Sri*_*h G 4 workflow r contour spatial-interpolation
我是一位地质学家,需要在具有不同xyz数据集的项目中创建数百个一致的轮廓图。
塑造不规则xyz数据点的轮廓涉及在统一的xy网格处创建内插(外推)z值的“网格”。在R之外-此步骤称为“网格化”。我对R还是比较陌生,因此我尝试设置一个强大的工作流来网格化大量不规则数据点。我在努力!
在经典轮廓映射软件和工作流程上,步骤如下:
我正在尝试使R脚本完全遵循上述步骤顺序,以在整个分析过程中保持灵活性和控制力。
df是由示例数据集组成的数据帧。
wellid property z x y
060010 1 0.008849558 756994.5 2637732
009410 1 0.260162602 760190.9 2622262
009910 1 0.115044248 760898.7 2637466
051110 1 0.109243697 761690.2 2630985
065610 1 0.066666667 763064.1 2620929
011010 1 0.000000000 763089.3 2630888
035210 1 0.022556391 765942.4 2625944
052510 1 0.157894737 767058.1 2650034
006610 1 0.045045045 768265.0 2645318
009010 1 0.378151261 768471.8 2636731
011210 1 0.028776978 771393.8 2629001
064810 1 0.428571429 771394.1 2650776
009110 1 0.064220183 775332.6 2648531
011410 1 0.148760331 778324.8 2633905
065010 1 0.514851485 780480.9 2654874
052410 1 0.173913043 780961.0 2637571
064110 1 0.019417476 781001.5 2650994
009310 1 0.037383178 783904.7 2641130
010810 1 0.041237113 786200.6 2652417
052610 1 0.150537634 788007.5 2654005
Run Code Online (Sandbox Code Playgroud)
感兴趣区域是根据以下研究区域确定的:
xmin <- signif(min(wellcoords$x),4) - 1000
xmax <- signif(max(wellcoords$x),4) +1000
ymin <- signif(min(wellcoords$y),5) - 1000
ymax <- signif(max(wellcoords$y),5) +1000
xrange <- xmax-xmin
yrange <- ymax-ymin
gridint <- 500 # grid interval is set same for xint and yint
Run Code Online (Sandbox Code Playgroud)
值分别是:754700、791500、26196000、2658600、36800、39000、500。
经过大量失败的尝试-从软件包中获取了interp()函数-akima进行了所需的插值。感谢“在不规则网格上绘制轮廓”下的回答
fld<- with(df, interp(x=df$x, y=df$y, z=df$z, xo=xcoord, yo=ycoord, linear = FALSE, extrap = TRUE))
Run Code Online (Sandbox Code Playgroud)
这不允许我根据需要指定AOI控件。我尝试使用MBA软件包,但仍在创建xy.est参数(网格网格)作为必需的输入。
如果生成正确的“网格”,则ggplot2和其他显示功能将非常强大且足够。
是否有适当的“网格化”软件包或“步骤”。提前致谢。
我认为您不必使用其他程序包akima(以及诸如的图形程序包ggplot2)。您可以提供AOI和No of'grid'作为interp的参数xo和yo。您可以通过获取xy.est参数interp2xyz(interp.obj)。
df <- "your example data set"
# I didn't know What wellcoords were, so I treated df as wellcoords. These values are different from what you said.
xmin <- signif(min(df$x),4) - 1000 # 756000
xmax <- signif(max(df$x),4) + 1000 # 789000
ymin <- signif(min(df$y),5) - 1000 # 2619900
ymax <- signif(max(df$y),5) + 1000 # 2655900
gridint <- 500
library(akima)
fld<- with(df, interp(x = x, y = y, z = z, linear = FALSE, extrap = TRUE,
xo=seq(xmin, xmax, length=gridint),
yo=seq(ymin, ymax, length=gridint))) # give AOI and NO of 'grid'
# check whether the conditions are met.
length(fld$x); length(fld$y); length(fld$z); range(fld$x); range(fld$y)
# 500, 500, 250000 (=500^2), 756000 789000, 2619900 2655900, # all OK
contour(fld) # Left graph (most basic graphic output)
fld2 <- as.data.frame(interp2xyz(fld)) # the xy.est parameter (data.frame)
library(ggplot2)
ggplot(fld2, aes(x=x, y=y, z=z)) + geom_contour() # Right graph (simple example)
Run Code Online (Sandbox Code Playgroud)