在推出两期数据分享之后，获取数据的小伙伴们也知道，数据格式都是NetCDF(nc) 格式网格数据，虽然我在推文分享中说明使用Python、R或者GIS类软件都是可以进行 处理和可视化绘制的，但是，还是有小伙伴咨询使用编程软件Python或者R处理nc数据，正好也想分享一期关于nc网格数据的可视化绘制过程，这里我们使用R包进行nc数据的处理(Python处理较为简单，将放在空间插值系列的资料中，该部分正在加快进程中哦~~)，主要涉及的知识点如下：
-
nc数据文件的R包读取
-
nc数据的可视化绘制
-
所有完整代码都已整理之我们的线上课程，有需要的同学+v yidianshuyulove 咨询
nc数据文件的R包读取
在R中读取nc文件，我们首选ncdf4包，其使用参考网址如下： *https://rdrr.io/cran/ncdf4/*。这里简单介绍下主要的函数：
-
print.ncdf4: Print Information About a netCDF File(输出nc文件基本信息)。
-
nc_open(): Open a netCDF File(打开nc文件)。
-
ncvar_get(): Read data from a netCDF file(读取nc文件中变量数据)。
-
ncatt_get(): Get attribute from netCDF file(获取ncw文件属性)。 对应nc文件，常用的使用方法就是以上4中，数据获取后(由于是规整的数据格式)可以像其他数据一样进行处理和变换。更多详细内容可参考上面给出的网站。
nc数据的可视化绘制
由于我们使用的是ggplot2进行绘制，所以我们直接使用raster包进行nc文件的读取(其实也是调用ncdf4包进行处理)，数据我们就使用昨天分享数据的数据：数据(代码)分享 | 全球生物气候指标数据集。具体代码如下：
library(raster)
library(sf)
library(tidyverse)
library(RColorBrewer)
library(ggtext)
library(showtext)
library(hrbrthemes)
nc01 <- "BIO34_CMCC_85_2040_79.nc"
dset01 <- raster(nc01)
结果如下：
ggplot2可视化绘制
在使用ggplot2进行绘制之前，我们需要将raster包读取的结果转换成data.frame，方便绘图：
dset01_df <- as.data.frame(dset01,xy = TRUE)
head(dset01_df)
可以看到数据还是有很多NA值的，这里我们选择将NA值删除，当然，你也可以不删除处理，代码如下(包含重命名)：
dset01_df <- dplyr::rename(dset01_df,long = x,lat=y)
dset01_df_nona <- dset01_df %>% filter(!is.na(Potential.Evapotranspiration.Hargreaves))
结果如下：
接下来，我们就可以进行可视化设置了，这里直接给出绘图代码哈：
#自定义颜色
my_colormap <- colorRampPalette(rev(brewer.pal(11,'Spectral')))(32)
map <- ggplot() +
geom_tile(data = dset01_df_nona, aes(x=long, y=lat, fill=Potential.Evapotranspiration.Hargreaves)) +
borders(colour = "black",alpha=.8,size=.1) +
#borders(colour = "black",fill="gray50",alpha=.4) +
scale_fill_gradientn(colours = my_colormap,name="PEH(mm)") +
labs(
title = "Example of <span style='color:#D20F26'>BIO34 - Potential Evapotranspiration (PET, mm/y)</span>",
subtitle = "processed map charts with <span style='color:#1A73E8'>geom_tile()</span>",
caption = "Visualization by <span style='color:#DD6449'>DataCharm</span>") +
theme_ipsum(base_family = "Roboto Condensed") +
theme(#plot.margin = grid::unit(c(0,0,0,0), "mm"), #去除图片保存的留白问题
plot.title = element_markdown(hjust = 0.5,vjust = .5,color = "black",
size = 20, margin = margin(t = 1, b = 12)),
plot.subtitle = element_markdown(hjust = 0,vjust = .5,size=15),
plot.caption = element_markdown(face = 'bold',size = 12),
)
可视化结果如下：
当然我们也可以更换颜色条颜色，可视化效果如下：
此外，我们还可以设置不同投影的可视化绘制效果：结果如下：
注意：这里我们通过如下代码设置了颜色柱(colorbar)的长宽等属性：
legend.text = element_text(color = "black",
size = 11),
legend.key.width = unit(5.2, "mm"),
legend.key.height = unit(12, "mm")
倒是要想获取数据资料分享中的可视化效果，我们需使用sf包对数据进行投影转换及使用*geom_sf()*进行转换结果的可视化绘制，代码如下：
df_sf <- sf::st_as_sf(dset01_df, coords = c("long", "lat"), crs = 4326) %>%
sf::st_transform(crs = "+proj=robin")
jet.colors <- colorRampPalette(c("#00007F", "blue", "#007FFF", "cyan", "#7FFF7F", "yellow", "#FF7F00", "red", "#7F0000"))
ggplot() +
#borders(colour = "black",fill="gray50",alpha=.5,) +
geom_sf(data = df_sf_nona,aes(color=Potential.Evapotranspiration.Hargreaves),size=.08) +
borders(colour = "black",alpha=1,size=.1) +
scale_color_gradientn(colors = jet.colors(7),name="PEH(mm)")+
#添加经纬度线
scale_x_continuous(breaks = seq(-180, 180, by = 30)) +
scale_y_continuous(breaks = c(seq(-80, 80, by = 20), 85)) +
labs(x="",y="",
title = "Example of <span style='color:#D20F26'>BIO34-Potential Evapotranspiration (PET, mm/y)</span>",
subtitle = "processed map charts with <span style='color:#1A73E8'>geom_sf()</span>",
caption = "Visualization by <span style='color:#DD6449'>DataCharm</span>") +
theme_ipsum(base_family = "Roboto Condensed") +
theme(#plot.margin = grid::unit(c(0,0,0,0), "mm"), #去除图片保存的留白问题
plot.title = element_markdown(hjust = 0.5,vjust = .5,color = "black",
size = 20, margin = margin(t = 1, b = 12)),
plot.subtitle = element_markdown(hjust = 0,vjust = .5,size=15),
plot.caption = element_markdown(face = 'bold',size = 12),
#设置刻度大小
axis.title = element_text(size=8),
#设置图例属性
legend.position = "bottom",
legend.text = element_text(
color = "black",
size = 10),
legend.key.width = unit(15, "mm"),
legend.key.height = unit(4, "mm")
)
最终的可视化效果如下：
有小伙伴可能会说“没有灰色的背景”，这里说下以下，我们在不删除NA值的情况下绘制就会有对应的灰色背景值，删除NA值后则没有。我们也放出没有删除NA值的可视化结果：
总结
这一期我们还是分享了可视化绘制技巧，希望对大家绘制空间nc网格数据有所帮助，而Python 处理及可视化的绘制操作打算和空间插值的放在一起，尝试使用视频的形式分享给大家~
