Sử dụng R để trích xuất dữ liệu từ WorldClim? [đóng cửa]

Tôi có một bộ dữ liệu với 1000 vĩ độ - kinh độ khác nhau. Tôi muốn trích xuất nhiệt độ trung bình hàng năm và lượng mưa hàng năm cho mỗi tọa độ này. Những dữ liệu này có thể dễ dàng được lấy từ WorldClim và được xử lý bằng DIVA-GIS.

Có cách nào để làm điều này trên R?

Tôi muốn đầu ra cuối cùng của mình là một khung dữ liệu với nhiệt độ và lượng mưa hàng năm cho mỗi tọa độ. Tôi là người mới ở GIS trong R, vì vậy tôi tìm kiếm một đoạn mã cơ bản cùng với các thư viện cần thiết cho đầu ra này.

Bạn có thể sử dụng rastergói để tải xuống dữ liệu WorldClim, xem ?getdatađể biết về độ phân giải, biến và tọa độ.

Ví dụ như:

library(raster)
library(sp)

r <- getData("worldclim",var="bio",res=10)

Bio 1 và Bio12 có nghĩa là nhiệt độ trung bình và lượng mưa bất thường:

r <- r[[c(1,12)]]
names(r) <- c("Temp","Prec")

Tôi tạo các điểm ngẫu nhiên làm ví dụ, trong trường hợp của bạn sử dụng tọa độ để tạo một SpatialPointđối tượng.

points <- spsample(as(r@extent, 'SpatialPolygons'),n=100, type="random")    

Cuối cùng, sử dụng extract. Với cbind.data.framevà coordinatesbạn sẽ nhận được dữ liệu mong muốn.frame.

values <- extract(r,points)

df <- cbind.data.frame(coordinates(points),values)

Tôi đã sử dụng điểm ngẫu nhiên, vì vậy tôi nhận được rất nhiều NA. Nó được mong đợi.

head(df)
           x          y Temp Prec
1  112.95985  52.092650  -37  388
2  163.54612  85.281643   NA   NA
3   30.95257   5.932434  270  950
4   64.66979  40.912583  150  150
5 -169.40479 -58.889104   NA   NA
6   51.46045  54.813600   36  549

plot(r[[1]])
plot(points,add=T)

Đừng quên rằng dữ liệu WorldClim có hệ số tỷ lệ là 10, Temp = -37-3,7 ºC.

Với ví dụ tọa độ:

library(raster)
library(sp)

r <- getData("worldclim",var="bio",res=10)

r <- r[[c(1,12)]]
names(r) <- c("Temp","Prec")

lats <- c(9.093028 , 9.396111, 9.161417)
lons <- c(-11.7235, -11.72975, -11.709417) 

coords <- data.frame(x=lons,y=lats)

points <- SpatialPoints(coords, proj4string = r@crs)

values <- extract(r,points)

df <- cbind.data.frame(coordinates(points),values)

df
          x        y Temp Prec
1 -11.72350 9.093028  257 2752
2 -11.72975 9.396111  257 2377
3 -11.70942 9.161417  257 2752