1

seoul1to7 という名前のデータフレームには、2012 年 3 月 1 日から 3 月 7 日までの 1 時間ごとの PM10 濃度データが含まれています。ダウンロードしてください。このデータセットでは、時間は yyyymmddhr 形式です。たとえば、2012030101 は 2012 年 3 月 1 日午前 1 時を意味します。

データは次のようになります。

      ID       time PM10      LAT     LON
1 111121 2012030101   42 37.56464 126.976
2 111121 2012030102   36 37.56464 126.976
3 111121 2012030103   46 37.56464 126.976
4 111121 2012030104   40 37.56464 126.976
.
.

私の最終的な目標は、1 時間ごとにセミバリオグラムをプロットすることです。たとえば、2012 年 3 月 1 日午前 1 時 (2012030101) の場合、107 個の PM10 データがあります。そして、2012030101 から 2012030723 (合計 7*24 セミバリオグラム) のセミバリオグラムをプロットしたいと思います。Rでいくつかのコードを書きました：

seoul1to7<-read.csv("seoul1to7.csv", row.names=1)
rownames(seoul1to7)<-NULL

seoul311<-subset(seoul1to7, time==2012030101)
seoul312<-subset(seoul1to7, time==2012030102)
.
.
.
seoul3723<-subset(seoul1to7,time==2012030724)

最初に、目的の (7*24) データフレームを関数で作成しようとしてからsubset()、各データフレームのセミバリオグラムをプロットしたいと思いました。たとえば、seoul311次のコードで (2012030101 の)セミバリオグラムをプロットしました。

library(sp)
library(gstat)
library(rgdal)
seoul311<-read.csv("seoul311.csv",row.name=1)
seoul311<-na.omit(seoul311)

coordinates(seoul311)=~LON+LAT
proj4string(seoul311) =  "+proj=longlat +datum=WGS84" 
seoul311<-spTransform(seoul311, CRS("+proj=utm +north +zone=52 +datum=WGS84"))

#plot Omnidirectional Variogram
seoul311.var<-variogram(PM10~1,data=seoul311,cutoff=66000, width=6000)
seoul311.var
plot(seoul311.var, col="black", pch=16,cex=1.3,
     xlab="Distance",ylab="Semivariance",
     main="Omnidirectional Variogram for seoul 311")

#Model fit
model.311<- fit.variogram(seoul311.var,vgm(psill=250,model="Gau",range=40000,nugget=100),
                          fit.method = 2)
plot(seoul311.var,model=model.311, col="black", pch=16,cex=1.3,
     xlab="Distance",ylab="Semivariance",
     main="Omnidirectional Variogram for seoul 3112")


#Directional Variogram
seoul311.var1<-variogram(PM10~1,data=seoul311,width=6000,cutoff=66000,
                         alpha=seq(0,135,45),tol.hor=15)
seoul311.var1
plot(seoul311.var1,model=model.311, cex=1.1,pch=16,col=1,
     main="ANisotropic Variogram for PM10")    


#anisotropy corrected variograms
model.3112.anis<- fit.variogram(seoul311.var1,vgm(250,"Gau",40000,100,anis=c(45,0.80)),
                                fit.method = 2)

#Final isotropic variogram for kriging
plot(seoul311.var,model=model.3112.anis, col="black", pch=16,cex=1.3,
     xlab="Distance",ylab="Semivariance",
     main="Final Isotropic Variogram")

しかし、私のコードが非常に非効率的であることは理解しています! subset(seoul1to7, time==2012030101)このコードを (7*24) 回書いています。次に、セミバリオグラムをプロットするためのコードを (7*24) 倍します。これは非常に不適切な方法だと思います。

seoul1to7では、これらの (7*24) セミバリオグラムをデータセットから(ループまたはその他の関数を使用して) 非常に効率的にプロットするにはどうすればよいでしょうか? さらに情報が必要な場合は、お知らせください。

4

1 に答える 1

1 
library(sp)
library(gstat)
library(rgdal)
library(automap)

seoul1to7<-read.csv("seoul1to7.csv", row.names=1)
seoul1to7 <- na.omit(seoul1to7)
seoul1to7_split<-split(seoul1to7,seoul1to7$time) #a list contain 161 dataframe
seq(seoul1to7_split)

### now we loop (using lapply()) over each seoul1to7_split entry and calculate 
### variogram using autofitVariogram and return the variogram plot

vars<-lapply(seq(seoul1to7_split), function(i)
{
  dat<-seoul1to7_split[[i]]  # for list element [[]]
  coordinates(dat)<-~LON+LAT
  proj4string(dat) <- "+proj=longlat +datum=WGS84" 
  dat <- spTransform(dat, CRS("+proj=utm +north +zone=52 +datum=WGS84"))
  variogram<-autofitVariogram(log(PM10)~1,dat)
  plot<- plot(variogram,plotit=FALSE, asp=1)

  ### in case you do not want to fix xlim and ylim to be identical 
  ### for each plot just comment out the following line or change
  ### values as you see fit
  #plt <- update(plt, xlim = c(-1000, 35000), ylim = c(0, 1000))

  return(plot)
})

### now we actually have 23 * 7 variogram plots which we will combine 
### into 23 hourly plots using latticeCombineGrid()
library(raster)
library(devtools)
#install.packages("Rcpp")
install_github("environmentalinformatics-marburg/Rsenal")
library(Rsenal)

names(seoul1to7_split)
hours<-substr(names(seoul1to7_split),9,10) #substructuring 9th to 10th digit of every element
hours
unique(hours)
class(unique(hours))   #character
seq(unique(hours))

var7_per_plot<-lapply(seq(unique(hours)), function(j)
  {
  index<- hours %in% unique(hours)[j]  
  plot.hours <- vars[index]

  return(latticeCombineGrid(plot.hours, layout =c(3,3)))
})
var7_per_plot[[1]]
var7_per_plot[[2]]
.
.
.
var7_per_plot[[23]]

教えてくれた Tim Appelhans に感謝します。

于 2015-08-18T16:29:56.280 に答える