在R中构建多层光栅上的温度分布的任何解决方法

Question

在这里，我发现了一个非常有趣的博客：温度效应和经验方法中的临界阈值非常有趣，所以我想在R中实现它的想法。然而，我在大型RasterBrick对象中有德国历史日温度（15年历史日平均温度）的多层光栅数据。根据《启发帖》中讨论的经验方法，我需要从多层光栅数据构建温度分布。

更新2：可复制形状文件：

我知道从第三方网站下载shapefile是不现实的，所以在这里我提出了可复制的shapefile来尝试一下：

library(sf)
library(maps)
library(rgeos)
library(mapdata)

germany <- st_as_sf(map("Germany", plot = FALSE, fill = TRUE))
write_sf(germany, "germany.shp")

为了方便地继续我的帖子，我创建了可复制的光栅数据，以便在R中使用。我还提供了来自欧盟统计局网站的德国形状文件；这是正在运行的shapefile（我可以保证链接非常安全，文件非常小）：欧盟统计局的shapefile，这是方便的可复制光栅数据：

可重复数据

library(raster)
library(lubridate)
library(tidyverse)

r <- raster(xmn=5.75, xmx= 15, ymn = 47.25, ymx =55,res=c(0.25,0.25))
Deu_crop <- do.call(stack,lapply(1:5479,function(i) setValues(r,round(runif(n = ncell(r),min = -10,max = 25)))))
names(Deu_crop) <- paste0('X',gsub('-','.',ymd('1980.01.01') + days(1:5479)))
shp <- shapefile('eurostat_NUTS3/deu_adm_2006.shp')
e <- raster::extract(Deu_crop,shp)
names(e) <- shp$NUTS_ID

因此，为了测试在inspired post中介绍的工作流，我需要设计几个全局变量，这些变量将用于这里介绍的助手函数。但我不知道如何设计一些用于完成其工作流程的关键全局变量；建议定义全局变量，如：w-天气数据<代码>tempDat：特定聚合天气数据<代码>Trows:span聚合网格数据；和T:integer temperature的向量（详情可在此处找到：details）。

我想从网格化的每日天气数据中估计温度随时间的分布。但是我很难测试这篇受启发的文章中提出的经验步骤，因为它没有提到处理多层栅格数据的解决方案，所以我不知道如何在R中独自采用它的奇思妙想。

以下是我在灵感贴子中使用辅助函数之前，从shapefile（欧盟统计局的“shapefile”）为每个多边形聚合多层光栅数据的方法：

最初尝试操作多层光栅：

rasterHelper <- function(ix,e){
  gather(data.frame(e[[ix]],stringsAsFactors = F),'colname','temp') %>% 
    group_by(colname) %>% summarise(temp = mean(temp)) %>% ungroup() %>% # spatial mean
    mutate(year = sub('X(\\d{4}).+','\\1',colname)) %>% 
    group_by(year) %>% summarise_all(funs(sum)) %>% mutate(NUTS_ID = names(e)[ix])
}
do.call(rbind,lapply(1:length(e),function(ix) rasterHelper(ix)))

但是我上面的尝试不起作用；在我的尝试中，我打算为每个多边形聚合温度光栅数据。灵感帖子的实现非常有用，但处理多层光栅数据仍然很难跟进。我假设我应该在每个光栅层上工作并随着时间的推移构建温度分布，但真的没有一个坚实的想法如何在R中做任何想法？

更新：

这是我从中得到启发的论文：非线性温度效应。。。，但对我来说，实现所提出的方法仍然是一个挑战，即使我遵循了各自博客中介绍的工作流程：搜索温度效应的临界阈值

有没有人告诉我如何在R中的多层光栅数据上采用它的经验方法？我如何估计温度随时间的分布？我如何在R中实现这一点？还有什么想法吗？谢谢

Answer 1

我不太清楚你想做什么。

设置一个较小的示例：

library(raster)
lux <- shapefile(system.file("external/lux.shp", package="raster"))
r <- raster(lux)
s <- stack(lapply(1:12, function(i) setValues(r, 1:ncell(r))))

e <- extract(s, lux)

现在你说你想聚合——这有点模棱两可，但也许你想要的是

x <- lapply(e, function(i) apply(i,2,mean))

相当于

y <- extract(s, lux, fun='mean')