7

我有一个实际上是时间序列栅格的栅格堆栈(5 个栅格层)。

r <- raster(nrow=20, ncol=200)
s <- stack( sapply(1:5, function(i) setValues(r, rnorm(ncell(r), i, 3) )) )
s

class       : RasterStack
dimensions  : 20, 200, 4000, 5  (nrow, ncol, ncell, nlayers)
resolution  : 1.8, 9  (x, y)
extent      : -180, 180, -90, 90  (xmin, xmax, ymin, ymax)
coord. ref. : +proj=longlat +datum=WGS84 +ellps=WGS84 +towgs84=0,0,0 
names       :   layer.1,   layer.2,   layer.3,   layer.4,   layer.5
min values  : -9.012146, -9.165947, -9.707269, -7.829763, -5.332007
max values  :  11.32811,  11.97328,  15.99459,  15.66769,  16.72236

我的目标是绘制每个像素并随着时间的推移探索它们的行为。

如何提取每个像素及其 x,y 坐标并绘制时间序列曲线?

4

2 回答 2

12

您可以使用extract并传递要提取的单元格编号向量,以返回每个像素中的值矩阵。每行代表一个像素,列是层......

mat <- extract( s , 1:ncell(s) )
head( mat )
#        layer.1  layer.2  layer.3    layer.4   layer.5
#[1,] -0.2138718 3.114061 3.670945  1.2560295  2.881104
#[2,]  3.3580783 5.008205 2.315353  2.3247236 11.539837
#[3,]  3.2173875 2.958985 1.055389  3.1016730  4.064339
#[4,]  4.1113162 4.469828 3.113790  8.5329679  8.771459
#[5,] -2.4011283 4.747527 4.299707  2.2111643  9.457012
#[6,] -2.6159294 5.659211 1.926900 -0.3886837  5.661419

但是extract,在尝试获取特定像素时更有用。x要使用/坐标获取所有像素,y您可以使用rasterToPoints...

head( rasterToPoints( s ) )
#          x    y    layer.1  layer.2  layer.3    layer.4   layer.5
#[1,] -179.1 85.5 -0.2138718 3.114061 3.670945  1.2560295  2.881104
#[2,] -177.3 85.5  3.3580783 5.008205 2.315353  2.3247236 11.539837
#[3,] -175.5 85.5  3.2173875 2.958985 1.055389  3.1016730  4.064339
#[4,] -173.7 85.5  4.1113162 4.469828 3.113790  8.5329679  8.771459
#[5,] -171.9 85.5 -2.4011283 4.747527 4.299707  2.2111643  9.457012
#[6,] -170.1 85.5 -2.6159294 5.659211 1.926900 -0.3886837  5.661419
于 2013-11-07T11:00:42.173 回答
7

非常感谢@SimonO101!

此代码有效。

r <- raster(nrow=10, ncol=10)
s <- stack( sapply(1:5, function(i) setValues(r, rnorm(ncell(r), i, 3) )) )
s[1:3]<-NA

vals <- values(s)

coord <- xyFromCell(s,1:ncell(s))

combine <- cbind(coord,vals)

write.table(combine,"xyvalues.txt") 
于 2013-11-07T21:51:23.810 回答