我有一個不規則網格,我需要轉換爲常規網格才能利用圖形設備的image
的useRaster=TRUE
選項。我可以通過將不規則網格轉換爲點來實現小規模,然後使用akima的interp
對點進行插值。然而,這更大的尺寸可怕地縮放,所以我正在尋找選擇。將不規則網格內插到普通網格
首先,這裏是小規模(5×10)例如,在僅在x維度是不規則:
nx <- 5
ny <- 10
si <- list() # irregular surface
si$x <- cumsum(runif(nx) * 10) + 100
si$y <- seq(20, 50, length.out=ny)
si$z <- matrix(rnorm(nx * ny), ncol=ny)
image(si)
和雙線性內插的結果:
sr_x <- seq(min(si$x), max(si$x), length.out=nx * 5)
sr_y <- si$y # this dimension is already regular
require(akima) # interpolate from points repeated off irregular grid
sr <- interp(rep(si$x, length(si$y)), rep(si$y, each=length(si$x)), si$z,
xo=sr_x, yo=sr_y)
image(sr, useRaster=TRUE)
但是,如果使用較大尺寸的不規則網格(例如, nx <- 50; ny <- 100
),程序非常慢。有沒有可以加快這個過程的圖書館或技術?
更新和可能的解決方案。這些數據描述了時間與時間(以年爲單位),其中不規則維度的時間步長在0.5天到30天之間,第二個時間軸的間隔爲365天。由於沿着不規則軸的間距要小得多,所以內插不起作用。因此平滑或聚合方法會產生更好的結果。
更現實的數據的情況下,顯示更精細的不規則尺寸:
nx <- 200
ny <- 10
si <- list() # irregular surface
si$x <- cumsum(runif(nx, 0.5, 30)/365)
si$y <- 1:ny
si$z <- matrix(rnorm(nx * ny), ncol=ny)
image(si)
而一些真正的粗骨料是指:
dx <- 1/12 # 1 month spacing along x-axis
sr <- list() # regular surface
sr$x <- seq(min(si$x), max(si$y), dx) # equal-width breaks
nsrx <- length(sr$x)
sr$y <- si$y # this dimension is already regular
sr$z <- matrix(nrow=length(sr$x), ncol=length(sr$y))
# Classify irregular dimension
si_xc <- cut(si$x, sr$x, include.lowest=TRUE, labels=FALSE)
# Aggregate means from irregular to regular dimension
for(xi in seq_len(nsrx))
sr$z[xi,] <- apply(si$z[si_xc == xi, , drop=FALSE], 2, mean)
image(sr, zlim=range(si$z), useRaster=TRUE)
這似乎這樣的伎倆,並在每個維度上具有數百年的更大的數據集上進行縮放。所以我想我的新問題只是整理上面的代碼來執行聚合手段。
什麼是真正的數據源? netcdf中的東西?可能值得調查 – mdsumner
@mdsumner時間與年齡的關係,兩個維度的單位均爲年。 z是年齡的概率。 –