如何计算R中的土地覆盖面积
How to compute land cover area in R
基本上，我计算了一个 ASCII 形式的全局分布概率模型，比如说：
gdpm。 gdpm的值都在0到1之间。
然后我从形状文件中导入了一张本地地图：
shape <- file.choose()
map <- readOGR(shape, basename(file_path_sans_ext(shape)))
下一步，我栅格化了 gdpm，并使用本地地图裁剪：
ldpm <- mask(gdpm, map)
然后，我将这个连续模型重新分类为离散模型（我将模型分为6个级别）：
recalc <- matrix(c(0, 0.05, 0, 0.05, 0.2, 1, 0.2, 0.4, 2, 0.4, 0.6, 3, 0.6, 0.8, 4, 0.8, 1, 5), ncol = 3, byrow = TRUE)
ldpmR <- reclassify(ldpm, recalc)
我有一个裁剪和重新分类的栅格，现在我需要汇总土地覆盖，即到每个级别，我想计算它在本地地图每个区域中的面积比例.（我不知道如何用术语来描述它）。我找到并遵循了一个例子 ():
ext <- raster::extract(ldpmR, map)
tab <- sapply(ext, function(x) tabulate(x, 10))
tab <- tab / colSums(tab)
但我不确定它是否有效，因为 tab 的输出令人困惑。
那么如何正确计算土地覆盖面积呢？如何在每个多边形中应用正确的方法？
我的原始数据太大，我只能提供一个替代栅格（我认为这个例子应该应用不同的重分类矩阵）：
或者您可以生成测试栅格 ():
library(raster)
s <- stack(system.file("external/rlogo.grd", package="raster"))
writeRaster(s, file='testtif', format='GTiff', bylayer=T, overwrite=T)
f <- list.files(pattern="testtif_..tif")
我还有一个关于绘制光栅的问题：
r <- as(r, "SpatialPixelsDataFrame")
r <- as.data.frame(r)
colnames(r) <- c("value", "x", "y")
我进行此转换是为了使用 ggplot2 绘制光栅图，有没有更简洁的方法？
好像可以根据像素数求出面积
让我们从一个可重现的例子开始：
r <- raster(system.file("external/test.grd", package="raster"))
plot(r)
由于此栅格中的值与您的数据在另一个范围内，让我们根据您的值调整它们：
r <- r / 1000
r[r>1,] <- 1
之后，我们应用您的重新class化验：
recalc <- matrix(c(0, 0.05, 0, 0.05, 0.2, 1, 0.2, 0.4, 2, 0.4, 0.6, 3, 0.6, 0.8, 4, 0.8, 1, 5), ncol = 3, byrow = TRUE)
r2 <- reclassify(r, recalc)
plot(r2)
现在，我们如何获得面积？
由于您使用的是投影栅格，因此可以简单地使用像素数和栅格分辨率。因此，我们首先需要检查投影的分辨率和地图单位：
res(r)
# [1] 40 40
crs(r)
# CRS arguments:
# +init=epsg:28992
# +towgs84=565.237,50.0087,465.658,-0.406857,0.350733,-1.87035,4.0812 +proj=sterea
# +lat_0=52.15616055555555 +lon_0=5.38763888888889 +k=0.9999079 +x_0=155000
# +y_0=463000 +ellps=bessel +units=m +no_defs
现在，我们知道我们正在处理 40 x 40 米的像素，因为我们有一个公制 CRS。
让我们使用此信息来计算每个 class 的面积。
app <- res(r)[1] * res(r)[2] # area per pixel
table(r2[]) * app
# 1 2 3 4 5
# 124800 2800000 1310400 486400 243200
关于地理参考栅格的绘制，我想向您推荐
loki的回答是可以的，但是可以用光栅方式来做，这样更安全。并且重要的是要考虑坐标是angular（longitude/latitude）还是平面（投影）
示例数据
library(raster)
r <- raster(system.file("external/test.grd", package="raster"))
r <- r / 1000
recalc <- matrix(c(0, 0.05, 0, 0.05, 0.2, 1, 0.2, 0.4, 2, 0.4, 0.6, 3, 0.6, 0.8, 4, 0.8, 2, 5), ncol = 3, byrow = TRUE)
r2 <- reclassify(r, recalc)
方法 1. 仅适用于平面数据
f <- freq(r2, useNA='no')
apc <- prod(res(r))
f <- cbind(f, area=f[,2] * apc)
f
# value count area
#[1,] 1 78 124800
#[2,] 2 1750 2800000
#[3,] 3 819 1310400
#[4,] 4 304 486400
#[5,] 5 152 243200
方法 2。对于 angular 数据（但也适用于平面数据）
a <- area(r2)
z <- zonal(a, r2, 'sum')
z
# zone sum
#[1,] 1 124800
#[2,] 2 2800000
#[3,] 3 1310400
#[4,] 4 486400
#[5,] 5 243200
如果你想按多边形汇总，你可以这样做：
# example polygons
a <- rasterToPolygons(aggregate(r, 25))
方法一
# extract values (slow)
ext <- extract(r2, a)
# tabulate values for each polygon
tab <- sapply(ext, function(x) tabulate(x, 5))
# adjust for area (planar data only)
tab <- tab * prod(res(r2))
# check the results, by summing over the regions
rowSums(tab)
#[1] 124800 2800000 1310400 486400 243200
方法二
x <- rasterize(a, r2)
z <- crosstab(x, r2)
z <- cbind(z, area = z[,3] * prod(res(r2)))
检查结果：
aggregate(z[, 'area', drop=F], z[,'Var2', drop=F], sum)
Var2 area
#1 1 124800
#2 2 2800000
#3 3 1310400
#4 4 486400
#5 5 243200
请注意，如果您正在处理 lon/lat 数据，则不能使用 prod(res(r)) 来获取单元格大小。在那种情况下，你将需要使用面积函数并循环遍历 类，我想。
你还问了密谋。绘制 Raster* 对象的方法有很多种。基本的是：
image(r2)
plot(r2)
spplot(r2)
library(rasterVis);
levelplot(r2)
更棘手的方法：
library(ggplot2) # using a rasterVis method
theme_set(theme_bw())
gplot(r2) + geom_tile(aes(fill = value)) +
facet_wrap(~ variable) +
scale_fill_gradient(low = 'white', high = 'blue') +
coord_equal()
library(leaflet)
leaflet() %>% addTiles() %>%
addRasterImage(r2, colors = "Spectral", opacity = 0.8)
基本上，我计算了一个 ASCII 形式的全局分布概率模型，比如说：
gdpm。 gdpm的值都在0到1之间。
然后我从形状文件中导入了一张本地地图：
shape <- file.choose()
map <- readOGR(shape, basename(file_path_sans_ext(shape)))
下一步，我栅格化了 gdpm，并使用本地地图裁剪：
ldpm <- mask(gdpm, map)
然后，我将这个连续模型重新分类为离散模型（我将模型分为6个级别）：
recalc <- matrix(c(0, 0.05, 0, 0.05, 0.2, 1, 0.2, 0.4, 2, 0.4, 0.6, 3, 0.6, 0.8, 4, 0.8, 1, 5), ncol = 3, byrow = TRUE)
ldpmR <- reclassify(ldpm, recalc)
我有一个裁剪和重新分类的栅格，现在我需要汇总土地覆盖，即到每个级别，我想计算它在本地地图每个区域中的面积比例.（我不知道如何用术语来描述它）。我找到并遵循了一个例子 (
ext <- raster::extract(ldpmR, map)
tab <- sapply(ext, function(x) tabulate(x, 10))
tab <- tab / colSums(tab)
但我不确定它是否有效，因为 tab 的输出令人困惑。
那么如何正确计算土地覆盖面积呢？如何在每个多边形中应用正确的方法？
我的原始数据太大，我只能提供一个替代栅格（我认为这个例子应该应用不同的重分类矩阵）：
或者您可以生成测试栅格 (
library(raster)
s <- stack(system.file("external/rlogo.grd", package="raster"))
writeRaster(s, file='testtif', format='GTiff', bylayer=T, overwrite=T)
f <- list.files(pattern="testtif_..tif")
我还有一个关于绘制光栅的问题：
r <- as(r, "SpatialPixelsDataFrame")
r <- as.data.frame(r)
colnames(r) <- c("value", "x", "y")
我进行此转换是为了使用 ggplot2 绘制光栅图，有没有更简洁的方法？
好像可以根据像素数求出面积
让我们从一个可重现的例子开始：
r <- raster(system.file("external/test.grd", package="raster"))
plot(r)
由于此栅格中的值与您的数据在另一个范围内，让我们根据您的值调整它们：
r <- r / 1000
r[r>1,] <- 1
之后，我们应用您的重新class化验：
recalc <- matrix(c(0, 0.05, 0, 0.05, 0.2, 1, 0.2, 0.4, 2, 0.4, 0.6, 3, 0.6, 0.8, 4, 0.8, 1, 5), ncol = 3, byrow = TRUE)
r2 <- reclassify(r, recalc)
plot(r2)
现在，我们如何获得面积？
由于您使用的是投影栅格，因此可以简单地使用像素数和栅格分辨率。因此，我们首先需要检查投影的分辨率和地图单位：
res(r)
# [1] 40 40
crs(r)
# CRS arguments:
# +init=epsg:28992
# +towgs84=565.237,50.0087,465.658,-0.406857,0.350733,-1.87035,4.0812 +proj=sterea
# +lat_0=52.15616055555555 +lon_0=5.38763888888889 +k=0.9999079 +x_0=155000
# +y_0=463000 +ellps=bessel +units=m +no_defs
现在，我们知道我们正在处理 40 x 40 米的像素，因为我们有一个公制 CRS。
让我们使用此信息来计算每个 class 的面积。
app <- res(r)[1] * res(r)[2] # area per pixel
table(r2[]) * app
# 1 2 3 4 5
# 124800 2800000 1310400 486400 243200
关于地理参考栅格的绘制，我想向您推荐
loki的回答是可以的，但是可以用光栅方式来做，这样更安全。并且重要的是要考虑坐标是angular（longitude/latitude）还是平面（投影）
示例数据
library(raster)
r <- raster(system.file("external/test.grd", package="raster"))
r <- r / 1000
recalc <- matrix(c(0, 0.05, 0, 0.05, 0.2, 1, 0.2, 0.4, 2, 0.4, 0.6, 3, 0.6, 0.8, 4, 0.8, 2, 5), ncol = 3, byrow = TRUE)
r2 <- reclassify(r, recalc)
方法 1. 仅适用于平面数据
f <- freq(r2, useNA='no')
apc <- prod(res(r))
f <- cbind(f, area=f[,2] * apc)
f
# value count area
#[1,] 1 78 124800
#[2,] 2 1750 2800000
#[3,] 3 819 1310400
#[4,] 4 304 486400
#[5,] 5 152 243200
方法 2。对于 angular 数据（但也适用于平面数据）
a <- area(r2)
z <- zonal(a, r2, 'sum')
z
# zone sum
#[1,] 1 124800
#[2,] 2 2800000
#[3,] 3 1310400
#[4,] 4 486400
#[5,] 5 243200
如果你想按多边形汇总，你可以这样做：
# example polygons
a <- rasterToPolygons(aggregate(r, 25))
方法一
# extract values (slow)
ext <- extract(r2, a)
# tabulate values for each polygon
tab <- sapply(ext, function(x) tabulate(x, 5))
# adjust for area (planar data only)
tab <- tab * prod(res(r2))
# check the results, by summing over the regions
rowSums(tab)
#[1] 124800 2800000 1310400 486400 243200
方法二
x <- rasterize(a, r2)
z <- crosstab(x, r2)
z <- cbind(z, area = z[,3] * prod(res(r2)))
检查结果：
aggregate(z[, 'area', drop=F], z[,'Var2', drop=F], sum)
Var2 area
#1 1 124800
#2 2 2800000
#3 3 1310400
#4 4 486400
#5 5 243200
请注意，如果您正在处理 lon/lat 数据，则不能使用 prod(res(r)) 来获取单元格大小。在那种情况下，你将需要使用面积函数并循环遍历 类，我想。
你还问了密谋。绘制 Raster* 对象的方法有很多种。基本的是：
image(r2)
plot(r2)
spplot(r2)
library(rasterVis);
levelplot(r2)
更棘手的方法：
library(ggplot2) # using a rasterVis method
theme_set(theme_bw())
gplot(r2) + geom_tile(aes(fill = value)) +
facet_wrap(~ variable) +
scale_fill_gradient(low = 'white', high = 'blue') +
coord_equal()
library(leaflet)
leaflet() %>% addTiles() %>%
addRasterImage(r2, colors = "Spectral", opacity = 0.8)