Question

我正在处理两个在起源，范围和分辨率上有所不同的栅格。我有一个测深光栅，具有更高的分辨率（x = 0.0008333333，y = 0.0008333333）和很大的空间范围。我还有一个海面温度栅格，它具有更粗糙的分辨率（x = 0.04166667，y = 0.04166667）。两个栅格都具有相同的投影（longlat，datum = WGS84）。

我想操纵水深测量光栅以匹配海面温度光栅的范围，原点和分辨率。但是，我的经验很少，而且我不确定最佳实践。＆＃39;

我尝试了两种不同的方法，我想知道哪种方法更好，也许可以解释它们在底层流程方面的差异。我也对可能更好地保存数据的其他方法持开放态度。

方法1： 1）首先，我汇总了测深栅格，使其尽可能与SST栅格相似

library(raster)
bathycoarse<-aggregate(bathymetry, fact=c(48,50), fun=mean)

2）第二，我用SST光栅裁剪了测深光栅

bathycoarsecrop<-crop(bathycoarse,sst)

3）第三，我使用SST栅格重新采样测深光栅，产生相同的原点和范围。

bathyresample<-resample(bathycoarsecrop, sst, method="bilinear")

方法2：我使用了函数projectRaster（）

bathy2<-projectRaster(bathymetry, sst, method="bilinear")

显然，方法2要简单得多。但我真的不明白这个功能在做什么，所以我想确保用正确的方法完成我的目标。

Answer 1

＆＃34; projectRaster＆＃34;函数使用与＆＃34; resample＆＃34;相同的重采样。函数（重新采样方法由＆＃34;方法＆＃34;参数设置为＆＃34; bilinear＆＃34; - 表示双线性插值，这可能是您处理连续数值数据集时所需要的）。所以使用该功能应该适合你。

如果您想加快速度，可以轻松地使用＆＃34; projectRaster＆＃34;进行并行处理。通过使用＆＃34; beginCluster＆＃34;启动集群来实现功能。函数，然后允许自动并行处理＆＃34; projectRaster＆＃34;功能

beginCluster(4) # use the number of cores you want to use
bathy2 <- projectRaster(bathymetry, sst, method="bilinear")
endCluster()

适当的工作流程来操纵栅格以匹配另一个栅格的范围，原点和分辨率

1 个答案: