerf bedienen zij zich van
zoogenaamde symbolische handelingen, om daarmede hunne
profetie te bevestigen en als het ware aanvankelijk te realiseeren, 1
Kon. 11:29-39, 20:35 v., 22:11; Jes. 7:3, 8:1, 20:2 v., 21:6, 30:8;
Jer. 13, 16, 18, 19, 25:15, 27, 28:10 v., 32:6, 43:8; Ezech. 4, 5,
6:11, 7:23, 12:3, 17:1; Hos. 1-3; Hd. 21:10 v., Schultz, Altt. Theol.
250 f. Smend, Lehrb. der altt. Rel. Gesch. 88. König, Der
Offenbarungsbegriff II 111 f. Maar toch worden ook van hen nog
wonderen verhaald en hebben ze de overtuiging, wonderen te
kunnen doen, Jes. 7:11, 16:14, 21:16, 38:7 cf. 2 Kon. 20; Jer. 22:12,
30, 28:16, 29:22, 36:30, 37:7 v.; Dan. 1-6. Maar al die wonderen in
het O. T. hebben niet bewerkt eene verheffing, eene vernieuwing der
natuur. Zij hebben hunne werking gehad. Zij hebben de menschheid
beurtelings gestraft en gezegend, en in ieder geval voor den
ondergang bewaard. Ze hebben in Israel een eigen volk gecreëerd,
uit de dienstbaarheid van Egypte verlost, voor de samenvloeiing met
de Heidenen bewaard, en als volk Gods beschermd tegenover de
neerdrukkende macht der natuur. Maar zij waren momentaan,
gingen voorbij, verminderden in werking en werden vergeten. Het
leven nam zijn gewoon verloop. De natuur scheen te zegepralen.
Toen verhief de profetie hare stem en zij sprak, dat Israel niet onder
kon gaan en vervloeien in ’t natuurleven der Heidenen. God zal op
nieuw en in grootere heerlijkheid tot zijn volk komen. God zal zijn
verbond niet vergeten, het is een eeuwig verbond, Ps. 89:1-5; Jes.
54:10. Met dat komen Gods gaat de oude tijd over in den nieuwen.
Dat is het keerpunt in de wereldgeschiedenis. Het is de ‫יֹום יהוה‬, de
Dag des Heeren, waarop Hij zijn heerlijkheid openbaren en zijne
wondermacht ten toon spreiden zal. God geeft dan wonderteekenen
aan den hemel, Am. 8:8 v.; Joel 2:30. Heel de natuur, hemel en
aarde, zullen bewogen worden, Am. 9:5; Jes. 13:10, 13, 24:18-20,
34:1-5; Joel 2:2, 10, 3:15; Mich. 1:3 v.; Hab. 3:3 v.; Nah. 1:4 v.;
Ezech. 31:15 v., 32:7 v., 38:19 v. Het gericht zal gaan over de
goddeloozen, Jes. 24:16 v. enz. maar het zal ook louteren en
bevrijden. God zal zijn volk redden door zijne wonderen, Jes. 9:3,
10:24 v., 11:15 v., 43:16-21, 52:10, 62:8. Hij doet wat nieuws op de
aarde, Jes. 43:19, brengt Israel weer uit den dood, Ezech. 37:12-14,
en doet het deelen in eene volheid van geestelijke en stoffelijke
zegeningen. Vergeving der zonden, heiligheid, een nieuw verbond,
Jes. 44:21-23, 43:25; Ezech. 36:25-28; Jer. 31:31 v.; Zach. 14:20,
21, maar ook vrede, veiligheid, welvaart zal zijn deel zijn. Zelfs de
natuur zal veranderen in een paradijs, Hos. 2:17 v.; Joel 3:18; Jer.
31:6, 12-14; Jes. 11:6-8, 65:25; Ezech. 34:29, 36:29 v.; Zach. 8:12.
Er komt een nieuwe hemel en een nieuwe aarde, en de vorige
dingen zullen niet meer gedacht worden, Jes. 65:17, 66:22. Deze
Jom Jhvh, deze ‫ֹעָלם ַהָּבא‬, αἰων μελλων, in tegenstelling met den
‫ֹעָלם ַהֶּזה‬, αἰων οὑτος, is naar de voorstelling der Schrift met het N.
Test. aangebroken. De komst van Christus is het keerpunt der tijden.
Een nieuwe wondercyclus groepeert zich om zijn persoon. Hij is zelf
het absolute wonder, van boven neergedaald en toch de
waarachtige, volkomene mensch. In Hem is in beginsel de schepping
weer hersteld, uit haar val wederom opgeheven tot haar vroegere
heerlijkheid. Zijne wonderen zijn σημεια van de tegenwoordigheid
Gods, bewijs van den Messiaanschen tijd, Mt. 11:3-5, 12:28; Luk.
13:16, een deel van zijn Messiaanschen arbeid. In Christus treedt
eene goddelijke δυναμις op, die sterker is dan alle verdervende en
verwoestende macht der zonde. Deze macht valt Hij aan, niet alleen
in de peripherie, door ziekten en kwalen te genezen en allerlei
wonderen te doen; maar Hij dringt tot in haar centrum door, breekt
en overwint ze. Zijne menschwording en voldoening, zijne
opstanding en hemelvaart zijn de groote verlossingsdaden Gods. Zij
zijn de principieele herstelling van het rijk der heerlijkheid. Deze
heilsfeiten zijn geen middelen alleen, om iets te openbaren, maar zij
zijn de openbaring Gods zelve. Het wonder wordt hier tot historie,
en de historie zelve is een wonder. De persoon en het werk van
Christus is de centrale openbaring Gods; alle andere openbaring
groepeert zich daar omheen. Maar ook na Jezus’ heengaan zet zijne
wondermacht in de discipelen zich voort, Mt. 10; Mk. 16:18; Luk. 8.
En niet alleen in de Handelingen worden vele wonderen verhaald,
2:43, 3:5, 5:12-16, 6:8, 8:6, 7, 13, 9:34, 40, 13:11, 14:3, 16:18,
19:11, 20:10, 28:5, 8; maar ook Paulus legt getuigenis af van deze
wondermacht der apostelen, Rom. 15:18, 19; 1 Cor. 12:9, 10; 2 Cor.
12:12; Gal. 3:5, cf. Hebr. 2:4. Een tijd lang zet deze wondermacht
zich nog voort in de gemeente. Maar ze is opgehouden, als het
Christendom gevestigd is en de kerk het voorwerp is, waarin God de
wonderen zijner genade verheerlijkt, Aug. de civ. 22:8, de util. cred.
16, de vera relig. 25. De geestelijke wonderen zijn het, in welke God
thans zijne macht en zijne heerlijkheid openbaart, Luther bij Köstlin,
Luthers Theol. II 249 v. 341 v. Scholten, L. H. K. I 143. Toch wijst de
Schrift heen naar eene toekomst, waarin het wonder op nieuw zijne
werking zal doen. De αἰων μελλων voleindt zich eerst in den nieuwen
hemel en de nieuwe aarde, waarin gerechtigheid woont. Dan is het
wonder geworden tot natuur. Ethos en physis zijn verzoend. Het
koninkrijk Gods en het koninkrijk der wereld is een, Op. 21-22. Cf.
Oehler Theol. des A. T. 1882 S. 210 f. Schultz, Altt. Theol. 270 f. 534
f. 577 f. Smend, Lehrb. der Altt. Rel. Gesch. 88 f. W. Bender, Der
Wunderbegriff des N. T. Frankf. a/M. 1871. Ph. Schaff, Jezus
Christus, het wonder der geschiedenis 1867. Neander, Gesch. der
Pflanzung u. Leitung der Chr. K. 5e Aufl. 1862 S. 49 f. 154 f. 336 f.
Tholuck, Vermischte Schriften, Hamb. 1839 I 28 f.

B. Begrip der bijzondere openbaring.

5. Het openbaringssysteem, dat de Schrift ons kennen doet, is in

de christelijke theologie al te veel miskend en verwaarloosd. Eerst in
den nieuweren tijd is het begrip en het wezen der openbaring
voorwerp van dieper onderzoek geworden. Vroeger werd daaraan
geen behoefte gevoeld. Tusschen de Christenen en de Heidenen was
de mogelijkheid der openbaring niet in geschil. Strijd was er alleen
over de waarheid van die openbaring, welke in O. en N. Test. werd
geleerd. En deze werd op allerlei gronden door de apologeten
tegenover de aanvallen vooral van Celsus en Porphyrius betoogd.
Overigens kwamen de gedachten over de openbaring neer op dit
schema: God kan alleen door God worden gekend. Alle kennis en
dienst Gods berust dus op openbaring zijnerzijds. Maar de
openbaring Gods in natuur en geschiedenis is onvoldoende. Daarom
is er eene bijzondere openbaring noodig, die in Christus haar
hoogtepunt bereikt, Harnack, Lehrb. der Dogmengesch. I2 420 f. 436
f. 453 f. De volgende theologen, vooral ook de scholastici,
besteedden alle zorg aan het bepalen en omschrijven van de
verhouding tusschen natuur en openbaring, weten en gelooven,
philosophie en theologie, maar dachten het begrip der openbaring
niet in en brachten het ook slechts in het voorbijgaan ter sprake, cf.
Thomas S. Theol. I qu. 57 art. 5 ad 3. II 2 qu. 2 art. 6. III qu. 55
art. 3. Ook de Protest. theologen hebben aan dit begrip te weinig
aandacht gewijd. Zij vereenzelvigden de openbaring terstond met de
H. Schrift en ontkwamen niet geheel aan de abstract-
supranaturalistische en eenzijdig-intellectualistische opvatting, welke
allengs in de theologie van haar gevormd was. Cf. Gerhard, Loci
Theol. I § 12. Calovius, Isagoge ad theol. p. 101 sq. 142 sq.
Polanus, Synt. Theol. VI 9. Maresius, Syst. Theol. I § 15 sq.
Heidegger, Corpus Theol. XII 46. Het Socinianisme dreef dit
bovennatuurlijk en verstandelijk begrip van de openbaring op de
spits, Fock, Der Socin. 296 f. 314 f. Het Remonstrantisme had
wezenlijk dezelfde voorstelling, Limborch, Theol. Christ. II 9, 18.
Tusschen het rationalisme en supranaturalisme was over het begrip
der openbaring geen verschil; voor beide bestond zij in eene
uitwendige mededeeling van leer. Het was niet te verwonderen, en
ook ten volle verdiend, dat zulk een openbaringsbegrip de kritiek van
het deïsme en rationalisme niet kon doorstaan. Wat was de
religieuse waarde van eene openbaring, welke niets gaf dan eenige
verstandelijke waarheid, die misschien later door de rede zelve nog
gevonden zou zijn? Toch bleek het, dat men al te spoedig met het
begrip der openbaring had afgerekend. Religie en revelatie toonden
bij dieper historisch en wijsgeerig onderzoek eene veel nauwere
verwantschap, dan men vroeger gemeend had. Zoo kwam het begrip
der openbaring in de nieuwere theologie en philosophie weer meer
tot eere en werden verschillende pogingen tot reconstructie
beproefd.
Hamann, Claudius, Lavater, Herder, Jacobi e. a. wezen op de
verwantschap van religie en kunst en brachten de openbaring met
de geniale inspiratie in verband. Het begrip der openbaring werd zoo
uitgebreid, dat alles openbaring werd. Religie, poëzie, philosophie,
geschiedenis, taal zijn verschillende uitingen van eenzelfde
oorspronkelijk leven. Omnia divina et humana omnia. En in het
midden van al deze openbaringen staat Christus; naar Hem wijst
alles heen, om Hem groepeert zich alles, Ehrenfeuchter,
Christenthum und moderne Weltanschauung, Göttingen 1876 S. 243
f. Ook Schleiermacher, Glaub. § 10, 13 verwierp beslist de
rationalistische leer van de openbaring. Hij zocht haar
eigenaardigheid niet in het al of niet bovennatuurlijk karakter, dat ze
draagt, maar in het nieuwe en oorspronkelijke, waarmede een
persoon of eene gebeurtenis in de historie optreedt. Openbaring is
daarom verwant met poëtische en heroïsche bezieling, en bestaat
feitelijk in het wekken van nieuwe, oorspronkelijke aandoeningen
van het religieus gevoel. Door Schleiermacher werd die opvatting
van de openbaring voorbereid, welke haar bestaan laat niet in
meedeeling van leer maar van leven. Rothe, Zur Dogmatik 1862 S.
55-120 heeft aangaande de openbaring als inspiratie dezelfde
gedachte, maar hij neemt daarbij als constitutief element van de
openbaring nog eene uitwendige, historische manifestatie aan,
opdat de inwendige openbaring, de inspiratie, niet magisch en
mechanisch zij. De eigenaardigheden van het begrip der openbaring
bij de theologen, die min of meer aan Schleiermacher zich
aansluiten, bestaan dan vooral hierin: openbaring is van de
theopneustie, van de H. Schrift te onderscheiden, de Schrift is niet
de openbaring maar haar oorkonde; openbaring is een religieus,
nader nog een soteriologisch begrip, met geniale, poëtische,
heroïsche bezieling wel verwant maar niet identisch; zij is correlaat
der religie alleen; uitgaande van God als Verlosser, heeft ze geen
leer over allerlei physische, historische en metaphysische dingen tot
inhoud, maar alleen religieus-ethische waarheid, zij is meedeeling
van leven, zelfmededeeling Gods; zij is niet in strikten zin
bovennatuurlijk, maar echt natuurlijk en menschelijk; zij is eindelijk
niet alleen uitwendig (manifestatie), maar ook inwendig en geestelijk
(inspiratie). Daarbij is er nog wel verschil over begin, omvang, einde
der openbaring, maar in hoofdzaak is dit toch de opvatting, gelijk ze
gevonden wordt bij Nitzsch, System der chr. Lehre § 22. Twesten I
341 f. Martensen § 11, 12. Lange I § 56 f. Dorner I 569 f. Frank,
System der chr. Wahrheit 2e Aufl. II 8 f. Kähler, Wiss. der chr. Lehre I
192 f. Saussaye, mijne theologie 35 v. Gunning en Saussaye, Het
ethisch beginsel 21 v. enz. Maar niet alleen Schleiermacher en zijne
school hebben het openbaringsbegrip tot nieuw leven gebracht,
maar ook Schelling en Hegel hebben hetzelfde op hunne wijze
beproefd. Door hen kreeg het rationalisme een speculatief karakter.
Zij trachtten de christelijke openbaring niet door eene
verstandskritiek te vernietigen, maar zochten speculatief de diepe
idee op te sporen, welke aan haar en aan alle christelijke dogmata
ten grondslag lag, en stelden zich alzoo als speculatief rationalisme
tegenover het vulgaire rationalisme van vroeger tijd. Volgens
Schelling in zijne eerste periode was heel de wereld de
zelfopenbaring Gods. De natuur is de zichtbare geest, de geest de
onzichtbare natuur. Gods wezen wordt den mensch kenbaar uit heel
de natuur, vooral echter uit de ontwikkeling van den menschelijken
geest in kunst, religie en wetenschap. En zoo leerde ook Hegel, dat
God zich niet aan den mensch openbaart door eene voorbijgaande
gebeurtenis in den tijd, maar Hij openbaart zich in den mensch zelf,
en wordt zichzelf in den mensch bewust. En dit zichzelf bewust
worden van God in den mensch, is het weten des menschen van
God, is religie, Religionsphilosophie 1832 I 29. II 158. Encyclop. S.
576. Openbaring is bij Hegel dus gelijk met de noodwendige
zelfopenbaring, met het zich zelf bewust worden van het Absolute in
den menschelijken geest; de geschiedenis der godsdiensten is de
geschiedenis van het tot zichzelf komen van het Absolute in het
menschelijk bewustzijn, en bereikt haar hoogtepunt in het
Christendom, dat de eenheid uitspreekt van God en mensch. Aan
deze gedachte over de openbaring, als zelfmededeeling Gods aan
een iegelijk mensch sluit in hoofdzaak die opvatting van de
openbaring zich aan, welke wij vinden bij Marheineke, Grundlehren
der chr. Dogm. § 206. Rosenkranz, Encycl. der theol. Wiss. 2e Aufl.
1845 S. 1 f. Erdmann, Glauben und Wissen 1837. Strauss,
Glaubenslehre § 19. Feuerbach, Wesen des Christ. 2e Ausg. S. 174.
Biedermann, Chr. Dogm. I 264 f. Pfleiderer, Grundriss § 16. Lipsius,
Dogm. § 52, Philos. und Religion 1885 S. 266 f. Scholten, Initia, ed.
2. p. 26-39. L. H. K. I 165 v. 233, 299. Gemeenschappelijk is aan
dezen de ontkenning van het bovennatuurlijk karakter der
openbaring, maar overigens is er groot onderscheid over inhoud,
uitgestrektheid en wijze. Van beide groepen onderscheidt zich nog
weer het begrip van openbaring in de school van Ritschl. Het
eigenaardige van deze opvatting ligt hierin, dat er zeer weinig
waarde gehecht wordt aan de onderscheiding van natuurlijke en
bovennatuurlijke openbaring, dat nadruk gelegd wordt op het
positief karakter van elke religie en op het historische, uitwendige in
de openbaring, en dat voor het Christendom die historische
openbaring vooral of zelfs uitsluitend gevonden wordt in den
persoon van Christus, Ritschl Rechtf. u. Vers. III3 190 f. 599 f.
Kaftan, Wesen der chr. Religion 171 f. 295 f. Herrmann, Der Begriff
der Offenbarung Giessen 1887. G. v. Schulthess-Rettberg, Der
Gedanke einer göttlichen Offenbarung, Zurich 1893. Nitzsch,
Lehrbuch der ev. Dogm. S. 131 f. Cf. de Groninger school hier te
lande, Hofstede de Groot, De Groninger Godgeleerden in hunne
eigenaardigheid 42 v.
Aan een duidelijk en helder begrip van de openbaring ontbreekt
het nog in de dogmatiek. Er is onder de theologen verschil over
alles, wat bij dat begrip in aanmerking komt. Misschien is er eene
grens te trekken tusschen hen, die eene bovennatuurlijke of alleen
eene natuurlijke openbaring aannemen. Maar ook dan rijst de vraag,
of het bovennatuurlijk karakter der openbaring ligt in de wijze,
waarop zij tot ons kwam, of in het nieuwe, oorspronkelijke van den
inhoud (Schleiermacher). Waarin is verder de bovennatuurlijke
openbaring onderscheiden van de natuurlijke openbaring in natuur
en geschiedenis, vooral van de religieuse, poëtische, heroïsche
inspiratie, die ook buiten het Christendom wordt aangetroffen en zoo
dikwerf met de christelijke openbaring in verband is gebracht
(Hamann, Herder, Jacobi, Schleiermacher)? Waar is vervolgens die
bovennatuurlijke openbaring te vinden, ook in de religies der
Heidenen, of alleen in Israel, of zelfs uitsluitend in den persoon van
Christus (Schleiermacher, Ritschl). Hoever strekt zij zich uit na
Christus, is zij tot Hem beperkt, of is ook de werking des H. Geestes
in wedergeboorte, bekeering enz. nog onder het begrip van
openbaring te rekenen (Frank)? Is haar inhoud in de eerste plaats
kennis, zoodat zij het verstand verlicht (Hegel, Biedermann,
Scholten), of is ze voornamelijk mystisch van aard, eene werking op
het gemoed, eene aandoening, opwekking van het gevoel
(Schleiermacher, Lipsius, Opzoomer, Ethischen)? Is bij de openbaring
het uitwendige, het historische, de manifestatie, hetzij dan in natuur
(Hegel, Scholten), hetzij in de historie (Schelling, Ritschl), of bepaald
ook als wonder (Rothe) de hoofdzaak, of ligt het zwaartepunt in het
subject in de zelfopenbaring van den absoluten Geest, van God, aan
den mensch (Biedermann, Lipsius)?

6. De openbaring, welke de Schrift ons kennen doet, bestaat niet

in enkele onsamenhangende woorden en feiten, maar is één
historisch en organisch geheel, een machtig wereldbeheerschend en
wereldvernieuwend systeem van daden Gods. Zij treedt, gelijk wij
zagen, in drie vormen op, theophanie, profetie en wonder, ‫ְׁשִכיָנה‬‎,
‫‏ְנבּוָיה‬‎ en ‫ְּבִר יָאה‬‎. Maar deze drie staan niet los naast elkaar; zij
vormen één geheel en beoogen samen één doel. Reeds door de
revelatio generalis laat God zich aan den mensch niet onbetuigd; Hij
openbaart zich in natuur en geschiedenis, Hij spreekt in hart en
geweten; Hij werkt wonderen van mogendheid. Ook de revelatio
generalis mag openbaring heeten. Want in ruimen zin is openbaring
alle actie, die van God uitgaat, om den mensch te stellen in eene
religieuse verhouding tot Hem. Maar door de zonde wordt eene
andere openbaring van noode, die wel in velerlei verband staat met
de revelatio generalis maar die er toch wezenlijk, in vorm en inhoud,
van onderscheiden is. Zij richt zich toch tot den gevallen mensch, en
moet dus zijn eene openbaring van genade. De revelatio specialis is
het zoeken Gods van en het komen Gods tot den mensch. Hij moet
zich nu zoo openbaren en zoo spreken en zoo werken, dat de
mensch weer vernieuwd wordt naar zijn beeld. Daarom komt God
tot den mensch op menschelijke wijze. De menschwording is het
centrale feit in de revelatio specialis, hetwelk licht verspreidt over
heel haar gebied. Reeds in de schepping maakt God zich den
menschen gelijk. Maar in de herschepping wordt Hij mensch en gaat
in onzen toestand in. En deze menschwording, die de eigenlijke
inhoud is van de revelatio specialis, neemt reeds in zekeren zin
terstond na den val haar aanvang. De bijzondere openbaring Gods
gaat in in de historie, en vormt eene geschiedenis, die de eeuwen
doorloopt. Zij neemt zulk een historisch karakter aan, wijl de
menschheid zelve, tot wie zij zich richt, alleen in den historischen
vorm bestaat. Zij leidt haar leven mede, volgt haar op hare gangen,
doorwandelt met haar de tijden tot den einde toe. Zij grijpt diep in
het leven der schepping terug, sluit aan de voorzienigheid zich aan
en doet haar licht stralen door het prisma van menschelijke
personen, toestanden en gebeurtenissen heen. Zij bedient zich van
alle karakter en individualiteit, van alle aanleg en gave, die in de
schepping gegeven zijn. Zij hult zich in de vormen van type en
schaduw, van beeld en symbool, van kunst en poëzie, van briefvorm
en kroniek. Zij neemt in de religie de gebruiken over, die in andere
godsdiensten gevonden worden, zooals besnijdenis en offerande,
tempel en priesterschap. Zij acht zelfs lot en droom en visioen niet
te gering om ze te bezigen als instrument. Zoo diep daalt het
goddelijke in het menschelijke neer, dat de grenzen tusschen de
openbaring en de pseudoreligie schijnen te worden uitgewischt.
Godspraak en orakel, profetie en mantiek, wonder en magie schijnen
elkander te naderen.
En toch is het een ander hart, dat in Israels religie klopt. De
peripherische en atomistische beschouwing beroept zich op zulke
feiten van overeenkomst tusschen de religie der Schrift en de
godsdiensten der volken, maar zij verklaart de openbaring niet in
haar karakter en beteekenis, en weet ten slotte met de Schrift geen
raad. Daarom moet deze beschouwing wijken voor de centrale en
organische, welke van uit het middelpunt het licht laat stralen tot
aan den buitensten omtrek. En dat centrum is de menschwording
Gods. Hij is het, die in de revelatio specialis nederdaalt en zich den
menschen gelijk maakt. Subject van de bijzondere openbaring is in
eigenlijken zin de Logos, de Malak Jhvh, de Christus. Hij is de
middelaar der schepping, Joh. 1:3; Col. 1:15, maar ook der
herschepping. Του γαρ δια της ἰδιας προνοιας και διακοσμησεως των
ὁλων διδασκοντος περι του Πατρος, αὐτου ἠν και την αὐτην
διδασκαλιαν ἀνανεωσαι, Athan. de incarn. c. 14. Cf. Iren. adv. haer.
IV 6. Hij is het subject der openbaring ook reeds in het O. Test., de
engel des verbonds, die Israel leidde, Ex. 14:19, 23:20, 32:34, 33:2;
Jes. 63:8, 9, de inhoud der profetie Joh. 5:39; 1 Petr. 1:11; Apoc.
19:10. Door theophanie, profetie en wonder bereidt Hij zijne komst
in het vleesch voor. De O. Test. openbaring is de geschiedenis van
den komenden Christus. Theophanie, profetie en wonder loopen op
Hem uit. In Christus vallen ze saam. Hij is de openbaring, het woord,
de kracht Gods. Hij toont ons den Vader, verklaart ons zijn naam,
volbrengt zijn werk. De menschwording is de afsluiting, het doel en
het einde beide van Israels geschiedenis, en tevens het middelpunt
van alle geschiedenis. Bis hierher und von daher geht die Geschichte
(Joh. von Müller). De incarnatie is het Centralwunder; es ist das
Wunder aller Wunder, da das Göttliche unmittelbar mit dem
Menschlichen sich berührt, Ranke, Weltgeschichte VIII 72.
 Als de openbaring Gods in Christus, in zijn persoon en werk,
verschenen en in de Schrift beschreven is, treedt er eene andere
bedeeling in. De H. Geest ging wonen in de gemeente; daarmede
was het karakter der tijden veranderd. De αἰων οὑτος ging over in
den αἰων μελλων. Gelijk in de eerste periode alles op Christus
voorbereid werd, zoo wordt nu alles van Hem afgeleid. Toen werd
Christus gevormd tot het hoofd der gemeente, nu de gemeente tot
het lichaam van Christus. Toen werd het Woord, de H. Schrift, af-,
nu wordt het uitgewerkt. Maar toch neemt ook deze bedeeling eene
plaats in in het systeem der openbaring. De openbaring is
voortgezet, ofschoon gewijzigd naar den aard der bedeeling. De
openbaring, als bedoelende en voortbrengende den Christus, heeft
haar einde bereikt. Want Christus is er, zijn werk is volbracht, en zijn
woord is voltooid. Nieuwe, constitutieve elementen van de revelatio
specialis kunnen er niet meer bijkomen. De vraag is daarom ook van
ondergeschikt belang, of in de christelijke kerk nog de gave der
voorspelling en der wonderen voortduurt. De getuigenissen der
kerkvaders zijn zoo talrijk en krachtig, dat voor de oudste tijden deze
vraag moeilijk ontkennend kan beantwoord worden, Thomas II 2 qu.
178. Voetius, Disp. II 1002 sq. Gerhard, Loci, loc. 22 sectio 11. Dr. C.
Middleton, A free inquiry into the miraculous powers, which are
supposed to have subsisted in the Christian Church, 3 ed. Lond.
1749. Tholuck, Ueber die wunder der Kath. Kirche, Verm. Schriften I
28-148. J. H. Newman, Two essays on scripture miracles and on
ecclesiastical, 2 ed. Lond. 1870. H. Müller, Natur und Wunder,
Strassb. 1892 S. 182. Maar al zijn die gaven gebleven, de inhoud
dier revelatio specialis, welke in Christus zich concentreert en in de
Schrift is neergelegd, wordt er niet rijker door; en indien zij naar de
gedachte van Augustinus, de civ. 22, 8, de util. cred. 16, de vera
relig. 25 verminderd en opgehouden zijn, die openbaring wordt er
niet armer door. Hoe dit echter ook zij, de revelatio specialis in
Christus zet toch in zekeren zin in deze bedeeling zich nog voort. Al
is alle voorspelling in de christelijke kerk opgehouden en alle wonder
in eigenlijken zin voorbij, de kerk zelve is van oogenblik tot
oogenblik product der openbaring. De geestelijke wonderen duren
voort. De genade Gods in Christus verheerlijkt zich in verlichting en
wederbaring, in geloof en bekeering, in heiligmaking en bewaring.
Christus is middelaar; het is Hem om de gemeente te doen; Hij
kwam om de wereld te vernieuwen en de menschheid te
herscheppen naar het beeld Gods. De revelatio specialis vindt haar
doel in het tot stand brengen eener nieuwe orde van zaken. En
daarom zet zij, in gewijzigden vorm. d. i. in geestelijken zin ook
thans nog zich voort. Haar rustpunt vindt zij eerst in de epiphanie
van Christus, in den nieuwen hemel en de nieuwe aarde, waarin
gerechtigheid woont.
De openbaring naar de Schrift is dus een historisch proces, een
organisch systeem, eene voortdurende goddelijke actie tot breking
van de macht der zonde, tot stichting van zijn rijk, tot herstel van
den kosmos, tot ἀνακεφαλαιωσις των παντων ἐν Χριστῳ, Ef. 1:10. In
de theophanie stelt God zichzelf wederom als den eenigen en
waarachtigen God tegenover de afgoden van ’s menschen eigen
versiering; in de profetie plaatst Hij zijne gedachte als de waarheid
tegenover de leugen van Satan, en in het wonder betoont Hij zijne
goddelijke kracht tegenover alle werken der ongerechtigheid. In de
openbaring poneert en handhaaft God zijn Ik tegenover alle niet-ik,
en brengt het trots allen tegenstand tot algemeene erkenning en tot
volkomen triumf. Soteriologisch is dus heel de openbaring. Zij gaat
uit van Christus, zoowel in O. als in N. T. Maar soteriologisch dan
opgevat in den zin der Schrift, niet in religieus-ethischen zin, alsof de
openbaring slechts religieuse en ethische waarheid bevatten zou;
nog veel minder in intellectueelen zin, alsof de openbaring slechts in
leer bestond. Maar soteriologisch in schriftuurlijken zin, zoo n.l. dat
de inhoud der openbaring niet is leer of leven of aandoening des
gemoeds maar dat ze is dat alles te zaam, een goddelijk werk, eene
wereld van gedachten en daden, een ordo gratiae, die de ordo
peccati op alle terrein bestrijdt en verwint. Doel der openbaring is
niet alleen, om den mensch te leeren en zijn verstand te verlichten
(rationalisme), om hem de deugd te doen beoefenen (moralisme),
om religieuse aandoeningen in hem te kweeken (mysticisme). Maar
het doel Gods met zijne openbaring strekt zich veel verder en
breeder uit. Het is geen ander dan om den mensch, de menschheid,
de wereld aan de macht der zonde te onttrekken, en den Naam
Gods weer te doen uitstralen in alle creatuur. De zonde heeft alles
bedorven en verwoest, verstand en wil, ethische en physische
wereld. En daarom is het ook de gansche mensch en heel de
kosmos, om wiens redding en herstel het God met zijne openbaring
te doen is. Soteriologisch is dus zeer zeker Gods openbaring, maar
object van die σωτηρια is de kosmos, en niet alleen het ethische of
de wil met uitsluiting van het verstand en niet het psychische alleen
met uitsluiting van het somatische en physische, maar alles te
zamen. Want God heeft allen onder de zonde besloten opdat Hij
allen barmhartig zou zijn, Rom. 5:15 v., 11:32; Gal. 3:22.

C. De bijzondere openbaring en het

Supranaturalisme.

7. Deze organische opvatting van de openbaring is in de

christelijke kerk op tweeërlei wijze miskend geworden, zoowel door
het supranaturalisme als door het naturalisme (rationalisme).
Tegenover beide dient zij daarom nader in het licht gesteld en
gehandhaafd te worden. Eerst tegenover het supranaturalisme, dat
vooral in Rome is opgekomen en dan in verschillende richtingen
binnen het Protestantisme nawerkt. De Schrift kent wel onderscheid
tusschen den gewonen gang der dingen en buitengewone werken
Gods, maar maakt toch nog niet de tegenstelling van natuurlijk en
bovennatuurlijk. Deze komt eerst bij de kerkvaders voor. De
bijzondere openbaring wordt met de bovennatuurlijke vereenzelvigd
en tegenover de natuurlijke gesteld. Clemens Alex., Strom. 2, 2
spreekt reeds van ὑπερφυης θεωρια, die men verkrijgt door het
geloof. Chrysostomus, Hom. 36 in Gen, noemt de wonderen ὑπερ
φυσιν en φυσει μειζονα. Ambrosius, de mysteriis c. 9. stelt gratia,
miraculum, mysterium tegenover de ordo naturae. Johannes
Damascenus spreekt meermalen van de wonderen, zooals de
ontvangenis van Christus, de eucharistie enz. als ὑπερ φυσιν, ὑπερ
λογον και ἐννοιαν, de fide orthod. IV 12-15. Cf. Denzinger, Vier
Bücher von der relig. Erk. I 82 f. Sedert heeft de onderscheiding van
natuurlijk en bovennatuurlijk ingang gevonden en burgerrecht
verkregen in heel de christelijke theologie. Zonder twijfel heeft deze
onderscheiding ook recht van bestaan. De Schrift moge ze niet met
zooveel woorden maken; zij erkent toch eene gewone orde der
natuur en daarbij daden en werken, welke hun oorzaak alleen
hebben in de macht Gods. De openbaring in de H. Schrift onderstelt,
dat er nog eene andere, hoogere en betere wereld is dan deze
natuur en dat er dus eene ordo rerum is supra hanc naturam. De
begrippen van natuurlijk en bovennatuurlijk dienen daarom duidelijk
te worden bepaald. Natuur, van nasci, worden, duidt in het
algemeen datgene aan, wat zonder vreemde macht of invloed van
buiten, alleen naar zijne inwendige krachten en wetten zich
ontwikkelt. Natuur staat dan zelfs tegenover kunst, opvoeding,
cultuur, geschiedenis, welke niet vanzelf, spontaan ontstaan, maar
door menschelijk toedoen tot stand komen. Maar verder wordt het
begrip natuur uitgebreid tot heel den kosmos, voor zoover deze niet
van buiten maar van binnen uit, door immanente krachten en naar
eigene ingeschapen wetten zich beweegt en ontwikkelt.
Bovennatuurlijk is dan alwat de krachten der natura creata te boven
gaat en zijne oorzaak niet heeft in de schepselen maar in de almacht
Gods. In dezen zin werd de bijzondere openbaring in de christelijke
theologie opgevat. In haar geheel genomen, had ze haar oorsprong
in eene bijzondere daad Gods, welke niet in den gewonen gang der
natuur maar in eene eigene, daarvan onderscheiden, orde van zaken
zich had geopenbaard. Daarbij werd dan verder nog onderscheid
gemaakt tusschen het bovennatuurlijke in absoluten zin, als iets de
kracht van alle creatuur te bovengaat, en het bovennatuurlijke in
relatieven zin, als het de kracht van eene bepaalde oorzaak in de
gegeven omstandigheden overtreft; en voorts ook nog tusschen het
supernaturale quoad substantiam, als het feit zelf bovennatuurlijk is,
b.v. de opwekking van een doode, en het supernaturale quoad
modum, als alleen de wijze van doen bovennatuurlijk is, b.v. de
genezing van een kranke zonder middelen, Thomas, S. c. Gent. III
101. Ook in deze onderscheidingen lag op zichzelve nog geen
gevaar. Zelfs moeten zij tegenover eene wijsbegeerte, die het
bovennatuurlijke ontkent of verzwakt, verdedigd worden. De
uitdrukking bovennatuurlijk is n.l. in de latere theologie en
philosophie menigmaal in zeer gewijzigden zin verstaan, en
beurtelings met het bovenzinlijke (Kant), het vrije (Fichte), het
onbekende (Spinoza, Wegscheider), het nieuwe en oorspronkelijke
(Schleiermacher), het religieus-ethische, het geestelijke (Saussaye),
enz. vereenzelvigd. Maar zulk eene wijziging van de vaststaande en
duidelijke beteekenis van een woord leidt tot misverstand. Indien
men met bovennatuurlijk niets anders bedoelt dan het bovenzinlijke,
het ethische. enz., doet men beter den term te vermijden. En de
verwarring wordt nog grooter, als men het natuurlijke en het
bovennatuurlijke dooreen mengt en aan deze fusie dan den naam
van het Geistleibliche, Godmenschelijke, enz. geeft. Het begrip
natuur omvat al het geschapene, niet alleen de stof, de materie,
maar ook ziel en geest; niet alleen het physische maar ook het
psychische, het religieuse en het ethische leven, voor zoover het uit
den menschelijken aanleg vanzelf opkomt; niet alleen zienlijke, maar
ook onzienlijke, bovenzinnelijke dingen. Het bovennatuurlijke is niet
met het oorspronkelijke, het geniale, het vrije, het religieuse, het
ethische, enz. identisch, maar is de duidelijke en vaststaande naam
alleen voor datgene, wat uit de krachten en naar de wetten der
geschapene dingen niet is te verklaren. Tot zoover is de
onderscheiding, tusschen natuurlijk en bovennatuurlijk, die in de
christelijke theologie opkwam, volkomen juist, beslist, duidelijk, alle
verwarring afsnijdend. Behoudens het gezegde boven bl. 230 v., is
bijzondere openbaring, in haar drie vormen van theophanie, profetie
en wonder, bovennatuurlijk in strikten zin.
Maar in de christelijke theologie werd het begrip van het
bovennatuurlijke langzamerhand nog enger begrensd. Het werd
eenerzijds van de schepping en andererzijds van de geestelijke
wonderen der wedergeboorte enz. onderscheiden. De eerste
onderscheiding werd gemaakt, omdat het bovennatuurlijke niet voor
God, maar alleen voor ons bestaat en de gewone orde, door de
schepping in het aanzijn geroepen, onderstelt. Van het
bovennatuurlijke kan alleen gesproken worden, als de natuur vooraf
reeds bestaat. En andererzijds werden wedergeboorte, vergeving,
heiligmaking, unio mystica enz., wel voor rechtstreeksche daden
Gods gehouden, maar toch niet tot de bovennatuurlijke openbaring
gerekend, wijl zij niet ongewoon en zeldzaam zijn maar in de kerk
tot de gewone ordo rerum behooren. De kerk zelve is wel
supranatureel maar toch geen wonder. Ook het bovennatuurlijke en
het wonder zijn weer onderscheiden. Al het bovennatuurlijke is geen
wonder, maar wel omgekeerd. Wonderen zijn niet alleen
bovennatuurlijke, maar bovendien ook nog ongewone en zeldzame
gebeurtenissen in natuur of genade. Zij geschieden niet alleen
praeter ordinem naturae alicujus particularis, maar praeter ordinem
totius naturae creatae. Engelen en duivelen kunnen in eigenlijken zin
geen wonderen doen, maar alleen zulke dingen, die ons wonderlijk
toeschijnen en geschieden praeter ordinem naturae creatae nobis
notae, Thomas, S. Theol. I qu. 110 art. 4. S. c. Gent. I 6. III 112.
Voetius, Disp. II. 973 sq. Thomas spreekt niet alleen van wonderen
praeter en supra, maar ook contra naturam, qu. de miraculis, art. 2
ad 3, Müller, Natur u. Wunder, Strassburg 1892 S. 145. En Voetius
zeide, dat wonderen wel niet zijn contra naturam universalem sed
supra et praeter eam, maar toch ook soms konden zijn contra
naturam aliquam particularem, Disp. II 973, cf. Gerhard, Loci Comm.
Loc. 22 § 271 sq. En wonderen hadden dus de volgende
kenteekenen: opus immediatum Dei, supra omnem naturam, in
sensus incurrens, rarum, ad confirmationem veritatis, Voetius, ib. II
965. Gerhard, ib. loc. 22 § 271. Hoeveel goeds er nu ook wezen
moge in deze door de scholastiek gemaakte bepalingen en
onderscheidingen, ze brachten toch geen gering gevaar met zich. De
bijzondere openbaring werd eenerzijds losgemaakt van de schepping
en de natuur; al werd erkend, dat bovennatuurlijke openbaring niet
eerst nu maar ook reeds voor den val had plaats gehad, Calovius,
Isag. ad theol. p. 49, en dus op zichzelf niet in strijd kon zijn met de
natuur, toch werd dit niet ingedacht. Andererzijds werd de
bijzondere openbaring tegengesteld aan de geestelijke wonderen, de
werken der genade, die voortdurend plaats hebben in de kerk van
Christus en dus geïsoleerd van de herschepping en de genade. De
bijzondere openbaring kwam dus geheel op zich zelve te staan,
zonder verband met natuur en geschiedenis. Haar historisch en
organisch karakter werd miskend. Zij ging niet in wereld en
menschheid in, maar bleef buiten en boven haar zweven. Zij werd
eindelijk opgevat als eene leer, als eene verkondiging van
onbegrepen en onbegrijpelijke mysteriën, wier waarheid bevestigd
was door de wonderen. Zij was en bleef in één woord een donum
superadditum van den kosmos.

8. In Rome is dit supranaturalistisch en dualistisch stelsel

consequent uitgewerkt. In God zijn er twee conceptiën van den
mensch, van zijne natuur en bestemming. De mensch in puris
naturalibus, zonder het beeld Gods, gelijk hij feitelijk na den val nog
is, kan eene zuivere kennis van God hebben uit zijne werken, kan
Hem dienen en vreezen en in eene normale, op zich zelf goede
knechtsverhouding tot Hem staan, kan alle natuurlijke deugden
beoefenen, ook zelfs de natuurlijke liefde tot God, en kan het alzoo
brengen tot een zekeren staat van geluk in dit en in het toekomende
leven. Brengt hij het zoover niet, dan is dat zijne eigene schuld en is
dit te wijten aan het niet of slecht gebruiken van de hem
geschonken natuurlijke krachten. Maar God wil aan den mensch nog
eene hoogere, bovennatuurlijke, hemelsche bestemming geven. Dan
moet hij daartoe aan den mensch verleenen dona superaddita
zoowel voor als nu na den val. Hij moet hem schenken eene
bovennatuurlijke genade, waardoor hij God op eene andere, betere,
hoogere wijze kan kennen en liefhebben, betere en hoogere
deugden kan beoefenen, en eene hoogere bestemming kan
bereiken. Die hoogere kennis bestaat in de fides; die hoogere liefde
in de caritas; die hoogere deugden zijn de theologische, geloof,
hoop, liefde, welke essentieel van de virtutes cardinales
(intellectuales et morales) zijn onderscheiden; en die hoogere
bestemming bestaat in het kindschap Gods, de geboorte uit God, de
unio mystica, de gemeenschap aan de Goddelijke natuur, de θεωσις,
deificatio, de visio Dei enz. Deze leer is in sommige uitspraken der
kerkvaders reeds voorbereid, maar is toch eerst ontwikkeld door de
scholastiek, vooral door Halesius, Summa universae Theol. II qu. 91
m. 1. a. 3. Bonaventura, Breviloquium V cap. 1. Thomas disp. de
verit. qu. 27. S. Theol. I 2. qu. 62 art. 1. In den strijd tegen Bajus en
Jansenius werd ze kerkelijk vastgesteld, Denzinger, Enchir. symbol.
et definit. num. 882 sq. en door het Vaticanum nadrukkelijk
uitgesproken, Sess. III cap. 2: revelatio absolute necessaria dicenda
est, — — quia Deus infinita bonitate sua ordinavit hominem ad finem
supernaturalem, ad participanda sc. bona divina. quae humanae
mentis intelligentiam superant, met beroep op 1 Cor. 2:9. Cf.
Canones II 3. Kleutgen, Theol. der Vorzeit, 2e Aufl. 1872 II S. 3-151.
Denzinger, Vier Bücher von der relig. Erk. I 105 f. II 75 f. Scheeben,
Handb. der kath. Dogm. II 1878 S. 240 f. Id. Natur u. Gnade Mainz
1861. Schäzler, Natur u. Gnade. Oswald, Religiöse Urgeschichte der
Menschheit 2e Aufl. 1887 § 1 f.
Nu dient erkend te worden dat het onderscheid in den toestand
vóór en na den val niet ligt in openbaring op zich zelve. Er was
bovennatuurlijke openbaring ook in het paradijs, Gen. 1:28 v.; 2:16
v.; ze is dus niet door de zonde eerst noodzakelijk geworden. Zelfs
was er ook in den status integritatis eene openbaring der genade,
want ook toen was de relatie der liefde, waarin God zich stelde tot
den mensch, een betoon van ongehoudene goedheid. Wat door de
zonde dus noodzakelijk is gemaakt, is niet de openbaring op zichzelf,
maar de bepaalde inhoud der openbaring, dat is de gratia specialis,
de openbaring Gods in Christus, de ἐνσαρκωσις του θεου.
Openbaring Gods is er noodig geweest ook voor de religie in den
status integritatis. Maar de religio christiana is op eene bijzondere,
bepaalde openbaring gegrond. Hierop heeft Paulus het oog als hij in
1 Cor. 2 vs. 4-16 spreekt van de wijsheid Gods, die altijd verborgen
is geweest en in het hart des menschen niet is opgeklommen. Rome
kan dit eigenlijk zelf niet ontkennen, tenzij het de leer aanvaarde,
dat, in de onderstelling dat God aan den mensch een finis
supernaturalis wilde schenken, heel de supranatureele orde, die er
nu is in de incarnatie, de kerk, de sacramenten, ook zonder en
buiten de zonde noodzakelijk zou geweest zijn. Daarmede zou
echter het soteriologisch karakter der openbaring geheel te loor
gaan, de val zijn beteekenis verliezen en de zonde hoegenaamd
geene verandering hebben gebracht. De leer van den finis
supernaturalis heeft dan ook in de Roomsche kerk altijd veel
tegenspraak ontmoet, bij Bajus, Jansenius, Hirscher, Hermes,
Günther; maar ze hangt ten nauwste saam met heel het Roomsche
systeem, dat gebouwd is niet op de religieuse tegenstelling van
zonde en genade, maar op het graadonderscheid in het goede, op
de rangordening der schepselen en der deugden, op de hierarchie in
physischen en in ethischen zin. De Reformatie had echter maar ééne
idee, ééne conceptie van den mensch, nl. die van beelddrager Gods,
en deze gold voor alle menschen. Als dat beeld in engeren zin
verloren is, dan is daarmee heel de menschelijke natuur
geschonden, en kan de mensch geen religie en geen ethos meer
hebben, welke aan den eisch Gods en aan zijne eigene idee
beantwoorden. Dan is zijne religie en zijne deugd, hoe schoon ze
schijnen, toch in den wortel bedorven. Er is geen religio naturalis.
Alle religies zijn superstities geworden. Maar daarom is de religio
christiana ook essentieel één met de religio vera in den status
integritatis. De Gereformeerden dreven dit zoover, dat ze zeiden dat
ook Adam de kennis der triniteit en het geloof had gehad, dat ook
toen de Logos mediator was geweest, niet reconciliationis maar
unionis, dat ook toen de H. Geest de auteur van alle deugd en
kracht was enz. De ware gedachte lag erin, dat de wil van God geen
willekeur is, die beurtelings deze en dan die idee van den mensch
zich vormt; dat de conceptie van den mensch, de natuur van het
beeld Gods, en dus ook de religio ééne moet zijn. En daaruit volgde
dan eindelijk, dat de openbaring niet absoluut maar relatief, niet
quoad substantiam maar quoad modum noodzakelijk was. De religio
is ééne voor en na den val; dat ze echter christiana is, dat is
noodzakelijk geworden door de zonde. De religio christiana is
middel, geen doel; Christus is middelaar, maar het einde is ὁ θεος τα
παντα ἐν πασιν, 1 Cor. 15:28.
Daarmede is nu verder gegeven, dat de openbaring niet absoluut
kan staan tegenover de natuur. Bij Rome is er quantitatieve
tegenstelling; de religio naturalis is essentieel verschillend van de
religio supernaturalis; beide staan naast elkaar; het zijn twee geheel
verschillende concepties, twee gansch onderscheiden systemen en
ordeningen; de ordo gratiae heft zich hoog op boven de orde
naturae. Maar de Reformatie heeft die quantitatieve tegenstelling in
eene qualitatieve omgezet. De openbaring staat niet tegenover de
natuur, maar tegenover de zonde. Dat is de macht, die de
openbaring zoekt te breken, maar de natuur herstelt zij en voltooit
zij. De schepping zelve is reeds openbaring. Openbaring was er voor
den val. Openbaring is er ook nu nog in alle werken van Gods
handen in natuur en geschiedenis. Zijne eeuwige kracht en
Goddelijkheid worden uit de schepselen verstaan en doorzien.
Analogieën van profetie en wonder zijn er ook buiten de revelatio
specialis. De inspiratie der helden en kunstenaars, de wondere
krachten, die soms aan ’t licht treden, kunnen tot opheldering en
bevestiging dienen van de openbaringsfeiten, in de Schrift vermeld.
Zelfs de mantiek en magie in de heidensche godsdiensten zijn
verschijnselen, die als caricatuur nog gelijkenis toonen met het
oorspronkelijk beeld in de openbaring. Ja, deze grijpt zelve als het
ware in de natuur terug, sluit zich daarbij aan en bereidt zich daarin
voor. De gratia communis wijst naar de gratia specialis heen, en
deze neemt gene in dienst. Natura commendat gratiam, gratia
emendat naturam. Even creation itself is built up on redemption
lines, Orr, The christian view of God and the world, p. 323. Zie
verder mijne rede over De algemeene Genade, Kampen 1894.

D. De bijzondere openbaring en het

Naturalisme.

9. De principieele bestrijding van de openbaring nam eerst een

aanvang in de nieuwere philosophie. Spinoza behoudt het woord
openbaring nog wel en acht ze zelfs noodzakelijk, Tract. theol.-polit.
cap. 15, 27, maar hij verstaat daaronder niets anders, dan dat de
eenvoudigen de ware religie, het woord Gods, niet door het licht der
rede kunnen vinden, maar op gezag moeten aannemen, ib. cap. 15,
44. cap. 4, 22-37. Overigens erkent Spinoza geen openbaring in
eigenlijken zin; alle decreta Dei zijn aeternae veritates en met de
leges naturae identisch, ib. cap. 4, 37; 3, 8; 6, 9, etc.; profetie en
wonder werden aan eene scherpe kritiek onderworpen en op
natuurlijke wijze verklaard, ib. cap. 1-6. Deze kritiek werd door het
deïsme en rationalisme voortgezet. Maar het rationalisme kan in
verschillende vormen optreden en wisselt telkens van beteekenis, cf.
Kant, Religion innerhalb usw. ed. Rosenkranz S. 185. Wegscheider,
Instit. Theol. § 7 d. § 11-12. Bretschneider, Syst. Entw. aller in der
Dogm. vork. Begriffe, § 34. Nitzsch, Lehrb. der ev. Dogm. S. 141 f.
In de eerste plaats wordt met rationalisme die richting aangeduid,
welke wel eene bovennatuurlijke openbaring aanneemt, maar de
beslissing over de echtheid en den zin dier openbaring opdraagt aan
de rede; daartoe behoorden vele Cartesiaansche theologen, zooals
Roell, Wolzogen, G. W. Duker, en ook Leibniz, Wolff e. a. Vervolgens
is rationalisme de naam voor die meening, welke nog wel een
bovennatuurlijke openbaring mogelijk acht, maar alleen van zulke
waarheden, welke de rede vroeger of later toch ook zou hebben
kunnen vinden. De openbaring is dan slechts tijdelijk en toevallig
van noode; ze dient slechts als voorbereiding en opvoeding voor de
algemeene heerschappij der Vernunftreligion; ze geeft slechts
spoediger en gemakkelijker, wat de rede anders bij langer en
moeilijker weg zou hebben bereikt. Zoodanig is het begrip der
openbaring bij Lessing, Erziehung des Menschengeschlechts 1780,
Fichte, Versuch einer Kritik aller Offenbarung 1792, en Kant, Religion
usw. 1793. In de derde plaats staat als rationalisme die theologie
bekend, welke alle bovennatuurlijke openbaring ontkent, maar toch
wel aanneemt dat God door bijzondere schikkingen zijner
Voorzienigheid personen heeft toegerust en wegen heeft gebaand,
die de menschheid brengen kunnen tot eene betere en zuiverder
kennis der religieuse waarheid. Van dezen is Wegscheider de
voornaamste representant, Instit. theol. I § 12 p. 58, en voorts Röhr,
Henke, Gabler, Paulus, Gesenius, enz. En eindelijk wordt de naam
van rationalisme nog gegeven aan die richting, welke sedert het
midden der 17e eeuw naturalisme, in Engeland deisme heette en ook
atheisme, materialisme werd genoemd, en die alle openbaring
ontkennend, de religio naturalis voor volkomen voldoende hield.
Daartoe behooren Spinoza, Lud. Meyer, Voltaire, Rousseau,
Reimarus, Nicolai, enz.
 De argumenten, door dit rationalisme tegen de openbaring
ingebracht, komen hierop neer: Openbaring is allereerst onmogelijk
van de zijde Gods, want zij zou meebrengen, dat God veranderlijk
was, dat zijne schepping onvolmaakt en gebrekkig was en daarom
verbetering behoefde; en dat Hij zelf, anders een Deus otiosus, dan
alleen werkte, wanneer Hij werkt op buitengewone wijze. Voorts is
openbaring ook onmogelijk van de zijde der wereld, wijl de
wetenschap hoe langer hoe meer tot de ontdekking is gekomen, dat
deze altijd en overal door een onverbrekelijk systeem van wetten
wordt beheerscht, hetwelk voor een bovennatuurlijk ingrijpen Gods
geen ruimte laat; de wetenschap gaat van dit causaal verband der
dingen uit en kan ook niet anders; het supranaturalisme maakt de
wetenschap onmogelijk, stelt willekeur in plaats van regel; naarmate
de wetenschap dan ook is voortgeschreden, hebben alle
verschijnselen hun supranatureel karakter verloren; er bestaat zelfs
geen recht, om tegen alle ervaring in een verschijnsel voor
supranatureel te houden; le surnaturel serait le surdivin. Vervolgens
is openbaring, ook al ware zij geschied, toch voor den ontvanger
zelven en nog meer voor degenen, die na hem leven, onherkenbaar
en onbewijsbaar: hoe is het ooit uit te maken dat eene profetie of
een wonder van God, en niet b.v. van den duivel, herkomstig is?
Waaraan is eene openbaring kenbaar voor hem, die ze ontvangt en
voor hen, die later leven? Zulke criteria zijn er niet aan te geven. Zij,
die eene openbaring aannemen, gelooven dus alleen op menschelijk
gezag, en hangen in de hoogste en gewichtigste zaken van
menschen af. Que d’hommes entre Dieu et moi! En eindelijk,
openbaring strijdt met de menschelijke rede; want wat men ook
zeggen moge, alle openbaring, die supra rationem is, is daardoor
ook contra rationem, zij onderdrukt dus de rede en leidt tot
dweeperij; maar bovendien, indien de openbaring iets meedeelt dat
supra rationem is, dan kan ze ook nooit worden opgenomen en
geassimileerd en blijft ze steeds als een onbegrepen mysterie buiten
ons bewustzijn staan; en indien ze iets meedeelt, wat de rede zelve
had kunnen vinden, dan is ze onnoodig, geeft hoogstens slechts
eerder en lichter wat anders toch verkregen zou zijn, en berooft de
rede onnoodig van haar kracht en energie. Cf. Wegscheider, Instit.
theol. § 10-12. Bretschneider, Handbuch der Dogm. 4e Aufl. I 188-
329. Nitzsch, Lehrb. der ev. Dogm. 141 f. 165.

10. De openbaring, welke in de H. Schrift is neergelegd, is een

lastig feit voor elk die haar ontkent. Want ook wie hare mogelijkheid
en werkelijkheid bestrijdt, moet toch streven naar eene verklaring
van haar historisch ontstaan. Uit bedrog is zij niet voortgekomen,
evenmin als de religie. Het geloof aan openbaring is niet iets
willekeurigs of toevalligs, dat slechts onder bijzondere
omstandigheden hier of daar voorkomt, maar is wezenlijk eigen aan
alle religie. Zoo eenvoudig, als het rationalisme het zich soms
voorstelde, is de kwestie van de openbaring niet. Dit blijkt al dadelijk
daaruit, dat alle pogingen, van naturalistische zijde aangewend, om
de bijbelsche wonderverhalen op natuurlijke wijze te verklaren, tot
dusver schipbreuk hebben geleden. Als de openbaring, in al hare
vormen, van theophanie, profetie en wonder, niet werkelijk
bovennatuurlijk is maar slechts in dien zin van God herkomstig is, als
alle werkzaamheid des menschen in Hem haar laatste oorzaak heeft;
dan is men genoodzaakt, om of tot de zoogenaamde materieele of
tot de formeele interpretatie der wonderverhalen de toevlucht te
nemen. Dat is, men kan eenerzijds de feiten tot op zekere hoogte
onaangetast laten en voor waarheid aannemen; men zoekt deze
feiten dan te verklaren uit de onkunde des volks aangaande de
natuurlijke oorzaken en uit de religieuse behoefte om alles direct aan
God toe te schrijven, Spinoza, Tract. theol. pol. cap. 1 en 6. Hase,
Dogm. § 19. Leben Jesu § 15. Strauss, Glaub. I 280. Scholten,
Supranat. in verband met Bijbel, Christ. en Prot. 1867, bl. 8 v.; of
men verklaart ze physisch uit onbekende natuurkrachten, Kant,
Religion ed. Rosenkranz 101. Morus, Epitome Theol. Christ. p. 23.
Schweizer, Glaub. der ev. ref. K. I 324 f.; of psychologisch uit eene
bijzondere virtuositeit, om het toekomstige vooruit te gevoelen,
Bretschneider, Dogm. I S. 300. Hase, Dogm. § 137, en om kranken
zonder middelen te genezen, Weisse, Philos. Dogm. I S. 115.
Ammon, Gesch. des Lebens Jesu 248; of teleologisch uit zoodanige
schikking en ordening der in de natuur liggende, physische en
psychische, krachten, dat zij een ongewoon resultaat
teweegbrengen en tot erkenning van Gods voorzienigheid en tot
geloof aan den prediker aansporen, Wegscheider, Inst. Theol. § 48.
Bretschneider, Dogm. I 314. Of men kan andererzijds oplossing
zoeken in de formeele of genetische verklaring, d. i. in eene
bijzondere opvatting van de berichten aangaande de openbaring;
men roept dan te hulp de Oostersche voorstelling en inkleeding, en
de accommodatie van Jezus en de apostelen naar de
volksvoorstellingen, cf. Bretschneider, Syst. Entw. aller in der Dogm.
vork. Begriffe, 4e Aufl. S. 135 f. Herzog2 art. Accomodation; of men
zoekt raad bij de allegorische, Woolston, Discourses on the miracles
of our Saviour 1727; of bij de natuurlijke, Paulus van Heidelberg,
Philol.-krit. u. histor. Commentar über das N. T. 1800-1804. Leben
Jesu 1828. Exeg. Handbuch über die 3 ersten Evang. 1830-33; of bij
de mythische, Eichhorn, Gabler, G. L. Bauer, Strauss, Leben Jesu
1835; of bij de symbolische verklaring, A. D. Loman, Gids Febr.
1884. Cf. Wegscheider, Instit. Theol. S. 214. Bretschneider, System.
Entw. S. 248 f. Denzinger, Vier Bücher von der relig. Erkenntniss II
156 f. 335 f. 405 f.
Maar al deze verklaringen hebben weinig succes gehad. De
Schrift is nu eenmaal niet naturalistisch of rationalistisch te duiden.
De openbaringsfeiten zelve, welke de Schrift ons meedeelt, staan
aan al dergelijke pogingen in den weg. Want wel is waar, dat de
openbaring in de Schrift, in vorm velerlei overeenkomst heeft, met
die, waarop andere godsdiensten zich beroepen; toch staat zij er in
beginsel tegenover, zij maakt tusschen deze en zichzelve een beslist
onderscheid; zij schrijft welbewust en volkomen verzekerd haar
oorsprong alleen toe aan eene buitengewone werking Gods. De
Schrift verbiedt alle waarzeggerij en tooverij, Num. 19:16, 31, 20:6,
27; Deut. 18:10 v.; Jes. 8:9; Jer. 27:9; Hd. 8:9 v., 13:8 v., 19:13;
Apoc. 21:8, 22:15. Profeten en apostelen willen daarmede niets te
maken hebben. Zij staan er lijnrecht tegenover en volgen geen
kunstig verdichte fabelen, 2 Petr. 1:16. De profetie is voortijds niet
voortgebracht door den wil eens menschen, maar de H. Geest heeft
de profeten gedreven, 2 Petr. 1:21; 1 Cor. 2:11, 12. Het wonder is
een σημειον van de tegenwoordigheid Gods. De klare
zelfbewustheid, die wij allerwege bij de profeten aantreffen, en de
volkomen heldere zelfgetuigenis, die de openbaring overal in de
Schrift vergezelt, bieden een onoverkomelijk struikelblok voor de
naturalistische verklaring. Ook de psychologische methode Strauss,
Glaub. I 77. Kuenen, De profeten I 106 v., kan aan deze
zelfbewustheid en zelfgetuigenis van profeten en apostelen, ja van
Christus zelven, geen recht laten wedervaren. Dankbaar mag erkend
worden, dat de moderne opvatting van de openbaring er geen
oogenblik meer aan denkt, om de profeten en apostelen voor
opzettelijke bedriegers te houden. Maar zij kan toch niet ontkomen
aan de conclusie, dat al deze mannen arme bedrogenen en ter
goeder trouw dwalenden waren, wijl zij zich beriepen op eene
vermeende openbaring en optraden met eene ingebeelde goddelijke
autoriteit. De kwestie staat immers niet zoo, alsof de openbaring
alleen zekere feiten bevat, wier interpretatie zij aan ons inzicht
overlaat. Maar zij werpt zelve op die feiten een eigenaardig licht; zij
heeft, om zoo te zeggen, over die feiten eene eigene beschouwing
en eene eigene theorie. In de openbaring der Schrift gaan woord en
feit, profetie en wonder altijd hand aan hand. Beide zijn noodig,
opdat zoowel het bewustzijn als het zijn worde herschapen en heel
de kosmos van de zonde worde verlost. The light needs the reality
and the reality needs the light, to produce — — — the beautiful
creation of His grace. To apply the kantian phraseology to a higher
subject, without God’s acts the words would be empty, without His
words the acts would be blind, Dr. Vos, The idea of biblical theology
as a science and as a theol. discipline, New-York, Randolph and Co.
1894 p. 15. Zie ook Kuyper, Uit het Woord I 1873 bl. 69-160. Beide,
woord en feit, zijn in de openbaring zoo innig saamgeweven, dat het
eene niet aangenomen of verworpen kan worden zonder het ander.
Elke poging, om de openbaringsfeiten naturalistisch te verklaren, is
tot dusver dan ook altijd geëindigd met de erkenning, dat er
tusschen de supranatureele wereldbeschouwing der Schrift en die
der naturalisten eene diepe klove gaapt en verzoening onmogelijk is.
De Hoogleeraar Scholten leverde hiervan een treffend voorbeeld.
Eerst nam hij de uitspraken van den johanneïschen Jezus nog als
waarheid aan. Toen trachtte hij die uitspraken te verklaren naar zijne
gewijzigde inzichten, en de exegese dienstbaar te maken aan zijne
heterodoxe dogmatiek. En eindelijk in 1864 erkende hij open, dat de
wereldbeschouwing van den vierden evangelist eene andere dan de
zijne was. Het Evangelie naar Johannes 1864 bl. III-VI. Elke
negatieve richting erkent ten slotte, dat de openbaring der Schrift in
de orthodoxie nog het zuiverst opgevat en weergegeven wordt. Het
radikalisme laat de Schrift voor wat ze is en heeft met de openbaring
afgedaan. Daarmede is de vraag tot haar diepste beginsel herleid.
De al of niet erkenning van de openbaring wordt beslist door onze
geheele levens- en wereldbeschouwing. Niet de historische kritiek
maar de zelfkritiek, niet de wetenschap maar het geloof, niet het
hoofd maar het hart geeft hierbij den doorslag. Uit het hart komt
ook voort het onverstand, Mk. 2:22. Ons denken wortelt in ons zijn.
Operari sequitur esse (Schopenhauer). Was für eine Philosophie man
wähle, hängt davon ab, was für ein Mensch man ist. Unser
Denksystem ist oft nur die Geschichte unseres Herzens (Fichte). Dat
de al of niet erkenning van de openbaring ter laatster instantie eene
vraag is des geloofs, wordt voldoende daardoor bewezen, dat geen
van beide, noch de supranatureele noch de naturalistische opvatting
in staat is, om alle moeilijkheden uit den weg te ruimen of alle
bezwaren op te lossen. De naturalistische beschouwing schijnt sterk
te zijn, als ze enkele wonderverhalen op zich zelf neemt en isoleert
van het geheel; maar dat geheel zelf, het systeem der openbaring en
daarin weder de persoon van Christus blijven voor haar een
onoplosbaar raadsel en een steen des aanstoots. Omgekeerd is het
der supranatureele beschouwing nog niet gelukt, om alle bijzondere
feiten en woorden der openbaring in te voegen in de orde van het
geheel. Maar hier is toch de overeenstemming met de openbaring in
haar geheel, het inzicht in haar systeem, de conceptie van hare
machtige harmonie. Ware nu de erkenning van de openbaring eene
wijsgeerige stelling, zij zou betrekkelijk van weinig gewicht zijn.
Maar er is een diep religieus belang mede gemoeid. De religie zelve
hangt met de openbaring saam. Wie deze prijsgeeft, verliest ook de
religie, die op haar is gebouwd. De openbaring der Schrift en de
religie der Schrift staan en vallen met elkaar.
 11. De wereldbeschouwing, welke tegenover die der Schrift staat
en principieel alle openbaring bestrijden moet, kan het best met den
naam van monisme worden aangeduid. Het monisme, zoowel in zijn
pantheistischen als in zijn materialistischen vorm, streeft er naar, om
alle krachten, stoffen en wetten, die er in de natuur zijn op te
merken, tot ééne enkele kracht, stof en wet te herleiden. Het
materialisme neemt alleen qualitatief gelijke atomen aan, die overal
en altijd naar dezelfde mechanische wetten werken en door
verbinding en scheiding alle dingen en verschijnselen doen worden
en vergaan. Het pantheisme erkent evenzoo niets dan ééne enkele
substantie, die in alle schepselen dezelfde is en overal naar dezelfde
logische wetten zich wijzigt en vervormt. Beide worden bezield door
eenzelfden drang, door den drang en de zucht naar eenheid, die
eigen is aan den menschelijken geest. Maar terwijl het materialisme
de eenheid van stof en wet, welke in de physische wereld heerscht,
zoekt terug te vinden in alle andere, historische, psychische,
religieuse, ethische, enz. verschijnselen en alzoo alle wetenschappen
tracht te maken tot natuurwetenschap; beproeft het pantheisme, om
alle verschijnselen, ook de physische, uit den geest te verklaren en
alle wetenschappen om te zetten in geesteswetenschap. Beide zijn
naturalisme, inzoover zij misschien nog voor het bovenzinlijke maar
in elk geval niet voor het bovennatuurlijke eene plaats inruimen, en
voor wetenschap en kunst, voor religie en moraal aan dezen
kosmos, aan het diesseits genoeg hebben, Strauss, Der alte u. der
neue Glaube, 2e Aufl. I 211 f. E. Haeckel, Der Monismus als Band
zwischen Religion und Wissenschaft, 6e Aufl. Bonn 1893. Konrad
Dieterich, Philosophie u. Naturwissenschaft, ihr neuestes Bündniss
und die monistische Weltanschauung, 2tes Ausg. Freiburg 1885. Dr.
M. L. Stern, Philosophischer und naturwissenschaftlicher Monismus.
T. Pesch, Die grossen Welträthsel, 2e Aufl. Herder, Freiburg II 8 f.
Stöckl, Lehrbuch der Philos. II 1887 S. 117 f. Schanz, Apologie des
Christ. I 1887 S. 249 f. De wereldbeschouwing der Schrift en van
heel de christelijke theologie is eene gansch andere. Zij is niet
monisme maar theisme, niet naturalistisch maar supranatureel.
Volgens deze theistische wereldbeschouwing is er eene veelheid van
substanties, van krachten en stoffen en wetten. Zij tracht er niet