在不规则网格上绘制数据的有效方法

Posted 2023-02-16

【中文标题】在不规则网格上绘制数据的有效方法

【英文标题】：Efficient way to plot data on an irregular grid

【发布时间】：2018-08-03 18:43:46

【问题描述】：

我使用在不规则二维网格上组织的卫星数据，其维度是扫描线（沿轨道维度）和地面像素（跨轨道维度）。每个中心像素的经纬度信息存储在辅助坐标变量中，以及四个角坐标对（经纬度坐标在 WGS84 参考椭球上给出）。数据存储在 netCDF4 文件中。

我要做的是在投影地图上有效地绘制这些文件（可能还有文件组合——下一步！）。

到目前为止，受Jeremy Voisey's 对question 的回答的启发，我的方法是构建一个数据框，将我感兴趣的变量链接到像素边界，并将ggplot2 与geom_polygon 一起用于实际情节。

让我说明一下我的工作流程，并为这种幼稚的方法提前道歉：我刚开始使用 R 编码一两周。

注意

完全重现问题： 1. 下载两个数据帧：so2df.Rda (22M) 和pixel_corners.Rda (26M) 2.将它们加载到您的环境中，例如

so2df <- readRDS(file="so2df.Rda")
pixel_corners <- readRDS(file="pixel_corners.Rda")

跳转到“合并数据框”步骤。

初始设置

我要从我的文件中读取数据和纬度/经度边界。

library(ncdf4)
library(ggplot2)
library(ggmap) 
# set path and filename
ncpath <- "/Users/stefano/src/s5p/products/e1dataset/L2__SO2/"
ncname <- "S5P_OFFL_L2__SO2____20171128T234133_20171129T003956_00661_01_022943_00000000T000000"  
ncfname <- paste(ncpath, ncname, ".nc", sep="")
nc <- nc_open(ncfname)

# save fill value and multiplication factors
mfactor = ncatt_get(nc, "PRODUCT/sulfurdioxide_total_vertical_column", 
                    "multiplication_factor_to_convert_to_DU")
fillvalue = ncatt_get(nc, "PRODUCT/sulfurdioxide_total_vertical_column", 
                      "_FillValue")

# read the SO2 total column variable
so2tc <- ncvar_get(nc, "PRODUCT/sulfurdioxide_total_vertical_column")

# read lat/lon of centre pixels
lat <- ncvar_get(nc, "PRODUCT/latitude")
lon <- ncvar_get(nc, "PRODUCT/longitude")

# read latitude and longitude bounds
lat_bounds <- ncvar_get(nc, "GEOLOCATIONS/latitude_bounds")
lon_bounds <- ncvar_get(nc, "GEOLOCATIONS/longitude_bounds")

# close the file
nc_close(nc)
dim(so2tc)
## [1]  450 3244

因此，对于这个文件/通道，3244 条扫描线中的每一条都有 450 个地面像素。

创建数据框

在这里我创建了两个数据框，一个用于值，经过一些后处理，一个用于纬度/经度边界，然后我合并两个数据框。

so2df <- data.frame(lat=as.vector(lat), lon=as.vector(lon), so2tc=as.vector(so2tc))
# add id for each pixel
so2df$id <- row.names(so2df)
# convert to DU
so2df$so2tc <- so2df$so2tc*as.numeric(mfactor$value)
# replace fill values with NA
so2df$so2tc[so2df$so2tc == fillvalue] <- NA
saveRDS(so2df, file="so2df.Rda")
summary(so2df)

##       lat              lon              so2tc              id           
##  Min.   :-89.97   Min.   :-180.00   Min.   :-821.33   Length:1459800    
##  1st Qu.:-62.29   1st Qu.:-163.30   1st Qu.:  -0.48   Class :character  
##  Median :-19.86   Median :-150.46   Median :  -0.08   Mode  :character  
##  Mean   :-13.87   Mean   : -90.72   Mean   :  -1.43                     
##  3rd Qu.: 31.26   3rd Qu.: -27.06   3rd Qu.:   0.26                     
##  Max.   : 83.37   Max.   : 180.00   Max.   :3015.55                     
##                                     NA's   :200864

我将此数据框保存为 so2df.Rda here (22M)。

num_points = dim(lat_bounds)[1]
pixel_corners <- data.frame(lat_bounds=as.vector(lat_bounds), lon_bounds=as.vector(lon_bounds))
# create id column by replicating pixel's id for each of the 4 corner points
pixel_corners$id <- rep(so2df$id, each=num_points)
saveRDS(pixel_corners, file="pixel_corners.Rda")
summary(pixel_corners)


##    lat_bounds       lon_bounds           id           
##  Min.   :-89.96   Min.   :-180.00   Length:5839200    
##  1st Qu.:-62.29   1st Qu.:-163.30   Class :character  
##  Median :-19.86   Median :-150.46   Mode  :character  
##  Mean   :-13.87   Mean   : -90.72                     
##  3rd Qu.: 31.26   3rd Qu.: -27.06                     
##  Max.   : 83.40   Max.   : 180.00

正如预期的那样，纬度/经度边界数据帧是值数据帧的四倍（每个像素/值四个点）。 我将此数据框保存为 pixel_corners.Rda here (26M)。

合并数据框

然后我按 id 合并两个数据框：

start_time <- Sys.time()
so2df <- merge(pixel_corners, so2df, by=c("id"))
time_taken <- Sys.time() - start_time
print(paste(dim(so2df)[1], "rows merged in", time_taken, "seconds"))

## [1] "5839200 rows merged in 42.4763631820679 seconds"

如您所见，这是一个 CPU 密集型进程。我想知道如果我一次处理 15 个文件会发生什么（全球覆盖）。

绘制数据

现在我已经将像素角与像素值相关联，我可以轻松地绘制它们。通常，我对轨道的特定区域感兴趣，所以我制作了一个函数，在绘制输入数据帧之前对其进行子集化：

PlotRegion <- function(so2df, latlon, title) 
  # Plot the given dataset over a geographic region.
  #
  # Args:
  #   df: The dataset, should include the no2tc, lat, lon columns
  #   latlon: A vector of four values identifying the botton-left and top-right corners 
  #           c(latmin, latmax, lonmin, lonmax)
  #   title: The plot title

  # subset the data frame first
  df_sub <- subset(so2df, lat>latlon[1] & lat<latlon[2] & lon>latlon[3] & lon<latlon[4])

  subtitle = paste("#Pixel =", dim(df_sub)[1], "- Data min =", 
                   formatC(min(df_sub$so2tc, na.rm=T), format="e", digits=2), "max =", 
                   formatC(max(df_sub$so2tc, na.rm=T), format="e", digits=2))

  ggplot(df_sub) + 
    geom_polygon(aes(y=lat_bounds, x=lon_bounds, fill=so2tc, group=id), alpha=0.8) +
    borders('world', xlim=range(df_sub$lon), ylim=range(df_sub$lat), 
            colour='gray20', size=.2) + 
    theme_light() + 
    theme(panel.ontop=TRUE, panel.background=element_blank()) +
    scale_fill_distiller(palette='Spectral') +
    coord_quickmap(xlim=c(latlon[3], latlon[4]), ylim=c(latlon[1], latlon[2])) +
    labs(title=title, subtitle=subtitle, 
         x="Longitude", y="Latitude", 
         fill=expression(DU)) 

然后我在感兴趣的区域上调用我的函数，例如让我们看看夏威夷发生了什么：

latlon = c(17.5, 22.5, -160, -154)
PlotRegion(so2df, latlon, expression(SO[2]~total~vertical~column))

它们在那里，我的像素，以及似乎是来自莫纳罗亚的 SO2 羽流。请暂时忽略负值。如您所见，像素的区域向着条带的边缘变化（不同的分箱方案）。

我尝试使用 ggmap 在谷歌地图上显示相同的情节：

PlotRegionMap <- function(so2df, latlon, title) 
  # Plot the given dataset over a geographic region.
  #
  # Args:
  #   df: The dataset, should include the no2tc, lat, lon columns
  #   latlon: A vector of four values identifying the botton-left and top-right corners 
  #           c(latmin, latmax, lonmin, lonmax)
  #   title: The plot title

  # subset the data frame first
  df_sub <- subset(so2df, lat>latlon[1] & lat<latlon[2] & lon>latlon[3] & lon<latlon[4])

  subtitle = paste("#Pixel =", dim(df_sub)[1], "Data min =", formatC(min(df_sub$so2tc, na.rm=T), format="e", digits=2), 
                   "max =", formatC(max(df_sub$so2tc, na.rm=T), format="e", digits=2))
  base_map <- get_map(location = c(lon = (latlon[4]+latlon[3])/2, lat = (latlon[1]+latlon[2])/2), zoom = 7, maptype="terrain", color="bw")

  ggmap(base_map, extent = "normal")  +
    geom_polygon(data=df_sub, aes(y=lat_bounds, x=lon_bounds,fill=so2tc, group=id),  alpha=0.5) +
    theme_light() + 
    theme(panel.ontop=TRUE, panel.background=element_blank()) +
    scale_fill_distiller(palette='Spectral') +
    coord_quickmap(xlim=c(latlon[3], latlon[4]), ylim=c(latlon[1], latlon[2])) +
    labs(title=title, subtitle=subtitle, 
         x="Longitude", y="Latitude", 
         fill=expression(DU)) 

这就是我得到的：

latlon = c(17.5, 22.5, -160, -154)
PlotRegionMap(so2df, latlon, expression(SO[2]~total~vertical~column))

问题

有没有更有效的方法来解决这个问题？我正在阅读sf 包，我想知道是否可以定义点数据框（值+中心像素坐标），并让sf 自动推断像素边界。这将使我不必依赖原始数据集中定义的纬度/经度边界，也不必将它们与我的值合并。我可以接受在朝向条带边缘的过渡区域的精度损失，否则网格非常规则，每个像素为 3.5x7 km^2 大。 将我的数据重新网格化到常规网格（如何？），可能通过聚合相邻像素来提高性能？我正在考虑使用raster 包，据我所知，它需要常规网格上的数据。这在全球范围内应该很有用（例如欧洲的地块），我不需要绘制单个像素——事实上，我什至看不到它们。 在谷歌地图上绘图时是否需要重新投影我的数据？

[额外的美容问题]

有没有更优雅的方法在由四个角点标识的区域上对我的数据框进行子集化？ 如何更改色标以使较高的值相对于较低的值突出？我曾体验过结果不佳的对数刻度。

【问题讨论】：

这是一个看起来很有趣的问题，但现在它有点多 - 如果您提出多个不同的问题而不是五个问题合而为一，您可能会更幸运地获得答案。另外，请提供数据以使您的问题可重现（使用dput()，或者如果您的数据集太大，请使用模拟数据或内置于您正在使用的软件包之一的数据集重现您的问题），以便其他人可以运行您的代码.

嗨，Jan，感谢您的回复，我将两个数据框保存在云端，链接在问题中，因此应该可以通过先加载它们并从合并步骤。至于问题，也许我现在真正关心的是1.和2.谢谢！

人们通常不太愿意点击指向大型异地数据文件的链接，这些文件需要时间下载，并且可能包含病毒，也可能不包含病毒。

我编辑了我的问题，以更清楚地说明如何重现工作流程。至于病毒，如果不是通过将数据文件上传到某种文件共享服务，那么将数据文件附加到问题的标准方法是什么？

一般来说，除了使示例可重现之外，最好将它们最小化。这通常意味着只获取足够大的数据子集，以使用head() 和dput() 捕获数据的所有问题。不过，当我有更多时间时，我会尝试解决这个问题。

【参考方案1】：

我认为data.table 在这里可能会有所帮助。合并几乎是瞬间的。

“5839200 行在 1.24507117271423 秒内合并”

library(data.table)
pixel_cornersDT <- as.data.table(pixel_corners)
so2dfDT <- as.data.table(so2df)

setkey(pixel_cornersDT, id)
setkey(so2dfDT, id)

so2dfDT <- merge(pixel_cornersDT, so2dfDT, by=c("id"), all = TRUE)

将数据放在data.table 中，绘图函数中的子集也将大大加快。

---

问题 1 / 2 / 4：

我不认为使用raster 或sf 的过程会更快，但您可以尝试使用rasterFromXYZ() 或st_make_grid() 的功能。但大部分时间将花在转换 到栅格/sf 对象上，因为您必须转换整个数据集。

我建议使用 data.table 进行所有数据处理，包括裁剪，然后您可以从那里切换到 raster/sf 对象以进行绘图。

---

问题 3：

谷歌图显示正确，但您指定了黑白地图，并且它与“栅格”重叠，因此您看不到很多。 您可以将底图更改为 satellite-background。

base_map <- get_map(location = c(lon = (latlon[4]+latlon[3])/2, lat = (latlon[1]+latlon[2])/2), 
                    zoom = 7, maptype="satellite")

---

问题 5：

您可以使用 scales 包中的 rescale 函数。我在下面包括了两个选项。 第一个（未注释）将 分位数 作为中断，其他中断是单独定义的。我不会像创建 NA 值那样使用对数转换（trans- 参数），因为您也有负值。

ggplot(df_sub) + 
  geom_polygon(aes(y=lat_bounds, x=lon_bounds, fill=so2tc, group=id), alpha=0.8) +
  borders('world', xlim=range(df_sub$lon), ylim=range(df_sub$lat),
          colour='gray20', size=.2) +
  theme_light() + 
  theme(panel.ontop=TRUE, panel.background=element_blank()) +
  # scale_fill_distiller(palette='Spectral', type="seq", trans = "log2") +
  scale_fill_distiller(palette = "Spectral",
                       # values = scales::rescale(quantile(df_sub$so2tc), c(0,1))) +
                       values = scales::rescale(c(-3,0,1,5), c(0,1))) +
  coord_quickmap(xlim=c(latlon[3], latlon[4]), ylim=c(latlon[1], latlon[2])) +
  labs(title=title, subtitle=subtitle, 
       x="Longitude", y="Latitude", 
       fill=expression(DU)) 

整个过程对我来说现在大约需要 8 秒，包括没有背景地图的绘图，虽然地图渲染也需要额外的 1-2 秒。

【讨论】：

感谢您花时间准备如此有见地的答案！

不客气，我希望它仍然对你有用！