R语言多波段栅格 r语言读取栅格数据

r 语言 处理栅格数据

作为新手，记录自己学到的一些东西，也希望能对需要的人有稍许帮助

常用的包

• raster #处理栅格数据
• rasterVis #栅格数据可视化
• RColorBrewer #颜色设置
• ncdf4 #nc数据的读取

常用的数据类型

• tiff
• nc

数据导入和简单的可视化

• tiff数据读取

• 读取一个tiff文件 raster() 函数

## 导入使用的包
library(raster)
library(rasterVis)
library(RColorBrewer)
library(ncdf4)

n_data_path <- dir('数据存放地址',full.names = TRUE)
n_deposition <- raster(n_data_path[19])
plot(n_deposition) # 使用基础的plot函数
levelplot(n_deposition, margin = list(FUN = 'median'),
    par.settings=RdBuTheme) # 使用levelplot函数

• 读取多个tiff文件 stack() 函数

n_depo_all <- stack(n_data_path[c(1,6,11,16)])
plot(n_depo_all) # 使用基础的plot函数
levelplot(n_depo_all)  # 使用levelplot函数

• nc数据读取
  同样使用 raster() 和 stack() 函数

sif_nc <- nc_open(dir('数据存放地址',full.names = TRUE)[2]) # 读取nc文件
names(sif_nc$var)  # 获取nc文件中的变量名

## 读取一个时间点的数据(假设z轴为时间)
sif_raster <-  raster(dir('数据存放地址',full.names = TRUE)[2], 
      varname = 'all_daily_sif',band=45)
plot(sif_raster)

## 读取所有时间点的数据
sif_raster_5 <-  stack(dir('数据存放地址',full.names = TRUE)[2], 
      varname = 'all_daily_sif',bands=40:43)

栅格数据的简单计算

• 计算所有年份的氮沉降均值 (还可以使用 sum，min，max等函数)

n_depo_ave <- mean(n_depo_all,na.rm=TRUE)
plot(n_depo_ave)

可视化进阶

• 颜色的设置

plot(n_deposition,xlim=c(-130,-60),ylim=c(25,50),      
      col=colorRampPalette(c("blue","white","red"))(255))

• 色卡的设置
  设置色卡的间断点
  建立色卡

# 由于原始值分布不均，因此先将大于20的值设置为22
n_depo_ave_reclassify <- n_depo_ave
n_depo_ave_reclassify[n_depo_ave_reclassify>20] <- 22
cutpts <- c(0,2,4,6,8,10,12,14,16,18,20,22)
my_labels <- paste(cutpts[1:10],cutpts[2:11],sep = '-')
myColorkey <- list(at=cutpts, ## where the colors change
                 labels=list(
                     labels=c(my_labels,'>20',''), ## labels
                     at=cutpts+1 ## where to print labels
                 ))
levelplot(n_depo_ave_reclassify,margin=FALSE,colorkey=myColorkey,
        col.regions=(colorRampPalette(c('#f3e5f5','#9c27b0',"#6a1b9a"))))

• 在栅格数据上叠加边界 使用 rgdal::readOGR() 函数读取shp

us_border <- rgdal::readOGR('数据存放地址')
p <- levelplot(n_depo_all, layers = 1, margin = list(FUN = 'median'))
p+layer(sp.lines(us_border,lwd=0.8,col='black'))

栅格数据的剪切和重采样

读取的物候数据与氮沉降数据的分辨率和范围都不一样

1. 使用 resample() 函数以氮沉降数据为标准对物候数据进行重采样
2. 使用 mask() 截取氮沉降数据范围内的物候数据

pheno_data_path <- dir('数据存放地址',
    full.names = TRUE,pattern = 'EOS')
eos <- raster(pheno_data_path[19]) # 读取物候数据

## 使用eos的栅格分辨率，使用n_depo_ave的范围
std_raster <- resample(n_depo_ave,eos[[1]])  # 以eos对氮沉降进行重采样
std_raster <- crop(std_raster,n_depo_ave)
eos_with_ndepo <- crop(eos[[1]],std_raster)
eos_with_ndepo <- mask(eos_with_ndepo,std_raster)  # 用氮沉降数据范围截取eos
plot(eos_with_ndepo)

栅格重分类

1. 建立重分类矩阵
2. 使用reclassify() 函数

# 建立重分类矩阵
reclassmatrix <- matrix(c(0,2,1,
                          2,4,2,
                          4,6,3,
                          6,8,4,
                          8,10,5,
                          10,12,6,
                          12,14,7,
                          14,16,8,
                          16,18,9,
                          18,20,10,
                          20,70,11),11,3,byrow = TRUE)
n_depo_ave_reclassify2 <- reclassify(n_depo_ave,rcl = reclassmatrix)
plot(n_depo_ave_reclassify2)