Question

基本上，我以ASCII的形式计算了一个全局分布概率模型，比如说： gdpm。 gdpm的值都在0到1之间。

然后我从形状文件导入了一个本地地图：

shape <- file.choose()  
map <- readOGR(shape, basename(file_path_sans_ext(shape)))

下一步，我栅格化gdpm，并使用本地地图裁剪：

ldpm <- mask(gdpm, map)

然后，我将这个连续模型重新分类为离散模型（我将模型划分为6个级别）：

recalc <- matrix(c(0, 0.05, 0, 0.05, 0.2, 1, 0.2, 0.4, 2, 0.4, 0.6, 3, 0.6, 0.8, 4, 0.8, 1, 5), ncol = 3, byrow = TRUE) 

ldpmR <- reclassify(ldpm, recalc)

我有一个裁剪和重新分类的栅格，现在我需要总结一下土地覆盖，即到每个级别，我想计算它在本地地图每个区域的面积比例。 / strong>（我不知道如何用术语来描述它）。我找到并关注了一个例子（RobertH）：

ext <- raster::extract(ldpmR, map) tab <- sapply(ext, function(x) tabulate(x, 10)) tab <- tab / colSums(tab)

但我不确定它是否有效，因为tab的输出令人困惑。 那么如何正确计算土地覆盖面积？如何在每个多边形中应用正确的方法？

我的原始数据太大，我只能提供另一种栅格（我认为这个例子应该应用不同的重分类矩阵）：

Example raster

或者您可以生成测试栅格（RobertH）：

library(raster) s <- stack(system.file("external/rlogo.grd", package="raster")) writeRaster(s, file='testtif', format='GTiff', bylayer=T, overwrite=T) f <- list.files(pattern="testtif_..tif")

我还有一个关于绘制栅格的问题：

r <- as(r, "SpatialPixelsDataFrame") r <- as.data.frame(r) colnames(r) <- c("value", "x", "y")

我使用ggplot2进行转换以制作光栅图，是否有更简洁的方法？

Answer 1

好像你可以通过像素数来获得该区域让我们从一个可重复的例子开始：

r <- raster(system.file("external/test.grd", package="raster"))
plot(r)

由于此栅格中的值与您的数据不在另一个范围内，因此请让它们适应您的值：

r <- r / 1000
r[r>1,] <- 1

之后，我们会应用您的重新分类：

recalc <- matrix(c(0, 0.05, 0, 0.05, 0.2, 1, 0.2, 0.4, 2, 0.4, 0.6, 3, 0.6, 0.8, 4, 0.8, 1, 5), ncol = 3, byrow = TRUE) 
r2 <- reclassify(r, recalc)
plot(r2)

现在，我们如何获得该区域？
由于您使用的是投影栅格，因此您只需使用像素数和栅格分辨率即可。因此，我们首先需要检查投影的分辨率和地图单位：

res(r)
# [1] 40 40
crs(r)
# CRS arguments:
#   +init=epsg:28992
# +towgs84=565.237,50.0087,465.658,-0.406857,0.350733,-1.87035,4.0812 +proj=sterea
# +lat_0=52.15616055555555 +lon_0=5.38763888888889 +k=0.9999079 +x_0=155000
# +y_0=463000 +ellps=bessel +units=m +no_defs

现在，我们知道我们正在处理40 x40米的像素，因为我们有一个公制CRS。

让我们使用这些信息来计算每个班级的面积。

app <- res(r)[1] * res(r)[2] # area per pixel

table(r2[]) * app
#      1       2       3       4       5 
# 124800 2800000 1310400  486400  243200

对于地理参考栅格的绘图，我想转介你an older question here on SO

Answer 2

loki的答案还可以，但这可以通过光栅方式完成，这样更安全。重要的是要考虑坐标是角度（经度/纬度）还是平面（投影）

示例数据

library(raster)
r <- raster(system.file("external/test.grd", package="raster"))
r <- r / 1000
recalc <- matrix(c(0, 0.05, 0, 0.05, 0.2, 1, 0.2, 0.4, 2, 0.4, 0.6, 3, 0.6, 0.8, 4, 0.8, 2, 5), ncol = 3, byrow = TRUE) 
r2 <- reclassify(r, recalc)

方法1.仅适用于平面数据

f <- freq(r2, useNA='no')
apc <- prod(res(r))
f <- cbind(f, area=f[,2] * apc)
f

#     value count    area
#[1,]     1    78  124800
#[2,]     2  1750 2800000
#[3,]     3   819 1310400
#[4,]     4   304  486400
#[5,]     5   152  243200

方法2.对于角度数据（但也适用于平面数据）

a <- area(r2)
z <- zonal(a, r2, 'sum')
z
#     zone     sum
#[1,]    1  124800
#[2,]    2 2800000
#[3,]    3 1310400
#[4,]    4  486400
#[5,]    5  243200

如果您想按多边形进行汇总，可以执行以下操作：

# example polygons
a <- rasterToPolygons(aggregate(r, 25))

方法1

# extract values (slow)
ext <- extract(r2, a)

# tabulate values for each polygon
tab <- sapply(ext, function(x) tabulate(x, 5))
# adjust for area (planar data only)
tab <- tab * prod(res(r2))

# check the results, by summing over the regions
rowSums(tab)
#[1]  124800 2800000 1310400  486400  243200

方法2

x <- rasterize(a, r2)
z <- crosstab(x, r2)
z <- cbind(z, area = z[,3] * prod(res(r2)))

检查结果：

aggregate(z[, 'area', drop=F], z[,'Var2', drop=F], sum)
  Var2    area
#1    1  124800
#2    2 2800000
#3    3 1310400
#4    4  486400
#5    5  243200

请注意，如果您正在处理lon / lat数据，则无法使用prod（res（r））来获取单元格大小。在这种情况下，我认为你需要使用区域函数和循环类。

你也问了一下情节。绘制Raster *对象的方法有很多种。基本的是：

 image(r2)
 plot(r2)
 spplot(r2)

 library(rasterVis); 
 levelplot(r2)

更棘手的方法：

 library(ggplot2) # using a rasterVis method
 theme_set(theme_bw())
 gplot(r2) + geom_tile(aes(fill = value)) +
      facet_wrap(~ variable) +
      scale_fill_gradient(low = 'white', high = 'blue') +
      coord_equal()


 library(leaflet)
 leaflet() %>% addTiles() %>%
 addRasterImage(r2, colors = "Spectral", opacity = 0.8)

如何计算R

2 个答案: