折叠 R 中的栅格数据

问题描述

我目前正在处理来自 https://www.worldclim.org/data/worldclim21.html 的气候数据，我正在尝试获取秘鲁 196 个省的最高和最低温度。到目前为止，我已经使用了这段代码：

neo4j

到目前为止，这给了我秘鲁的形状。由此我想获得 196 个省中每个省的平均（最高和最低）温度，并最终得到一个包含 196 个观测值的数据框。有没有有效的方法？

解决方法

您可以使用 zonal。类似的东西

library(raster)
my_shape <- shapefile("multipolygon shapfile with 196 provinces inside Peru") 
r <- raster("raster file of temp with 1km2 grid")
r2 <- crop(r,my_shape)
zones <- rasterize(my_shape,r2)
zonal(r2,zones)

,

您可以使用 raster::extract() 根据多边形汇总栅格数据。
我经常发现有必要指定要提取的包，以确保您获取正确的版本。

library(sp) # I'm assuming that's the source for st_read
library(raster)  

my_shape <- st_read("multipolygon shapfile with 196 provinces inside Peru") 
r <- raster("raster file of temp with 1km2 grid")
## not necessary to crop source raster

my_shape$mean <- raster::extract(r,my_shape,fun = mean,na.rm = TRUE)  

这应该向您的省多边形图层添加一个属性列。你可以用 fun = min 和 fun = max 做同样的事情。

如果您的栅格图层很大，或者您想多次执行此操作，则使用 velox 等替代软件包可能会获得更好的性能。

library(velox)

vs <- velox("raster file of temp with 1km2 grid")
my_shape$mean2 <- vs$extract(my_shape,fun = function(x){mean(x,na.rm= TRUE)})

velox 方法要快得多（见下文）

另一种选择是使用 stars 包，并使用 aggregate() 来汇总最小和最大数据。见How to extract values from a raster using polygons with the R stars package?

library(stars)
library(microbenchmark)

rstar = read_stars(raster_file)
st_crs(rstar) <- st_crs(my_shape) 

f1 = function(){
      my_shape$mean = raster::extract(r,na.rm = TRUE)
}
f2 = function(){
      vs <- velox(raster_file)
      my_shape$mean2 <- vs$extract(my_shape,na.rm= TRUE)})
}

f3 = function(){
      zones = rasterize(my_shape,r)
      raster::zonal(r,zones)
}

f4 = function(){
x = aggregate(rstar,mean,na.rm = T)
st_as_sf(x)
}

res = microbenchmark(f1(),f2(),f3(),f4(),times = 3)
res
# Unit: seconds
# expr        min         lq       mean     median       uq        max neval
# f1() 172.283024 174.644299 178.920625 177.005575 182.2394 187.473276     3
# f2()   3.339221   3.374647   3.396874   3.410072   3.4257   3.441327     3
# f3() 170.981220 179.481681 182.520730 187.982142 188.2905 188.598829     3
# f4() 167.076081 173.427232 179.332300 179.778383 185.4604 191.142437     3

velox$extract 是明显的性能赢家。其他三个版本看起来非常相似。

区域的处理时间主要是对多边形层进行栅格化，如果您用于多个指标，它会击败提取和聚合。 从文件中读取栅格包含在 velox 表达式中，但不包含在其他版本中。