学习网址:https://blog.csdn.net/SUN5_The_answer/article/details/135131492
library(raster)
library(terra)
library(ncdf4)
occur <- read.csv("sample information1.csv", header=T, row.names = "Code")
objects(occur)
bio1 <- raster("wc2.1_10m_bio_1.tif")
crs.wgs <- "+proj=longlat +datum=WGS84 +no_defs +ellps=WGS84 +towgs84=0,0,0"
crs(bio1) <- crs.wgs
occ <- SpatialPointsDataFrame(
occur[,c('Lon','Lat')],
proj4string=CRS(crs.wgs),
data=occur
)
lo_bio1 <- raster::extract(bio1,occ)
for (i in 1:19) {
var = raster(paste0("wc2.1_10m_bio_",i,".tif"))
var_val = raster::extract(var, occ)
occur = cbind(occur, var_val)
colnames(occur)[i+2] <- paste0("bio",i)
}
write.csv(occur, 'bio_val.csv', quote = FALSE)
Rt提取气候因子
©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。
推荐阅读更多精彩内容
- 工具准备 ArcGIS Desktop下载安装 软件的下载和安装自行解决,可参考文末提供的参考资料。 Worldc...
- 写在前面 昨日,我推出了两个 TBtools 小插件,主要用于快速基于输入的蛋白序列和启动子序列,预测一个初级的基...