Używasz R do wyodrębnienia danych z WorldClim? [Zamknięte]

Mam zestaw danych zawierający 1000 różnych szerokości i długości geograficznych. Chcę wyliczyć średnią roczną temperaturę i roczne opady dla każdej z tych współrzędnych. Dane te można łatwo uzyskać z WorldClim i przetwarzać za pomocą DIVA-GIS.

Czy można to zrobić na R?

Chcę, aby mój końcowy wynik był ramką danych z roczną temperaturą i opadami dla każdej współrzędnej. Jestem nowy w GIS w R, więc szukam podstawowego fragmentu kodu wraz z wymaganymi bibliotekami dla tego wyjścia.

Możesz użyć rasterpakietu do pobrania danych WorldClim, dowiedzieć ?getdatasię o rozdzielczości, zmiennych i współrzędnych.

Jako przykład:

library(raster)
library(sp)

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

Bio 1 i Bio12 to średnia roczna temperatura i roczne opady:

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

Jako przykład tworzę losowe punkty, w twoim przypadku użyj współrzędnych, aby utworzyć SpatialPointobiekt.

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

Wreszcie użyj extract. Z cbind.data.framea coordinatesdostaniesz data.frame pragnienie.

values <- extract(r,points)

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

Użyłem losowych punktów, więc mam ich dużo NA. Należy się tego spodziewać.

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)

Nie zapominaj, że dane WorldClim mają współczynnik skali 10, a więc Temp = -37-3,7 ºC.

Przykładem współrzędnych:

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