【问题标题】:Plotting a scatterplot with large rasters in R?在R中绘制带有大栅格的散点图?
【发布时间】:2020-03-20 08:21:31
【问题描述】:

我在 中有两个

library(raster)
library(sp)
library(rgdal)
library(maptools)
library(sf)
library(dplyr)
library(devtools)
library(DGVMTools)
library(Metrics)
library(hydroGOF)
library(sp)
library(grid)
library(latticeExtra)

> Y
class      : RasterLayer 
dimensions : 2803, 5303, 14864309  (nrow, ncol, ncell)
resolution : 0.008333333, 0.008333333  (x, y)
extent     : 60.85, 105.0417, 15.95833, 39.31667  (xmin, xmax, ymin, ymax)
crs        : +proj=longlat +datum=WGS84 +no_defs +ellps=WGS84 +towgs84=0,0,0 
source     : memory
names      : layer 
values     : 0, 26.53035  (min, max)

> X
class      : RasterLayer 
dimensions : 2803, 5303, 14864309  (nrow, ncol, ncell)
resolution : 0.008333333, 0.008333333  (x, y)
extent     : 60.85, 105.0417, 15.95833, 39.31667  (xmin, xmax, ymin, ymax)
crs        : +proj=longlat +datum=WGS84 +no_defs +ellps=WGS84 +towgs84=0,0,0 
source     : memory
names      : VegH
values     : 0, 17.99169  (min, max)

我正在这两个栅格之间绘制plot(x,Y)

但是由于像素太多,警告来了:

警告信息:在 .local(x, y, ...) 中:绘图使用了 0.7% 的样本 的细胞。您可以使用“maxpixels”来增加样本)

在将两个栅格都转换为 并绘制 后,散点图大约需要 1 小时才能出现,并显示一个大的黑色块 可重现的栅格:

r1 <- r2 <- raster(nrows=2803, ncols=5303)
values(r1) <- runif(ncell(r1))
values(r2) <- runif(ncell(r2))

我的问题是如何有效地绘制两个大型栅格数据集之间的散点图,这也可以通过视觉诊断?

【问题讨论】:

    标签: rasters r scatter-plot dataframe scatter-plot r raster scatter-plot tiff


    【解决方案1】:

    有这么多单元格,如果您只是想检查散点图,那么样本应该是要走的路吗?您可以使用“maxpixels”来增加样本(如您收到的警告消息所示)。例如:

    X <- Y <- raster(nrows=2803, ncols=5303)
    values(X) <- 10 * runif(ncell(X))
    values(Y) <- values(X) * (runif(ncell(Y)) - 0.5)
    
    plot(X, Y, maxpixels=1e5)
    

    但是,这确实需要一段时间。

    也许这是一种更好的方法 --- 这也需要一段时间,但可以更好地解释

    plot(X, Y, maxpixels=1e5, gridded=TRUE)
    

    【讨论】:

    • 我如何知道将哪个值放入 maxpixels 中?在上面你提到的 1e5 的代码中,maxpixels 的合适值是多少?
    • 这由您根据您的数据和需求来决定
    猜你喜欢
    • 1970-01-01
    • 2020-04-30
    • 2013-01-21
    • 1970-01-01
    • 2016-02-18
    • 2014-09-03
    • 2021-09-17
    • 2017-05-05
    • 2021-10-29
    相关资源
    最近更新 更多