R语言绘制月度气温3D图展示年月维度气温趋势实现方法咨询

核心思路是用分层透明度控制避免3D图常见的元素遮挡、信息杂乱问题，同时保留原始观测分布和长期变化趋势，坐标轴严格按需求设置：x轴为月份、y轴为年份、z轴为逐小时气温观测值。

前置依赖与数据预处理 #

先安装并加载用到的包，把数据整理成绘图需要的格式，注意提前把你用到的气温数据集存到本地R工作目录，不要直接读取在线链接避免读取失败。

# 首次运行先安装缺失包
# install.packages(c("readxl", "plotly", "data.table", "dplyr", "reshape2"))
library(readxl)
library(plotly)
library(data.table)
library(dplyr)
library(reshape2)

# 读取本地气温数据，替换成你本地的文件名即可
dt <- read_excel("temp_data.xlsx") |> as.data.table()
# 校验数据需包含三个核心字段：month(1-12数值型)、year(数值型)、hour_temp(逐小时气温数值型)
# 提前聚合计算分位数，作为分层绘制的基准：避免全量逐小时数据糊成一团
dt_agg <- dt[, .(
  q10 = quantile(hour_temp, 0.1, na.rm = T), # 10%分位低温边界
  q50 = quantile(hour_temp, 0.5, na.rm = T), # 中位气温，核心趋势层
  q90 = quantile(hour_temp, 0.9, na.rm = T)  # 90%分位高温边界
), by = .(month, year)]

多层3D图绘制代码 #

分层逻辑从下到上依次排布，通过透明度差突出核心趋势：

• 最底层：月份-年份平面的填充等高线，用颜色映射中位气温，作为趋势参考底座
• 上下边界层：10%、90%分位数气温曲面，设置极低透明度，展示逐小时气温的波动区间，不遮挡核心层
• 核心趋势层：中位气温曲面，设置中等透明度，是展示年际、季节气温变化的核心载体
• 最上层：10%抽样的逐小时原始观测散点，小尺寸、低透明度，保留原始数据分布特征

# 生成宽表格式适配3D曲面入参
z_q10 <- acast(dt_agg, year ~ month, value.var = "q10")
z_q50 <- acast(dt_agg, year ~ month, value.var = "q50")
z_q90 <- acast(dt_agg, year ~ month, value.var = "q90")
x_axis <- sort(unique(dt_agg$month))
y_axis <- sort(unique(dt_agg$year))

plot_ly() |>
  # 1. 底层平面等高线
  add_contour(
    data = dt_agg,
    x = ~month, y = ~year, z = ~q50,
    colors = "YlOrRd",
    showscale = F,
    contours = list(showlabels = T, labelfont = list(size = 10))
  ) |>
  # 2. 低温边界层
  add_surface(
    x = x_axis, y = y_axis, z = z_q10,
    opacity = 0.15,
    colorscale = list(c(0,1), c("#c6dbef", "#c6dbef")),
    showscale = F,
    name = "10%分位低温边界",
    hoverinfo = "name"
  ) |>
  # 3. 核心中位气温趋势层
  add_surface(
    x = x_axis, y = y_axis, z = z_q50,
    opacity = 0.6,
    colors = "YlOrRd",
    colorbar = list(title = "中位气温(℃)"),
    name = "中位气温趋势"
  ) |>
  # 4. 高温边界层
  add_surface(
    x = x_axis, y = y_axis, z = z_q90,
    opacity = 0.15,
    colorscale = list(c(0,1), c("#fcbba1", "#fcbba1")),
    showscale = F,
    name = "90%分位高温边界",
    hoverinfo = "name"
  ) |>
  # 5. 抽样原始观测点
  add_markers(
    data = dt[sample(.N, round(.N*0.1))], # 只抽10%样本避免过密
    x = ~month, y = ~year, z = ~hour_temp,
    size = I(2),
    opacity = 0.25,
    color = ~hour_temp,
    colors = "YlOrRd",
    showlegend = F,
    hoverinfo = "x+y+z"
  ) |>
  # 坐标轴与视角配置
  layout(
    scene = list(
      xaxis = list(title = "月份", dtick = 1, range = c(1,12)),
      yaxis = list(title = "年份"),
      zaxis = list(title = "逐小时气温(℃)"),
      # 调整视角减少层之间的遮挡
      camera = list(eye = list(x = 1.7, y = 1.7, z = 1.1))
    ),
    legend = list(orientation = "h", y = 1)
  )

效果优化提示 #

• 如果只需要看长期趋势，可以直接隐藏上下两个分位边界层，只保留等高线底座+中位趋势面+少量散点，趋势会更清晰
• 要突出年际变暖趋势，可以额外叠加一层线性拟合的趋势基准面，和实际中位气温面的高度差就是对应时段的气温变化幅度
• 不要直接绘制全量逐小时气温的3D散点，高密度点会完全糊成色块，无法识别任何趋势规律

内容的提问来源于stack exchange，提问作者Jimin Eom