全球生物气候栅格图非线性拉伸：除栅格计算外的可行方案？

嘿，这个坑我之前也踩过！全球降水数据的极值问题确实会让普通色阶彻底失效，而且内存不够的时候连stretch函数都跑不动。其实不用折腾重新计算并保存栅格，直接在绘图环节做实时变换就可以完美解决，给你几个优雅的方案：

1. 用ggplot2 + tidyterra做对数变换（最省心） #

tidyterra能把栅格数据无缝接入ggplot2的语法，直接在色阶里指定变换类型就行，完全不用碰原始栅格数据：

library(tidyterra)
library(ggplot2)
library(viridis)

# 假设你的降水栅格是prec_raster
ggplot() +
  geom_spatraster(data = prec_raster) +
  # 用log1p处理含0的降水数据（避免log(0)报错），也可以换sqrt等其他变换
  scale_fill_viridis_c(trans = "log1p", 
                       name = "年降水量",
                       # 可选：自定义色键标签，显示原始数值而非变换后的值
                       labels = function(x) round(exp(x) - 1)) +
  theme_minimal() +
  labs(title = "全球年降水量（对数拉伸）")

这个方法的优势是：内存只需要加载原始栅格，所有变换都在绘图层完成，不会额外占用空间，而且ggplot2的自定义空间极大。

2. 用terra包原生plot函数做实时变换 #

如果你习惯用基础绘图系统，terra的plot函数支持直接传入变换函数，同样不用修改栅格：

library(terra)
library(viridis)

# 实时对栅格值做log1p变换
plot(prec_raster,
     fun = function(x) log1p(x),
     col = viridis(100),
     legend.args = list(text = "年降水量（log1p变换）", 
                        side = 4, line = 2.5, cex = 0.8))

3. 分位数拉伸（应对极端极值更灵活） #

如果对数变换还是不能满足需求，比如极端高值太多，可以用分位数截断，把色阶聚焦在大多数数据的范围内，超出部分统一归为最高/最低色：

library(tidyterra)
library(ggplot2)
library(scales)

# 计算0.01到0.99分位数，过滤极端值
q_limits <- quantile(prec_raster, c(0.01, 0.99), na.rm = TRUE)

ggplot() +
  geom_spatraster(data = prec_raster) +
  scale_fill_viridis_c(limits = q_limits,
                       oob = squish, # 把超出范围的值压缩到极限
                       name = "年降水量",
                       breaks = seq(q_limits[1], q_limits[2], length.out = 5)) +
  theme_minimal()

这种方法既能保留原始数据，又能让地图的色彩层次清晰，不会被少数极端值带偏。

为什么这些方法比stretch更优雅？ #

raster::stretch需要把整个栅格的数值重新计算并存储，对全球栅格来说内存压力极大；而上面的方法都是在绘图时实时对要渲染的数值做变换，不需要修改或保存任何新栅格文件，内存占用和加载原始栅格几乎一致，完美解决内存不足的问题。

内容的提问来源于stack exchange，提问作者matej