多期同区域栅格数据的年度间数值插值技术咨询

嘿，这事儿我熟！既然你已经把六个年份的栅格数据都转成了结构一致的data.frame，那插值填充1991-2014年每个单元格的数值其实挺清晰的，我给你捋个用R实现的靠谱流程：

首先得把六个单独的data.frame合并到一起，同时保留每个数据对应的年份信息。假设你的六个数据框分别叫df_1990、df_1995、df_2000、df_2005、df_2010、df_2015，可以这么做：

library(dplyr)
# 给每个数据框添加年份列，然后放到列表里
df_list <- list(
  df_1990 = mutate(df_1990, year = 1990),
  df_1995 = mutate(df_1995, year = 1995),
  df_2000 = mutate(df_2000, year = 2000),
  df_2005 = mutate(df_2005, year = 2005),
  df_2010 = mutate(df_2010, year = 2010),
  df_2015 = mutate(df_2015, year = 2015)
)
# 合并成一个大的数据框
combined_df <- bind_rows(df_list)

因为每个(x,y)坐标对应的是独立的单元格，所以我们要按x和y分组，对每个组的年份和数值进行插值。这里用线性插值最常用，要是你的数据有明显非线性趋势，也可以换成样条插值：

library(tidyr)

# 假设你的数值列叫value，先生成1990-2015所有年份，再插值
interpolated_df <- combined_df %>%
  group_by(x, y) %>%
  # 生成1990到2015的每一个年份
  complete(year = seq(1990, 2015, by = 1)) %>%
  # 线性插值填充缺失的年份数值
  mutate(value = approx(year, value, xout = year)$y) %>%
  ungroup()

如果想用样条插值（更适合非线性变化的数据），把上面的approx换成spline就行：

mutate(value = spline(year, value, xout = year)$y)

• 你可以检查插值后的数据有没有缺失值：sum(is.na(interpolated_df$value))，如果有，大概率是某个(x,y)组在原始年份里就有缺失，这时候可以根据情况补全或者过滤掉。
• 如果需要把插值后的数据拆回每个年份单独的data.frame，方便后续转回栅格：

# 按年份拆分数据框
split_dfs <- interpolated_df %>% split(.$year)
# 比如取1991年的数据：split_dfs[["1991"]]

• 要是想转回栅格格式，用raster包的rasterFromXYZ()函数就行，每个年份的data.frame都能转成对应的栅格文件。

内容的提问来源于stack exchange，提问作者Vivien Leonard