用R语言绘制研究区图和地图
引言
在地理信息系统和数据可视化领域，绘制研究区图和地图是非常重要的任务。R语言是一种功能强大的统计分析和可视化工具，也可以用于绘制各种类型的地图。本文将介绍如何使用R语言绘制研究区图和地图。
准备工作
在使用R语言进行地图绘制之前，我们需要安装一些必要的包。以下是一些常用的R包：
-
tidyverse：用于绘制数据图形、数据处理的基础包。 -
sf：用于处理空间数据的包。 -
rnaturalearth：提供全球地理数据的包。 -
raster：用于处理栅格数据的包。 -
我们可以加载这些包：
library(tidyverse) library(rnaturalearth) library(sf) library(raster) library(ggrepel) library(showtext)
如果加载失败，请自行安装对应包：
install.packages('pkgname')数据和变量定义
在开始绘制研究区图之前，我们需要准备好研究区的底图数据。这些数据可以是DEM，例如NASA提供的30mDEM，也可以是土地覆盖，卫星影像等等。在本例中，我们将使用一个矢量数据文件。
首先，定义全局变量，这是一个好习惯。先加载字体。
font_add_google(
"Lato",
regular.wt = 300,
bold.wt = 700)Google Fonts 存储库 ( https://fonts.google.com/ )中有数千种开源字体。此函数将尝试搜索参数指定的字体系列Lato，然后自动下载所有可能字体的字体文件（“常规”、“粗体”、“斜体”和“粗体斜体”，但没有“符号”） 。如果找到并成功下载字体，它们也将添加到具有给定系列名称的sysfonts中。
接下来，定义画图参数，这里只是给出一个例子，并非都设置为空，可根据自己需要。
这样操作有一个好处是，重复绘图时，ggplot的属性定义不会变得“冗长”，而是直接用theme_map()函数替代。
theme_map <- function(...) {
theme_minimal() +
theme(
text = element_text(family = "Lato", color = "#22211d"),
axis.line = element_blank(),
axis.ticks = element_blank(),
axis.title.x = element_blank(),
axis.title.y = element_blank(),
axis.text = element_blank(),
panel.grid.major = element_blank(),
panel.grid.minor = element_blank(),
plot.background = element_rect(fill = "lightblue", color = NA),
panel.background = element_rect(fill = "lightblue", color = NA),
legend.background = element_rect(fill = "#ffffff", color = NA),
strip.background=element_blank(),
plot.margin = margin(0,0,0,0,"cm"),
panel.border = element_blank(),
...
)
}接下来，在实际研究区图中，我们也许需要手动绘制一些点或面来突出某些区域，以点为例。这里定义一个数据框
# create dataframe with locations
df <- data.frame(
site = c("A", "B"),
lat = c(30, 40),
lon = c(0, 0)
)接下来读取土地覆盖数据
lc <- raster("data/modis_land_cover.tif")根据MODIS土地覆盖分类，我们只截取森林即可：
# select only "tree" areas (classes 1 - 9)
# and convert to binary (1 == tree)
lc <- (lc > 0 & lc < 9)
# reassign the name of the variable "lc"
# see below
names(lc) <- "lc"附MODIS土地覆盖分类体系表格，可自行查阅。
| 值 | 推荐颜色 | 描述 |
|---|---|---|
| 0 | 000000 | 水体 |
| 1 | 05450a | 常绿针叶林：由常绿针叶树（冠层>2m）占主导。树木覆盖度>60%。 |
| 2 | 086a10 | 常绿阔叶林：由常绿阔叶和棕榈树（冠层>2m）占主导。树木覆盖度>60%。 |
| 3 | 54a708 | 落叶针叶林：由落叶针叶（落叶松）树（冠层>2m）占主导。树木覆盖度>60%。 |
| 4 | 78d203 | 落叶阔叶林：由落叶阔叶树（冠层>2m）占主导。树木覆盖度>60%。 |
| 5 | 009900 | 混交林：既不是落叶也不是常绿（各占40-60%）的树种占主导（冠层>2m）。树木覆盖度>60%。 |
| 6 | c6b044 | 闭丛草原：由草本植物和灌木（高度<2m）占主导。树木覆盖度10-60%。 |
| 7 | dcd159 | 开丛草原：由草本植物和灌木（高度<2m）占主导。树木覆盖度<10%。 |
| 8 | dade48 | 永久湿地：土壤或植被表面长期或永久被淡水覆盖的区域。 |
| 9 | fbff13 | 草地：由草本植物占主导，有时也有少量灌木或树木（高度<2m）。 |
| 10 | b6ff05 | 干草地：由草本植物占主导，有时也有少量灌木或树木（高度<2m），但在干旱季节会枯萎或死亡。 |
| 11 | 27ff87 | 农田/自然植被复合体：人类活动对土地利用产生了重要影响，但仍有一定程度的自然植被存在，如农田、牧场、人工林等。 |
| 12 | c24f44 | 非灌溉耕地：人类活动对土地利用产生了重要影响，如耕作、收割等，但没有灌溉设施。 |
| 13 | a5a5a5 | 城市和建筑物：人类活动对土地利用产生了重要影响，如建筑、道路、桥 |
由于ggplot可视化栅格需要Dataframe，还需要把栅格转为Dataframe
# convert from matrix to long format
# 1 row per location
lc <- lc %>%
rasterToPoints %>%
as.data.frame() %>%
filter(lc != 0) # only retain pixels with a value绘制地图
接下来，可以绘制地图。使用最大的land作为底图，结果如下
p <- ggplot() +
# first layer is the land mass outline
# as a grey border (fancy)
geom_sf(data = land,
fill = NA,
color = "grey50",
fill = "#dfdfdf",
lwd = 1) +
# crop the whole thing to size
coord_sf(xlim = c(-30, 50),
ylim = c(20, 70))
p
接下来，在底图上叠加countries：
p1 <- p +
# second layer are the countries
# with a white outline and and a
# grey fill
geom_sf(data = countries,
color = "white",
fill = "#dfdfdf",
size = 0.2) +
# crop the whole thing to size
coord_sf(xlim = c(-30, 50),
ylim = c(20, 70))
p1
矢量底图完成后，我们继续叠加土地覆盖数据：
p2 <- p1 +
# then add the tree pixels
# as tiles in green
geom_tile(data = lc,
aes(x = x,
y = y),
col = "darkolivegreen4") +
# crop the whole thing to size
coord_sf(xlim = c(-30, 50),
ylim = c(20, 70))
p2
由于ggplot是图层语言，土地覆盖图层叠加后，一些国家边界被遮盖，所以再重新叠加国家数据。
p3 <- p2 +
# overlay the country borders
# to cover the tree pixels
# fill = NA to not overplot
geom_sf(data = countries,
color = "white",
fill = NA,
size = 0.2) +
# crop the whole thing to size
coord_sf(xlim = c(-30, 50),
ylim = c(20, 70))
p3
再叠加需要突出和标记的点或面：
p4 <- p3 +
# add the locations of the sites
# as a point
geom_point(data = df,
aes(lon, lat),
col = "grey20") +
# use ggrepel to add fancy
# labels nudged to a
# longitude of -25
geom_text_repel(
data = df,
aes(lon,
lat,
label = site),
nudge_x = -25 - df$lon,
direction = "y",
hjust = 0,
segment.size = 0.2,
seed = 1 # ensures the placing is consistent between renders
) +
# crop the whole thing to size
coord_sf(xlim = c(-30, 50),
ylim = c(20, 70))
p4
图中有个x，y，影响美观，删掉：
p5 <- p4 +
# add labels here if needed
labs(x = NULL,
y = NULL,
title = "",
subtitle = "",
caption = "") +
# crop the whole thing to size
coord_sf(xlim = c(-30, 50),
ylim = c(20, 70))
p5
接下来添加之前定制的图层属性theme_map()函数：
p6 <- p5 +
# apply the map theme as created above
theme_map()
p6
总结
本文介绍了如何使用R语言绘制研究区图地图。通过使用ggplot2包和其他相关的空间数据处理包，我们可以轻松地绘制各种类型的地图。无论是绘制土地覆盖栅格还是其他类型的矢量叠加，R语言提供了丰富的工具和函数，帮助我们更好地理解和可视化地理数据。希望本文对您在使用R语言进行地图绘制方面有所帮助！
最后附录一张操作汇总
仅供学习，来自地学实践教程。
