在地图上绘制插值数据

时间：2012-04-06 18:50:52

标签： r maps ggplot2 automap spatial-interpolation

我在美国切萨皮克湾的不同地点拍摄了物种丰富度的调查数据，我想以图形方式将数据显示为“热图”。

我有一个lat / long坐标和丰富度值的数据框，我将其转换为SpatialPointsDataFrame并使用automap包中的autoKrige()函数生成插值。

首先，是否可以评论我是否正确实施autoKrige()功能？

其次，我无法绘制数据并覆盖该地区的地图。或者，我可以指定插值网格以反映Bay的边界（如建议here）吗？关于我如何做到这一点以及我可能从哪里得到这些信息的任何想法？将网格提供给autoKrige()似乎很容易。

编辑：感谢Paul的超级有用的帖子！这就是我现在拥有的。无法让ggplot接受插值数据和地图投影：

require(rgdal)
require(automap)
#Generate lat/long coordinates and richness data
set.seed(6)
df=data.frame(
  lat=sample(seq(36.9,39.3,by=0.01),100,rep=T),
  long=sample(seq(-76.5,-76,by=0.01),100,rep=T),
  fd=runif(10,0,10))
initial.df=df

#Convert dataframe into SpatialPointsDataFrame
coordinates(df)=~long+lat

#Project latlong coordinates onto an ellipse
proj4string(df)="+proj=longlat +ellps=WGS84 +datum=WGS84 +no_defs"
#+proj = the type of projection (lat/long)
#+ellps and +datum = the irregularity in the ellipse represented by planet earth

#Transform the projection into Euclidean distances
project_df=spTransform(df, CRS("+proj=merc +zone=18s +ellps=WGS84 +datum=WGS84")) #projInfo(type="proj")

#Perform the interpolation using kriging
kr=autoKrige(fd~1,project_df)
#Extract the output and convert to dataframe for easy plotting with ggplot2
kr.output=as.data.frame(kr$krige_output)
#Plot the output
#Load the map data for the Chesapeake Bay
cb=data.frame(map("state",xlim=range(initial.df$long),ylim=range(initial.df$lat),plot=F)[c("x","y")])

ggplot()+
  geom_tile(data=kr.output,aes(x=x1,y=x2,fill=var1.pred))+  
  geom_path(data=cb,aes(x=x,y=y))+
  coord_map(projection="mercator")

1 个答案:

答案 0 :(得分：47)

我对你的帖子有很多评论：

使用克里格

我看到您正在使用地统计学来构建热图。您还可以考虑其他插值技术，例如样条曲线（例如，字段包中的薄板样条曲线）。这些对数据的假设较少（例如平稳性），也可以很好地可视化您的数据。如果您将其发送到期刊，假设数量的减少可能会有所帮助，那么您就可以向审核人员解释。如果需要，您还可以比较一些插值技巧，有关提示，请参阅a report I wrote。

数据投影

我看到你正在使用lat long坐标进行克里金法。 Edzer Pebesma（gstat）remarked that的作者，没有适合拉特伦坐标的变差函数模型。这是因为在纬度上，距离不是直的（即Euclidean），而是在一个球体上（即Great circle distances）。没有协方差函数（或变差函数模型）对球坐标有效。我建议在使用automap之前使用spTransform包中的rgdal投影它们。

rgdal包使用proj4 projection library来执行计算。要投影数据，首先需要定义其投影：

proj4string(df) = "+proj=longlat +ellps=WGS84 +datum=WGS84 +no_defs"

上面表达式右侧的proj4字符串定义了投影的类型（+proj），使用的椭圆（+ellps）和基准面（+datum） 。要理解这些术语的含义，你必须将地球想象成一个土豆。地球不是完美的球形，这是由椭圆形定义的。地球也不是完美的椭圆体，但表面更不规则。这种不规则性由基准定义。另见this article on Wikipedia。

定义投影后，您可以使用spTransform：

project_df = spTransform(df, CRS("+proj= etcetc"))

其中CRS（“+ proj etc”）定义目标投影。哪种投影取决于您的地理位置和学习区域的大小。

使用ggplot2绘图

要向ggplot添加多边形或折线，请查看coord_map的文档。这包括使用maps包绘制国家边界的示例。如果您需要为学习区域加载例如shapefile，则可以使用rgdal进行加载。请记住，ggplot2适用于data.frame，而非SpatialPolygons。您可以使用以下内容将SpatialPolygons转换为data.frame 

poly_df = fortify(poly_Spatial)

另请参阅我创建的this function以绘制空间网格。它直接适用于SpatialGrids / Pixels。请注意，您需要从该存储库（continuousToDiscrete）中获取一个或两个附加文件。

创建插值网格

我创建了automap，以便在未指定时生成输出网格。这是通过在数据点周围创建一个凸包，并在其中采样5000点来完成的。预测区域的边界以及在其中采样的点的数量（以及因此的分辨率）是非常随意的。对于特定应用，预测区域的形状可以从多边形导出，使用spsample来采样多边形内的点。取样的数量和分辨率取决于两件事：

  • 您拥有的数据类型，例如，如果您的数据非常流畅，那么与此平滑度相比，提高分辨率并没有多大意义。或者，如果您的数据有许多小规模的条纹，则需要高分辨率。如果您有观察支持这种高分辨率，那么这只是可能的。
  • 数据密度。如果您的数据更密集，则可以提高分辨率。

如果您使用插值地图进行后续分析，那么获得正确的分辨率非常重要。如果您纯粹将地​​图用于视觉目的，那么这一点就不那么重要了。但请注意，在这两种情况下，过高的分辨率可能会误导预测的准确性，而分辨率过低则无法确定数据的正确性。

相关问题
最新问题