Anda dapat menggunakan raster
paket untuk mengunduh data WorldClim, melihat ?getdata
untuk mengetahui tentang resolusi, variabel, dan koordinat.
Sebagai contoh:
library(raster)
library(sp)
r <- getData("worldclim",var="bio",res=10)
Bio 1 dan Bio12 adalah suhu rata-rata tahunan dan curah hujan tahunan:
r <- r[[c(1,12)]]
names(r) <- c("Temp","Prec")
Saya membuat titik acak sebagai contoh, dalam kasus Anda gunakan koordinat untuk membuat SpatialPoint
objek.
points <- spsample(as(r@extent, 'SpatialPolygons'),n=100, type="random")
Akhirnya, gunakan extract
. Dengan cbind.data.frame
dan coordinates
Anda akan mendapatkan data.frame keinginan.
values <- extract(r,points)
df <- cbind.data.frame(coordinates(points),values)
Saya menggunakan poin acak, jadi saya mendapat banyak NA
. Itu yang diharapkan.
head(df)
x y Temp Prec
1 112.95985 52.092650 -37 388
2 163.54612 85.281643 NA NA
3 30.95257 5.932434 270 950
4 64.66979 40.912583 150 150
5 -169.40479 -58.889104 NA NA
6 51.46045 54.813600 36 549
plot(r[[1]])
plot(points,add=T)
Jangan lupa bahwa data WorldClim memiliki faktor skala 10, jadi Temp = -37
-3.7 ºC.
Dengan koordinat contoh:
library(raster)
library(sp)
r <- getData("worldclim",var="bio",res=10)
r <- r[[c(1,12)]]
names(r) <- c("Temp","Prec")
lats <- c(9.093028 , 9.396111, 9.161417)
lons <- c(-11.7235, -11.72975, -11.709417)
coords <- data.frame(x=lons,y=lats)
points <- SpatialPoints(coords, proj4string = r@crs)
values <- extract(r,points)
df <- cbind.data.frame(coordinates(points),values)
df
x y Temp Prec
1 -11.72350 9.093028 257 2752
2 -11.72975 9.396111 257 2377
3 -11.70942 9.161417 257 2752