如何为SpatRast制作以1.3为分界的非线性发散色阶栅格图？

需求回顾 #

• 处理SpatRast栅格对象，变量下限为0，1.3为分界点：值<1.3代表空间离散，>1.3代表空间聚集
• 支持分段区间映射和连续变量映射两种可视化方式
• 两种方式的图例必须保持「0在下、最大值在上」的顺序

一、分段区间映射方案 #

基于terra的修正实现 #

针对你之前用terra绘图时图例顺序反转的问题，我们可以关闭默认图例，手动自定义绘制反转后的图例：

library(terra)
library(RColorBrewer)

# 替换为你的SpatRast对象
set.seed(123)
x <- rast(nrow=100, ncol=100)
values(x) <- runif(ncell(x), 0, 30)

# 定义断点与配色
bks <- c(0,0.4,0.8,1.3,2,4,8,15,30)
cold <- rev(brewer.pal(3, "Blues"))  # 离散区冷色调
warm <- brewer.pal(length(bks)-1 - length(cold), "Reds")  # 聚集区暖色调
colors <- c(cold, warm)

# 绘制栅格，关闭默认图例
plot(x, breaks = bks, col = colors, box=F, axes=F, legend=FALSE)

# 手动绘制反转图例：0在下，最大值在上
terra::legend(
  "right",
  legend = rev(bks),  # 反转断点顺序
  fill = rev(colors),  # 对应反转配色
  border = NA,
  bty = "n",
  y.intersp = 1.2,
  title = "变量值"
)

基于ggplot2的分段实现 #

ggplot2对图例顺序的控制更直观，适合快速调整：

library(terra)
library(ggplot2)
library(RColorBrewer)

# 替换为你的SpatRast对象
set.seed(123)
x <- rast(nrow=100, ncol=100)
values(x) <- runif(ncell(x), 0, 30)

bks <- c(0,0.4,0.8,1.3,2,4,8,15,30)
cold <- rev(brewer.pal(3, "Blues"))
warm <- brewer.pal(length(bks)-1 - length(cold), "Reds")
colors <- c(cold, warm)

# 转换为数据框
x_df <- as.data.frame(x, xy=TRUE)
colnames(x_df) <- c("x", "y", "value")

# 绘图：一键反转图例
ggplot(x_df, aes(x=x, y=y, fill=value)) +
  geom_raster() +
  scale_fill_gradientn(
    colors = colors,
    breaks = bks,
    limits = range(bks),
    guide = guide_colorbar(
      direction = "vertical",
      reverse = TRUE,  # 核心：反转图例顺序
      title = "变量值",
      frame.colour = NA
    )
  ) +
  coord_equal() +
  theme_void()

二、连续变量映射方案 #

基于ggplot2的非线性连续映射 #

支持自定义色阶分布和非线性变换，完美适配聚集区数值跨度大的场景：

library(terra)
library(ggplot2)
library(scales)

# 替换为你的SpatRast对象
set.seed(123)
x <- rast(nrow=100, ncol=100)
values(x) <- runif(ncell(x), 0, 30)

mid_point <- 1.3  # 分界点
# 自定义发散配色：从冷到暖过渡，突出分界点
colors_cont <- c("#08306b", "#4292c6", "#f7fbff", "#fee0d2", "#de2d26", "#a50f15")

ggplot(as.data.frame(x, xy=TRUE), aes(x=x, y=y, fill=value)) +
  geom_raster() +
  scale_fill_gradientn(
    colors = colors_cont,
    # 手动控制配色在数值区间的分布，强化分界点视觉差异
    values = rescale(c(0, mid_point-0.5, mid_point, mid_point+0.5, 10, 30)),
    limits = c(0, 30),
    guide = guide_colorbar(
      direction = "vertical",
      reverse = TRUE,  # 反转图例顺序
      title = "变量值",
      frame.colour = NA
    ),
    # 可选：自定义非线性变换，压缩聚集区大数值的显示尺度
    trans = trans_new(
      name = "custom_log",
      transform = function(x) ifelse(x <= mid_point, x, mid_point + log(x - mid_point + 1)),
      inverse = function(x) ifelse(x <= mid_point, x, exp(x - mid_point) + mid_point - 1)
    )
  ) +
  coord_equal() +
  theme_void()

基于terra的连续映射实现 #

如果偏好terra的底层控制，可结合colorRampPalette生成连续配色，再手动绘制反转图例：

library(terra)
library(RColorBrewer)

# 替换为你的SpatRast对象
set.seed(123)
x <- rast(nrow=100, ncol=100)
values(x) <- runif(ncell(x), 0, 30)
mid_point <- 1.3

# 生成连续发散配色
cold_pal <- colorRampPalette(rev(brewer.pal(3, "Blues")))
warm_pal <- colorRampPalette(brewer.pal(5, "Reds"))
n_cold <- 50  # 离散区分段数
n_warm <- 100  # 聚集区分段数
colors_cont <- c(cold_pal(n_cold), warm_pal(n_warm))

# 生成连续映射的伪断点
bks_cont <- seq(0, 30, length.out = length(colors_cont)+1)

# 绘制栅格，关闭默认图例
plot(x, breaks = bks_cont, col = colors_cont, box=F, axes=F, legend=FALSE)

# 手动绘制反转图例
terra::legend(
  "right",
  legend = rev(seq(0, 30, by=5)),  # 自定义刻度标签
  fill = rev(colors_cont[seq(1, length(colors_cont), length.out=7)]),  # 对应配色采样
  border = NA,
  bty = "n",
  title = "变量值"
)

内容的提问来源于stack exchange，提问作者Laura Roich