子集HDF5矩阵使用来自另一个子矩阵的值

时间:2014-03-18 08:55:19

标签: r list latitude-longitude subset hdf5

我一直在使用HDF5文件,我已经能够在rhdf5中进行一些子集化。有三个文件:经度,纬度和ColumnAmountNO2Trop。我已经将这一年中的所有日期作为一个列表提取到了#34;文件"。

files <- list.files(pattern = ".he5", full.names = TRUE)
attribute <- "/HDFEOS/SWATHS/ColumnAmountNO2/Data Fields/ColumnAmountNO2Trop"
attribute2<-"/HDFEOS/SWATHS/ColumnAmountNO2/Geolocation Fields/Longitude"
attribute3<-"/HDFEOS/SWATHS/ColumnAmountNO2/Geolocation Fields/Latitude"

以及下面的子文件:

out.list <- lapply(files, h5read, attribute)
Lon <- lapply(files, h5read, attribute2)
Lat<-lapply(files, h5read, attribute3)

但是,我需要根据纬度和经度值对out.list(其中包含&#39; ColumnAmountNO2Trop&#39;一年中的所有日子)进行子集化,以缩小我的地理参考区域。我能够使用行号和列号对它们进行子集化:

lapply(out.list, function(x) x[2:8,2:8]) 

然而,第一天的2,2的goegraphic位置可能在第2天不同。 我尝试使用下面的子集定义经度和纬度值,但它返回了一条错误消息。

Lond<-c(2,9)
Latd<-c(2,9)
lonKeep <- which(Lon > Lond[1] & Lon < Lond[2])
latKeep <- which(lat> latRan[1] & lat< latRan[2]) 

如何分组&#39; out.list&#39;对于Lon 2-9和Lat 2-9,请?

1 个答案:

答案 0 :(得分:1)

您可以找到other approaches,可能找到更贴近您需求的解决方案。 使用hdf5和raster的选项是从hdf5文件中提取相关数据,构建栅格,将其裁剪到ROI并获取该区域的值。

我做这样的事情:

library(raster)
library(maptools)
source("http://bioconductor.org/biocLite.R")
biocLite("rhdf5")
library(rhdf5)
library(latticeExtra)

my_wd <- './Stackoverflow/22474417'
files <- list.files(path = my_wd, pattern = ".he5", full.names = F)
files
#[1] "M1.he5" "M2.he5"

attribute <- "/HDFEOS/SWATHS/ColumnAmountNO2/Data Fields/ColumnAmountNO2Trop"
attribute2<- "/HDFEOS/SWATHS/ColumnAmountNO2/Geolocation Fields/Longitude"
attribute3<- "/HDFEOS/SWATHS/ColumnAmountNO2/Geolocation Fields/Latitude"

阅读单个文件

m1 <- h5read(file.path(my_wd, files[1]), name = attribute)
dim(m1) # file dimension
# [1] 60 54
prod(dim(m1))
# [1] 3060

在从atribute2和atribute3中提取地理范围后,我们将使用它来构建rasterLayer

Lon <- h5read(file.path(my_wd, files[1]) , attribute2)
Lat <- h5read(file.path(my_wd, files[1]) , attribute3)

xmin <- min(Lon[1:prod(dim(m1))]) # Min. Longitude
# [1] -7.141283
xmax <- max(Lon[1:prod(dim(m1))]) # Max. Longitude
ymin <- min(Lat[1:prod(dim(m1))]) # Min. Longitude
ymax <- max(Lat[1:prod(dim(m1))]) # Max. Longitude

我们可以使用上面的信息

构建一个栅格
m1m <- matrix(m1, nrow = 60)    
m1r <- raster(m1m, xmn = xmin, xmx = xmax,
              ymn =  ymin, ymx = ymax)

将一些空间数据叠加到

data(wrld_simpl)
spdata <- wrld_simpl[which(wrld_simpl@data$NAME %in% c('Nigeria', 'Cameroon', 'Benin',
                                                       'Togo', 'Ghana',"Cote d'Ivoire",
                                                       'Gabon', 'Equatorial Guinea')), ] 

从非洲海岸线30米

delta <- readOGR(dsn = './africa_shoreline_30m',
                 layer = 'nigeria_delta')

建立投资回报率范围

frm <- extent(c(2, 9, 2, 9))
pfrm <- as(frm, 'SpatialPolygons')

绘制它

spplot(m1r,scales = list(draw = TRUE),  ylim=c(-1, 10)) +
  latticeExtra::layer(sp.polygons(stp, fill = NA, col = 'blue'))+
  latticeExtra::layer(sp.polygons(pfrm, fill = NA, col = 'red'))

spplot

从ROI中裁剪并获取值

m1rf <- crop(m1r, frm)

spplot(m1rf, scales = list(draw = TRUE), xlim = c(1, 10), ylim=c(1, 10)) +
  latticeExtra::layer(sp.lines(delta, fill = NA, col = 'blue'))+
  latticeExtra::layer(sp.polygons(pfrm, fill = NA, col = 'red'))

spplot of ROI

summary(m1rf)
                layer
Min.    -6.528723e+15
1st Qu.  9.437798e+14
Median   1.440395e+15
3rd Qu.  1.896734e+15
Max.     4.232078e+15
NA's     0.000000e+00

m1vals <- getValues(m1rf)

一旦您同意这一点,就可以轻松遍历文件夹并获取数据。