R语言栅格投影、空间匹配与数据提取问题咨询
投影数据丢失问题排查与解决
出现投影后大量数据丢失的核心原因是**原气温栅格的经度采用0360度的东经计量格式**,和夜间灯光栅格使用的-180180度常规跨日期变更线的经度格式不兼容,而非投影/重采样算法本身的问题。
直接调用projectRaster时,R默认将两套坐标的数值直接做范围匹配:原气温栅格x坐标180360的段因数值大于灯光栅格的x最大值180,会被判定为超出范围的无效值直接丢弃,最终只剩x坐标0180的半幅数据,和观测到的投影后可视化空白问题完全对应。
解决按以下步骤操作即可:
- 第一步:用
raster包自带的rotate()函数完成气温栅格的经度坐标转换,将0360度格式转为通用的-180180度格式,代码:
转换后检查wilmott_rotated <- rotate(wilmott)extent(wilmott_rotated),确认x范围已经变为-180~180,和灯光栅格的经度范围对齐。 - 第二步:不要反向把低分辨率的气温栅格硬插值到灯光栅格0.008度的超精细分辨率。这种操作一方面会生成单图层就占数G内存的巨型栅格,普通设备很难承载;另一方面气温本身的观测精度就是0.5度,插值到超精细格点的数值没有实际物理意义。推荐的对齐逻辑是把高分辨率的灯光栅格聚合/重采样到和气温栅格一致的0.5度分辨率,既可以完全匹配空间范围,还能大幅降低运算量:
# 以旋转后的气温栅格为空间基准,把灯光栅格重采样到完全对齐的范围/分辨率 lights_matched <- resample(lights, wilmott_rotated, method = "bilinear") - 验证环节:重采样完成后对比两个栅格的行列数、分辨率、extent、CRS参数,确认完全一致即可解决之前的数据丢失问题。
回归数据集整理方法
等两类栅格完成空间对齐后,按数据规模选择提取方法即可:
rasterToPoints()是当前场景下的最优选择:当两个栅格完全对齐网格位置、范围、分辨率时,直接将需要纳入分析的图层叠成RasterStack,用rasterToPoints()一次性提取所有非空格点的经纬度和对应数值,自动过滤海洋、无数据的NA值,直接输出可用于回归的data.frame,运算效率最高。参考代码:# 叠加需要分析的气温图层、匹配后的灯光图层 analysis_stack <- stack(wilmott_rotated$X1901.01.01, lights_matched) # 提取非空值生成回归数据集 regression_df <- rasterToPoints(analysis_stack, spatial = FALSE) |> as.data.frame()extract()不需要在这个场景下使用:这个函数的核心作用是从高分辨率栅格中,按指定的点/面/低分辨率格点的范围聚合统计数值,当两个栅格已经完成完全的网格对齐时,用extract()反而会因为重复的空间位置判断拖慢运算效率,只有后续需要匹配矢量边界(如城市轮廓、行政单元),或是栅格没有做到完全对齐网格位置时才需要调用。
内容的提问来源于stack exchange,提问作者jhon
相关产品推荐
相关产品推荐

