在 R 中构建多层栅格温度分布的任何解决方法

Question

在这里我发现了一个非常有趣的博客：critical threshold in temperature effects and empirical approach is very interesting, so I want to implement its idea in R. However, I have multi-layer raster data of German' historical daily temperatures (15 years' historical daily mean temperature) in large RasterBrick object. According to the empirical approach that discussed in inspired post，我需要从我的多层栅格数据中构建温度分布。

更新 2：可重现的 shapefile：

我知道从 3rd 方网站下载 shapefile 是不切实际的，所以在这里我想出了可复制的 shapefile 来试试：

library(sf)
library(maps)
library(rgeos)
library(mapdata)

germany <- st_as_sf(map("Germany", plot = FALSE, fill = TRUE))
write_sf(germany, "germany.shp")

为了轻松跟进我的 post，我创建了可重现的栅格数据以在 R 中使用。我还提供了从 eurostat 网站获取的德国 shapefile；这是动态的 shapefile（我可以保证 link 非常安全并且文件非常小）：eurostat' shapefile 这是方便的可重现栅格数据：

可重现数据

library(raster)
library(lubridate)
library(tidyverse)

r <- raster(xmn=5.75, xmx= 15, ymn = 47.25, ymx =55,res=c(0.25,0.25))
Deu_crop <- do.call(stack,lapply(1:5479,function(i) setValues(r,round(runif(n = ncell(r),min = -10,max = 25)))))
names(Deu_crop) <- paste0('X',gsub('-','.',ymd('1980.01.01') + days(1:5479)))
shp <- shapefile('eurostat_NUTS3/deu_adm_2006.shp')
e <- raster::extract(Deu_crop,shp)
names(e) <- shp$NUTS_ID

所以要测试 inspired post, I need to design several global variables which will be used helper functions that presented in here. But I don't understand how to design some critical global variables that used to accomplish its workflow; It is recommended to define global variable like: w - weather data; tempDat: particular aggregated weather data; Trows: span aggregated grid data; and T: vector of integer temperature (details can be found here: details) 中介绍的工作流程。

我想根据网格化的每日天气数据估计温度随时间的分布。但是我很难测试这个inspired post中给出的经验步骤，因为它没有提到处理多层栅格数据的情况的解决方案，所以我不知道如何采纳它的奇思妙想我自己在 R.

这是我在 inspired post:

中使用辅助函数之前从 shapefile (eurostat' shapefile) 为每个多边形聚合多层栅格数据的方法

初次尝试操纵多层栅格:

rasterHelper <- function(ix,e){
  gather(data.frame(e[[ix]],stringsAsFactors = F),'colname','temp') %>% 
    group_by(colname) %>% summarise(temp = mean(temp)) %>% ungroup() %>% # spatial mean
    mutate(year = sub('X(\d{4}).+','\1',colname)) %>% 
    group_by(year) %>% summarise_all(funs(sum)) %>% mutate(NUTS_ID = names(e)[ix])
}
do.call(rbind,lapply(1:length(e),function(ix) rasterHelper(ix)))

但是我上面的尝试没有用；在我的尝试中，我打算聚合每个多边形的温度栅格数据。 inspired post 的实现非常有用，但处理多层栅格数据仍然很难跟进。我想我应该在每个栅格层上工作并构建随时间变化的温度分布，但我真的不知道如何在 R 中做。有什么想法吗？

更新:

这是我从中得到灵感的论文：nonlinear temperature effect ..., but implementing the proposed method is still challenging for me even I followed the workflow that presented in the respective blog: searching critical threshold in temperature effect

有没有人指出如何在 R 中对多层栅格数据采用其经验方法？如何估计温度随时间的分布？我怎样才能在 R 中实现这一点？还有什么想法吗？谢谢

Answer 1

我不太确定你想做什么。

设置一个更小的例子：

library(raster)
lux <- shapefile(system.file("external/lux.shp", package="raster"))
r <- raster(lux)
s <- stack(lapply(1:12, function(i) setValues(r, 1:ncell(r))))

e <- extract(s, lux)

现在你说你要聚合---这有点含糊，但也许你想要的是

x <- lapply(e, function(i) apply(i,2,mean))

相当于

y <- extract(s, lux, fun='mean')

在 R 中构建多层栅格温度分布的任何解决方法

Any workaround to construct temperature distribution over multi-layers raster in R

r

raster

time-series

data-manipulation