Vous utilisez R pour extraire des données de WorldClim? [fermé]

J'ai un ensemble de données avec 1000 latitudes-longitudes différentes. Je souhaite extraire la température annuelle moyenne et les précipitations annuelles pour chacune de ces coordonnées. Ces données peuvent être facilement obtenues auprès de WorldClim et traitées à l'aide de DIVA-GIS.

Est-il possible de le faire sur R?

Je veux que ma sortie finale soit une trame de données avec la température annuelle et les précipitations pour chaque coordonnée. Je suis nouveau chez GIS dans R, donc je cherche un morceau de code de base avec les bibliothèques requises pour cette sortie.

Vous pouvez utiliser le rasterpackage pour télécharger les données WorldClim, voir ?getdatapour connaître la résolution, les variables et les coordonnées.

Comme exemple:

library(raster)
library(sp)

r <- getData("worldclim",var="bio",res=10)

Bio 1 et Bio12 sont la température annuelle moyenne et les précipitations annuelles:

r <- r[[c(1,12)]]
names(r) <- c("Temp","Prec")

Je crée des points aléatoires comme exemple, dans votre cas, utilisez des coordonnées pour créer un SpatialPointobjet.

points <- spsample(as(r@extent, 'SpatialPolygons'),n=100, type="random")    

Enfin, utilisez extract. Avec cbind.data.frameet coordinatesvous obtiendrez le désir data.frame.

values <- extract(r,points)

df <- cbind.data.frame(coordinates(points),values)

J'ai utilisé des points aléatoires, donc j'en ai eu beaucoup NA. Il faut s'y attendre.

head(df)
           x          y Temp Prec
1  112.95985  52.092650  -37  388
2  163.54612  85.281643   NA   NA
3   30.95257   5.932434  270  950
4   64.66979  40.912583  150  150
5 -169.40479 -58.889104   NA   NA
6   51.46045  54.813600   36  549

plot(r[[1]])
plot(points,add=T)

N'oubliez pas que les données WorldClim ont un facteur d'échelle de 10, donc Temp = -37-3,7 ºC.

Avec exemple de coordonnées:

library(raster)
library(sp)

r <- getData("worldclim",var="bio",res=10)

r <- r[[c(1,12)]]
names(r) <- c("Temp","Prec")

lats <- c(9.093028 , 9.396111, 9.161417)
lons <- c(-11.7235, -11.72975, -11.709417) 

coords <- data.frame(x=lons,y=lats)

points <- SpatialPoints(coords, proj4string = r@crs)

values <- extract(r,points)

df <- cbind.data.frame(coordinates(points),values)

df
          x        y Temp Prec
1 -11.72350 9.093028  257 2752
2 -11.72975 9.396111  257 2377
3 -11.70942 9.161417  257 2752