我知道这里有很多关于循环栅格砖的问题,但是它们都没有提供我正在寻找的答案/建议。
我有一个大型(17.2GB,7901图层)netcdf
文件,我已导入R
作为RasterBrick
。
> KK10Brick
class : RasterBrick
dimensions : 2160, 4320, 9331200, 7901 (nrow, ncol, ncell, nlayers)
resolution : 0.08333333, 0.08333333 (x, y)
extent : -180, 180, -90, 90 (xmin, xmax, ymin, ymax)
coord. ref. : +proj=longlat +datum=WGS84 +ellps=WGS84 +towgs84=0,0,0
data source : D:\LandUse\KK10.nc
names : X8000, X7999, X7998, X7997, X7996, X7995, X7994, X7993, X7992, X7991, X7990, X7989, X7988, X7987, X7986, ...
z-value : 100, 8000 (min, max)
varname : land_use
文件中的每一层代表1年,我需要创建砖中每个像素的时间移动平均值。即使变量看起来很明确(land_use
),但它实际上是%覆盖。
我想建立一个30年的移动平均线,有10年的推拉窗口。例如第一个窗口将生成层1:30
的平均值的栅格,下一个窗口将生成另一个来自层11:40
... 7871:7901
的平均值的栅格。
我认为for循环可能是实现这一目标的最好方法,但我不确定我是否会走向正确的道路,例如。
for (i in 1:7901){
subsetLayers <- code to subset relevant layers
out <- stackApply(KK10Brick, indices = subsetLayers, fun = "mean", na.rm = TRUE, filename = paste("./Output/", "meanLU_window_", i, ".tif", sep = ""))
rm(out)}
我陷入困境的是编写代码以生成subsetLayers
的序列。任何帮助都将非常感激。
EDIT。
library(raster)
exBrick <- brick(nrow = 180, ncol = 360, nl = 100)
values(exBrick) <- runif(ncell(exBrick) * nlayers(exBrick))
crs(exBrick) <- "+proj=longlat +datum=WGS84 +no_defs +ellps=WGS84 +towgs84=0,0,0"
exBrick
答案 0 :(得分:1)
这应该适用于您的示例数据。我不确定它在速度和RAM使用方面能够扩展到非常大的netcdf数据 - 请告诉我它是否适用于大数据。
starts = seq(1, nlayers(exBrick)-30, 10)
nout = length(starts)
out = brick(nrow = 180, ncol = 360, nl = nout)
values(out) = NA
crs(out) = "+proj=longlat +datum=WGS84 +no_defs +ellps=WGS84 +towgs84=0,0,0"
for (i in 1:nout) {
start = starts[i]
out[[i]] = mean(exBrick[[start:(start+30)]])
}
如果RAM使用是分配大块砖来存储结果的限制因素,我们可以通过将每个结果层保存到磁盘(一次只有一个栅格)来节省一些速度:
for (i in starts) {
out = mean(exBrick[[i:(i+30)]])
writeRaster(out, filename=paste0("out",i,".grd"), overwrite=TRUE)
}