气象数据网数据转换、插值生成栅格数据

问题引入

最近需要获得黄土高原2018逐月气温栅格数据,网上直接获取难度较大。所以就到气象数据网下载原始数据,通过ArcGIS插值来生成所需上数据。
在气象网上直接下载的数据是2018年全国166个站点逐日气温txt格式数据,如下图:


1.PNG

2.PNG

处理流程

首先,用R读入txt格式数据,逐站点按月求得逐月气温,接着转化成指定excel格式数据导入ArcGIS,然后通过插值生成逐月栅格图。

1.将txt数据导入R

由于txt原始数据字符以空格为间隔,但空格数不一致,使用read.table()方法不能奏效。但scan()函数可以逐行获取txt文件中的字符生成向量,通过循环将12个月气温数据整合。

#导入需要的包
library(dplyr)
library(reshape2)
#设置工作环境为气象数据所在文件夹
setwd('E:/1data/站点数据/气象网数据/气温')
#读入所以TXT格式数据,引号里的内容是匹配文件名的正则表达式
tem.name<-list.files(pattern = '*.TXT')

#scan()函数读入数据并存入向量x,由于数据都是13列,因此将x转化为13列的矩阵,将12个月的数据通过循环拼接到一起
tem.data<-data.frame()
for (f in tem.name) {
  x=scan(f)
  y=matrix(x,nrow = length(x)/13, byrow = TRUE)
  tem.data=rbind(tem.data,y)
}

#可以选择输出成csv
write.csv(tem.data,'E:/1data/站点数据/气象网数据/气温/气温.csv')

初步得到如下数据框

> tem.data
      V1   V2    V3   V4   V5 V6 V7   V8   V9  V10 V11 V12 V13
1  50353 5144 12638 1739 2018  1  1 -141 -110 -184   9   9   9
2  50353 5144 12638 1739 2018  1  2 -120 -102 -160   9   9   9
3  50353 5144 12638 1739 2018  1  3 -177 -102 -295   9   9   9
4  50353 5144 12638 1739 2018  1  4 -215 -124 -261   9   9   9
5  50353 5144 12638 1739 2018  1  5 -211  -94 -283   9   9   9

2.求得各站点逐月降水

#由于我们只需要平均温度数据,因此删除无用列
tem.data<-tem.data[,-4]
tem.data<-tem.data[,-8:-12]
#设置列名
names(tem.data<-c('station','weidu','jingdu','year','month','day','tem')
#剔除缺失值(温度值大于30000的为缺失值)
tem1<-tem.data[tem.data$tem<30000,]

#group_by与summarise是dplyr包中的函数,结合使用可以轻松对数据进行分组求和。dcast函数将月份因子变成变量(比较抽象,但是尝试一下就能理解了)
by_day<-group_by(tem1,station,weidu,jingdu,year,month)
by_month<-summarise(by_day,tem=mean(tem))
x1<-dcast(by_month,station+weidu+jingdu+year~month)
x2<-paste('x',201801:201812,sep = '')
names(x1)<-c('station','weidu','jingdu','year',x2)
head(x1)
write.csv(x1,'E:/1data/站点数据/气象网数据/气温/2018.csv')

最终形式如下,导出为csv格式

> head(x1)
  station weidu jingdu year   x201801   x201802    x201803  x201804  x201805  x201806  x201807  x201808
1   50353  5144  12638 2018 -25.41935 -24.39286  -9.016129 4.033333 12.78065 17.27333 20.71935 17.94516
2   50434  5029  12141 2018 -30.40000 -27.43571 -12.351613 1.626667 10.02258 14.62667 18.00323 15.17097
3   50527  4915  11942 2018 -27.19355 -24.60714  -9.187097 4.520000 13.48387 18.63333 21.12258 19.09355
4   50557  4909  12514 2018 -23.95806 -22.81429  -7.577419 6.990000 14.45806 18.92667 22.50000 19.52903
5   50564  4925  12720 2018 -22.16129 -20.79286  -6.432258 6.073333 13.82581 17.77333 22.44194 19.61290
6   50658  4805  12547 2018 -22.89032 -19.21786  -6.351613 6.953333 14.89032 19.23000 22.76774 19.89032

ps:由于每个月有些站点经纬度居然会不一样(可能因为我气象网权限很低下载的数据质量很差),导致一个站点的数据被导出两遍,由于数量不多,所以就手动删除了。

3.将csv格式数据转化成excel并导入ArcGIS

将导出的csv格式数据在excel中另存为Excel 97-2003 工作表,命名为tem。
在ArcMAP中选择添加xy数据,这里有三个注意事项:
1.x字段填经度,y是纬度
2.输入坐标系必须是地理坐标系,不能是投影坐标系
3.检查经纬度是否是标准形式


3.PNG

4.PNG
5.PNG

4.插值生成栅格数据

得到全国气温站点图之后,通过spline插值,投影栅格,掩膜提取,最后得到黄土高原气温栅格图。

小结

由于完全没有专业基础,在自学得过程中遇到了很多问题。希望可以给和我一样从零开始的小伙伴一些参考,不足之处也请多指正。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,265评论 6 490
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,078评论 2 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 156,852评论 0 347
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,408评论 1 283
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,445评论 5 384
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,772评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,921评论 3 406
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,688评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,130评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,467评论 2 325
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,617评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,276评论 4 329
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,882评论 3 312
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,740评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,967评论 1 265
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,315评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,486评论 2 348