如何用ggplot2绘制GAM结果的等高线与热力图（移除无数据区）

要移除无实测点区域的热力图与等高线，只需保留原始x-y数据凸包范围内的预测点即可，无需修改GAM模型结构。具体实现步骤如下：

1. 计算原始数据的凸包并过滤预测点 #

凸包能精准圈出所有实测点覆盖的边界区域，超出该范围的点即为无数据的空白区域。使用chull()获取凸包顶点，再通过point.in.polygon()筛选出凸包内的预测点：

# 加载所需包（若未安装sp包先执行 install.packages("sp")）
library(sp)

# 计算原始x-y数据的凸包顶点索引
hull_idx <- chull(df$x, df$y)
# 提取凸包的顶点坐标
hull_poly <- df[hull_idx, c("x", "y")]
# 判断每个预测点是否在凸包内（返回1表示在内部或边界上）
df_pred$in_hull <- point.in.polygon(df_pred$x, df_pred$y, 
                                    hull_poly$x, hull_poly$y) == 1
# 过滤出凸包内的预测点
df_pred_filtered <- df_pred[df_pred$in_hull, ]

2. 基于过滤后的数据绘图 #

将原代码中的df_pred替换为df_pred_filtered，即可仅在有实测点的区域绘制热力图与等高线：

gg <- ggplot() +
  geom_tile(data=df_pred_filtered, aes(x=x, y=y, fill = fit)) +
  geom_point(data=df, aes(x=x, y=y)) +
  scale_fill_distiller(palette = "YlGnBu") +
  geom_contour(data=df_pred_filtered, aes(x=x, y=y, z = fit), colour = "white")
print(gg)

额外说明 #

• 该方法适配你当前的可加性GAM模型（z ~ s(x) + s(y)），无需将模型改为交互项s(x,y)
• 若需要更贴合数据分布的边界（而非凸包），可尝试核密度估计（如MASS::kde2d）过滤预测点，但凸包方案更简单高效

内容的提问来源于stack exchange，提问作者imtaiky