WorldClim'den veri ayıklamak için R'yi mi kullanıyorsunuz? [kapalı]

1000 farklı enlem-boylam içeren bir veri setim var. Bu koordinatların her biri için ortalama yıllık sıcaklık ve yıllık yağış elde etmek istiyorum. Bu veriler WorldClim'den kolayca elde edilebilir ve DIVA-GIS kullanılarak işlenebilir.

R üzerinde bunu yapmak için yine de var mı?

Son çıktımın her koordinat için yıllık sıcaklık ve yağışa sahip bir veri çerçevesi olmasını istiyorum. Ben GIS R yeni, bu yüzden bu çıktı için gerekli kitaplıkları ile birlikte bir temel kod yığın aramak.

rasterPaketi WorldClim verilerini indirmek için kullanabilirsiniz , ?getdataçözünürlük, değişkenler ve koordinatlar hakkında bilgi edinin.

Örnek olarak:

library(raster)
library(sp)

r <- getData("worldclim",var="bio",res=10)

Bio 1 ve Bio12 ortalama yıllık sıcaklık ve yıllık yağıştır :

r <- r[[c(1,12)]]
names(r) <- c("Temp","Prec")

Örnek olarak rastgele noktalar oluşturuyorum, durumunuzda bir SpatialPointnesne oluşturmak için koordinatları kullanın .

points <- spsample(as(r@extent, 'SpatialPolygons'),n=100, type="random")    

Son olarak, kullanın extract. İle cbind.data.frameve coordinatesarzu data.frame alacaksınız.

values <- extract(r,points)

df <- cbind.data.frame(coordinates(points),values)

Rastgele noktalar kullandım, bu yüzden çok şey aldım NA. Beklenecek.

head(df)
           x          y Temp Prec
1  112.95985  52.092650  -37  388
2  163.54612  85.281643   NA   NA
3   30.95257   5.932434  270  950
4   64.66979  40.912583  150  150
5 -169.40479 -58.889104   NA   NA
6   51.46045  54.813600   36  549

plot(r[[1]])
plot(points,add=T)

WorldClim verilerinin ölçek faktörü 10'dur, Temp = -37-3,7 isC'dir.

Koordinatlar örneği:

library(raster)
library(sp)

r <- getData("worldclim",var="bio",res=10)

r <- r[[c(1,12)]]
names(r) <- c("Temp","Prec")

lats <- c(9.093028 , 9.396111, 9.161417)
lons <- c(-11.7235, -11.72975, -11.709417) 

coords <- data.frame(x=lons,y=lats)

points <- SpatialPoints(coords, proj4string = r@crs)

values <- extract(r,points)

df <- cbind.data.frame(coordinates(points),values)

df
          x        y Temp Prec
1 -11.72350 9.093028  257 2752
2 -11.72975 9.396111  257 2377
3 -11.70942 9.161417  257 2752