使用R优雅地绘制地图

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

01

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

02

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

03

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

04

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

05

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

05

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

image-20230802225018055

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

map

示例的数据和代码可以后台回复【R研究区】

本文由 mdnice 多平台发布