使用nppr包下载和处理海洋遥感数据（SST、Chla、PAR、NPP） - 海洋遥感数据处理

使用nppr包下载和处理海洋遥感数据（SST、Chla、PAR、NPP）

Ocean Productivity（http://sites.science.oregonstate.edu/ocean.productivity/index.php）是一个众所周知的海洋生产力数据库，我们经常从中下载相关的遥感数据来用于分析。

9 _3 J' k2 ~8 o

本篇介绍师兄的一个R包，nppr包（https://github.com/chaoxv/nppr）。该包提供了便捷的函数，可以用来下载和处理Ocean Productivity的海洋表面温度（SST）、光合有效辐射（PAR）、叶绿素a（Chl a）、净初级生产力（NPP）等遥感数据。

安装nppr包

可在github（https://github.com/chaoxv/nppr）获取nppr包。

#下载nppr包

7 @$ _) Q# W! u. }8 V

#install.packages(remotes)

" J& n- F6 \8 l7 G% E. v

remotes::install_github(chaoxv/nppr)

#加载相关R包

) b# P3 }" Y$ r g

library(nppr)

library(RCurl)

( |& p# B4 V) g! a& T

library(XML)

9 N0 o4 f4 q* s- B$ [& y3 `

library(R.utils)

- r" h" O4 q8 I

library(tidyverse)

library(lubridate)

+ @1 c0 X% X: T

使用nppr包下载海洋遥感数据

! ?8 c5 W) `( v

nppr包内常用函数如下所示，get_*等函数可分别用于下载Ocean Productivity的海洋表面温度（SST）、光合有效辐射（PAR）、叶绿素a（Chl a）、净初级生产力（NPP）等遥感数据。

4 }4 I) q2 ~" F5 b

以下以获取海洋NPP遥感数据为例作个演示。

x) \, f3 {8 m5 A/ j& }

#创建工作路径

yourfolder <- F:/R/nppr/vgpm

dir.create(yourfolder)

#以VGPM（NPP的一种遥感算法）为例做个演示，详情?get_npp_vgpm

. u, [3 S2 e; r, A5 O1 E8 t

get_npp_vgpm(

/ z" p) z. R4 N% \# }7 v

file.path = yourfolder,

5 G1 T' r! r1 O( Z

grid.size = low, #指定low或high可更改空间分辨率

9 l* O. T* ?0 n4 X; K0 t/ T( V

time.span = monthly, #monthly代表月平均，dayly代表8天平均

# _/ j5 L9 g$ H } b0 b! p

satellite = MODIS, #选择卫星

! u: q$ y. [! ^9 x9 p

mindate = 2016-01-15, #指定时间范围以下载遥感

8 ]7 {' p8 Q& y/ ]1 O+ S/ z7 P2 ]

maxdate = 2016-03-15

)

4 a. _) ~, z3 W' p$ U; V% B! f+ Z

: F1 g& `2 w9 S8 V

在这个示例中，我们使用nppr包下载了来自Ocean Productivity（http://orca.science.oregonstate.edu/1080.by.2160.monthly.hdf.vgpm.m.chl.m.sst.php）的基于VGPM算法反演的全球海洋2016年1月至3月的月平均NPP数据。

使用nppr包进行遥感数据格式转换

! P8 m6 F* V" i3 z! [

如上所述，下载后的遥感数据以hdf格式存储。nppr包提供了便捷的方法，可将hdf格式转为常见的数据框格式，便于我们后续操作。

#将hdf文件转为常见的数据框格式，例如将上述下载的2016年3月的月平均NPP数据做个转换

( s, ?9 Y! Z/ }

yourfile <- paste0(yourfolder, /201603.hdf)

vgpm <- read_hdf(file.path = yourfile)

2 v, |% f& @: I# p# S8 @6 B5 d/ l8 p

head(vgpm)

$ w' c7 w7 j/ p4 Y6 ^

write.table(vgpm, vgpm.201603.txt, sep = \t, row.names = FALSE, quote = FALSE)

W" F* w7 d4 m

转换后的数据框包括三列，分别是经度（lon）、纬度（lat）以及当前日期内该经纬度海区的NPP（var，单位mg C m-2 d-1）。

, m% ~/ O" g/ T) H' ]

使用nppr包匹配目标经纬度的遥感数据

默认情况下，下载的遥感数据是全球海洋的。nppr包同样提供了相关函数，便于我们从中提取特定区域的遥感数据，如下所示。

#获取指定日期和经纬度的遥感，例如在上述2016年3月的月平均NPP数据中提取120°E、20°N的NPP

+ d( u: X# \9 n

match_sig(file.path = yourfolder, lon = 120, lat = 20, date = 2016-03-01)

/ k: P- m4 t5 O+ D# D& _4 ]

#或者同时指定多个数据，不再多说

4 S( n G; i1 B. v: j

mydat <- data.frame(

5 X' l" F. Y7 k k# U ^, ]) ?

lon = c(120, 112, 116),

+ F- ~, c9 J% r. n' k5 K; e

lat = c(17, 15, 18),

date = c(2016-03-04, 2016-03-07, 2016-02-04)

5 A4 ^2 B7 W1 I. H

)

match_df(mydat, file.path = yourfolder)

绘制遥感地图

6 }# D" E4 ~6 ?0 K

nppr包的函数geom_oce()可以用来绘制地图，例如我们作图展示来自遥感反演的NPP分布。

# g1 ^3 M( F L. {0 K

#上述已经将下载的2016年3月的月平均NPP数据转换为数据框格式

# z" M$ y% X3 @

#我们仍以该数据为例作图，展示中国南海2016年3月的月平均NPP

+ g' }+ \' N, Y6 W. L

library(viridis)

library(ggplot2)

ggplot()+

geom_oce(vgpm, aes(x = lon, y = lat, fill = var), lonlim = c(100, 120), latlim = c(7, 25))+

scale_fill_viridis(option = D, direction = -1,breaks = seq(50, 1050, 100), limits = c(50, 1050))+

! m0 f7 P' ?$ [' @+ m5 v

labs(x = Longitude, y = Latitude, fill = expression(NPP*~(*mg~C~m^-2~d^-1*)))

& I: l6 {: Y* z$ q9 w

根据时间和经纬度列表匹配遥感数据的批处理

实际情况中，经常需要对来自不同时间不同经纬度的大量站位匹配遥感，以下提供了一个批处理（不过这是自己先前瞎写的，然后一直偷懒一直用，俺也不知道写的对不对......写在这里仅为方便自己复制粘贴，大家慎用......）

将待匹配的站位的经纬度、日期信息整合在一个文档中，如下所示的这样（本示例命名为“data.txt”）。

8 @+ t$ l8 [& A! o* }

1 A* j2 h. f7 ^7 C# Q) _3 N2 M1 u2 h; u

随后在R中读取该文件，设置一个循环，依次读取日期信息以下载当前日期的遥感（如月平均或8天平均的SST、PAR、Chla或NPP等）。并再根据各站位的经纬度，从中匹配该站位附近的数据（比方说以0.1°为网格进行匹配，并将网格内的数据平均）。

; k+ I; B8 V/ r2 `

##如下以匹配SST数据为例做个演示

+ N8 ~# _' U5 P

dat <- read.delim(data.txt)

; q# q% Y. h. f6 N& j/ v

Date <- unique(dat$Date) #获取日期

yourfolder <- paste0(getwd(), /, SST) #在当前工作路径下创建新路径以存放遥感数据

dir.create(yourfolder)

! N& Z/ y% t4 B% J! C2 N. j

#通过循环依次获取各日期下的遥感（本示例以下载8天平均SST为例）

for (i in Date) {

yourfolder <- paste(getwd(), SST, i, sep = /)

; r5 @3 s9 U9 C% j. @, u$ I" a

dir.create(yourfolder)

4 w/ ~ M% {/ m, \0 ]: |' M- l

get_sst(file.path = yourfolder, grid.size = low, time.span = dayly, satellite = MODIS, mindate = i, maxdate = i)

yourfile <- dir(yourfolder)

* p2 G) Y& t9 E) i; W9 ]' t$ W0 m

hdf <- read_hdf(file.path = paste(yourfolder, yourfile, sep = /))

write.table(hdf, paste(yourfolder, /, i, .xls, sep = ), sep = \t, row.names = FALSE, quote = FALSE)

}

, O, C' H( \! \8 q5 Z% V( W, k

#再根据列表中各站位的经纬度匹配当前日期的遥感（本示例计算0.1°网格内的平均）

for (i in 1:nrow(dat)) {

Date <- dat[i,Date]

yourfile <- paste(getwd(), /, SST, /, Date, /, Date, .xls, sep = )

& `' |. _9 D6 e/ R4 G% m, x B

hdf <- read.delim(yourfile)

hdf <- hdf[which(round(hdf$lon, 2) < round(dat[i,Longitude], 2)+0.1 & round(hdf$lat, 2) < round(dat[i,Latitude], 2)+0.1), ]

# D2 u# R- a) l

hdf <- hdf[which(round(hdf$lon, 2) > round(dat[i,Longitude], 2)-0.1 & round(hdf$lat, 2) > round(dat[i,Latitude], 2)-0.1), ]

dat[i,SST] <- mean(hdf$var)

}

write.table(dat, SST+0.1.xls, sep =\t, quote = FALSE, row.names = FALSE)

. Q! j* k- R& P5 B! k+ ^ j3 i

输出列表的最后一列添加了匹配的遥感数据（本示例匹配了SST）。

. V" S8 u l2 l7 Y3 K " l6 e5 P5 O. r. q. I/ f4 u