R实现垂直深度剖面温度均值线及95%置信带绘制

核心逻辑完全匹配需求：按固定深度间隔分箱做统计，不使用曲线拟合，从根源上避免loess过拟合问题，可真实保留表层30m近恒温的特征。 #

前置依赖 #

需要加载两个常用R包，提前安装即可：

library(dplyr)
library(ggplot2)

假设你的原始观测数据为数据框格式，包含两列：

• depth：数值型，观测点深度，单位为m，范围覆盖0-500m
• temperature：数值型，对应深度的实测温度值

步骤1：1米间隔分箱统计 #

按每1m深度为一个分箱，计算每个分箱内的温度均值、标准差、样本量、95%置信区间上下限：

temp_stat <- raw_data %>%
  # 生成1m间隔分箱标签，0对应0-1m层，1对应1-2m层，以此类推
  mutate(depth_bin = floor(depth)) %>%
  # 过滤超出0-500m范围的异常值
  filter(depth_bin >= 0, depth_bin <= 500) %>%
  # 按分箱分组统计
  group_by(depth_bin) %>%
  summarise(
    temp_mean = mean(temperature, na.rm = TRUE),
    temp_sd = sd(temperature, na.rm = TRUE),
    obs_count = n(),
    # 基于t分布计算95%置信区间，小样本下比1.96*标准误的计算方式更准确
    ci_low = temp_mean - qt(0.975, df = obs_count - 1) * temp_sd / sqrt(obs_count),
    ci_high = temp_mean + qt(0.975, df = obs_count - 1) * temp_sd / sqrt(obs_count),
    .groups = "drop"
  )

注意：如果个别1m分箱内有效样本量不足2，标准差会返回NA，对应位置的置信带会出现断档。如果观测数据密度较低，可以把分箱间隔调整为2m或5m，只需把分箱生成代码替换为mutate(depth_bin = floor(depth/2)*2)（2m间隔）或mutate(depth_bin = floor(depth/5)*5)（5m间隔）即可。

步骤2：绘制均值线+95%置信带 #

深度图默认反转Y轴，让表层（0m）在图的上方，符合常规读图习惯：

ggplot(temp_stat, aes(x = temp_mean, y = depth_bin)) +
  # 先绘制95%置信带，设置半透明填充
  geom_ribbon(aes(xmin = ci_low, xmax = ci_high),
              fill = "#2171b5", alpha = 0.3) +
  # 再绘制均值折线
  geom_path(color = "#08306b", linewidth = 1) +
  # 反转Y轴，设置刻度间隔
  scale_y_reverse(limits = c(500, 0), breaks = seq(0, 500, 50)) +
  labs(
    x = "温度 (°C)",
    y = "深度 (m)",
    title = "0-500m水体剖面温度分布"
  ) +
  theme_bw()

方案说明 #

• 所有结果完全基于实测数据分箱聚合，无拟合算法引入的偏差，表层30m若为恒温层，均值线会自然呈现平直段，不会出现过拟合导致的虚假波动
• 置信带宽度会自动反映每个深度层的观测离散度：观测越密集、数据越一致的层位，置信带越窄
• 若需要叠加原始散点，只需在绘图代码中加一层geom_point(data = raw_data, aes(x = temperature, y = depth), size = 0.5, alpha = 0.2, color = "gray50")即可，记得把散点图层放在最底层。

内容的提问来源于stack exchange，提问作者Chris A. Ora