将光栅层规格化为矩阵以用作剪裁帧

Question

我被指派了从中剪裁光栅的任务。来自的nc文件。tif文件。

编辑（来自注释）：我想提取临时值。来自的信息。nc，因为我需要检查特定区域的年平均温度。要进行比较，必须在完全相同的区域进行比较。这个nc文件比之前选中的区域大，因此我需要将其“剪裁”到。如果我有。这个tif数据的格式为0 | 1，其中为0（或.tif小于.nc）。nc数据应“剪辑”。最后，我想保留。nc数据，但在范围内。tif同时仍保留其分辨率

现在通常这不会是一个问题，因为我可以使用光栅::crop。不过，这不会处理不同的投影和不同的像素大小/分辨率。（我仍然使用它来生成近似值，但对于最终的信息来说不够精确，正如下面的代码片段所示）。生成更可靠的数据集/光栅集的明显方法是首先使用光栅::Project ectRaster或光栅::sp这样的方法。Transform#addsp.transform是在编辑原始问题和均匀化数据集时完成的，但这种方法需要太多时间，因为我必须为相当多的. nc文件这样做。

我被告知最好的方法是从较小的光栅“clip\u frame”生成一个归一化矩阵，然后将其与“nc\u to\u clip”光栅相乘。这样做可以防止由于地图投影或其他因素造成的任何错误。这在理论上对我来说很有意义，但我不知道如何在实践中做到这一点。我将非常感谢任何类型的提示/代码片段或任何其他帮助。

我研究了StackOverflow（和其他站点）上的类似问题，如：

• 将R中的矩阵转换为光栅
• 使用R将光栅转换为矩阵
• https://www.researchgate.net/post/Hi_Is_there_a_way_to_multiply_Raster_value_by_Raster_Latitude

由于我甚至不知道如何正确地表达这个问题，我可能忽略了这个问题的答案，如果是这样，请指出我在哪里！

到目前为止，我的（工作）代码只是为了让您了解我想如何处理这个主题（这里使用作物函数）。

#library(ncdf4)
library(raster)
library(rgdal)
library(tidyverse)

nc_list<-list.files(pattern = ".*0.nc$")                   # list of .nc files containing raster and temperature information
#nc_to_clip <- lapply(nc_list, raster, varname="GST")      # read in as raster
nc_to_clip < -raster(ABC.nc, vername="GST)

clip_frame <- raster("XYZ.tif")                         # read in .tif for further use as frame


mean_temp_from_raster<-function(input_clip_raster, input_clip_frame){  # input_clip_raster= raster to clip, input_clip_frame
  
  r2_coord<-rasterToPoints(input_clip_raster, spatial = TRUE)   # step 1 to extract coordinates
  map_clip <- crop(input_clip_raster, extent(input_clip_frame)) # use crop to cut the input_clip_raster (this being the function I have to extend on)
  temp<-raster::extract(map_clip, r2_coord@coords)              # step 2 to extract coordinates 
  temp_C<-temp*0.01-273.15                                      # convert kelvin*100 to celsius
  temp_C<-na.omit(temp_C)
  mean(temp_C)
  
  return_list<-list(map_clip, mean(temp_C))
  return(return_list)
  
}

mean_tempC<-lapply(nc_to_clip, mean_temp_from_raster,clip_frame)

谢谢

附言：我没有太多的工作经验。R中的nc文件和/或RasterLayers，正如我以前使用ArcGIS/Python（arcpy）处理此类问题时所使用的一样，这现在不是一个选项。

Answer 1

也许是这样的？

library(raster)
nc <- raster(ABC.nc, vername="GST)
clip <- raster("XYZ.tif")

x <- as(extent(clip), "SpatialPolygons")
crs(x) <- crs(clip)
y <- sp::spTransform(x, crs(nc))

clipped <- crop(nc, y)