R 多变量数据预处理_R语言空间数据分析（九）：栅格数据探索性分析

作者：黄天元，复旦大学博士在读，热爱数据科学与开源工具（R），致力于利用数据科学迅速积累行业经验优势和科学知识发现，涉猎内容包括但不限于信息计量、机器学习、数据可视化、应用统计建模、知识图谱等，著有《R语言高效数据处理指南》（《R语言数据高效处理指南》(黄天元)【摘要 书评 试读】- 京东图书）。知乎专栏：R语言数据挖掘。邮箱：huang.tian-yuan@qq.com.欢迎合作交流。

https://zhuanlan.zhihu.com/p/283199848​zhuanlan.zhihu.com

EDA（Exploratory Data Analysis，探索性数据分析）是数据科学重要的一个环节，对于给定的栅格数据，我们要如何进行可视化呢？本帖子将会基于HopeR：R语言空间数据分析（八）：栅格数据预处理中清洗好的数据，进行探索性数据分析。首先，我们把数据导入R环境中。这里，我们只对1到7共七个波段进行分析。

library(pacman)
p_load(sp,raster,rgeos,rgdal,rasterVis,raster,fs,sf,tidyverse)

dir("data/LC08_L1TP_203023_20190513_20190521_01_T1/mask",full.names = T) %>% 
  str_subset(pattern = "_B[1-7]_") %>% 
  stack() -> manc

在manc变量中，波段是按照1到7的顺序排列的，我们根据波段的光谱名称，给这些图层进行命名：

# Name the Bands based on where they sample the electromagentic spectrum
names(manc) <- c('ultra-blue', 'blue', 'green', 'red', 'NIR', 'SWIR1', 'SWIR2') 

然后，我们可以对manc这个变量进行一些基本的探索：

crs(manc) # projection 坐标系
extent(manc) # extent 分布范围
ncell(manc) # number of cells 格点数量
dim(manc) # number of rows, columns, layers 数据维度
nlayers(manc) # number of layers 图层个数
res(manc) # xres, yres 像素是多少乘多少的

然后，让我们来对图层进行可视化。可以利用红绿蓝这三个光谱图层合成真彩色图像，也可以利用其它光谱图层合成伪彩色图像，关于这方面的知识，可以参考遥感影像图中真彩色，假彩色，伪彩色是怎样定义的？为什么要分这些类？。这里我们直接用代码进行实现：

# visualization
# true colour composite
manc_rgb <- stack(manc$red, manc$green, manc$blue)
# false colour composite
manc_false <- stack(manc$NIR, manc$red, manc$green)

manc_rgb %>%
  plotRGB(.,axes=TRUE, stretch="lin")
manc_false %>%
  plotRGB(.,axes=TRUE, stretch="lin")

真彩色图像

伪彩色图像

我们可以只观察一个波段的图层，比如SWIR2：

plot(manc$SWIR2)

也可以同时观察4个图层，基本包中的绘图函数可以这样实现：

## How are these bands different?
#set the plot window size (2 by 2)
par(mfrow = c(2,2))
#plot the bands
plot(manc$blue, main = "Blue")
plot(manc$green, main = "Green")
plot(manc$red, main = "Red")
plot(manc$NIR, main = "NIR")

最后，我们可以尝试使用GGally包的ggpairs函数来探知不同光谱之间的相关性（只进行抽样调查，抽了100个样本）：

library(ggplot2)
library(GGally)

manc %>%
  as.data.frame(., na.rm=TRUE)%>%
  sample_n(., 100)%>%
  ggpairs(.,axisLabels="none")

对角线上是单变量的分布状况，左下角为散点图，右上角是变量两两之间的相关系数，星号*代表显著水平，使用的是Pearson相关系数（参考自Correlation matrix with ggally）。