使用R将nc文件转换为asc文件或者tif文件

使用R将nc文件转换为asc文件或者tif文件

文章目录


前言

本文主要记录一下如何将环境数据的nc文件转换为asc文件、tif文件,分享所用R代码。


一、nc文件转换为asc文件代码

使用R语言代码将nc文件批量转换为asc文件

该转换算是对于生态位模拟(ENM)分析笔记的一个步骤补充,具体可详见该文章。

r 复制代码
#批量转换nc文件为asc文件
library(ncdf4)
library(raster)
library(progress)

input_dir <- "D:/oceandata/48_nc"  #nc文件存放目录
output_dir <- "D:/oceandata/48_asc"  # 修改输出目录名
dir.create(output_dir, showWarnings = FALSE, recursive = TRUE)

nc_files <- list.files(path = input_dir, 
                       pattern = "\\.nc$", 
                       full.names = TRUE)

pb <- progress_bar$new(
  format = " 转换进度 [:bar] :percent | 剩余: :eta",
  total = length(nc_files), 
  clear = FALSE,
  width = 60
)

process_nc_file <- function(nc_file) {
  tryCatch({
    nc <- nc_open(nc_file)
    available_vars <- names(nc$var)
    first_var <- available_vars[1]
    nc_close(nc)
    
    tmpbr <- brick(nc_file, varname = first_var)
    base_name <- tools::file_path_sans_ext(basename(nc_file))
    
    # 修改为ASC输出格式
    output_file <- file.path(output_dir, paste0(base_name, ".asc"))
    
    writeRaster(tmpbr,
                filename = output_file,
                bylayer = TRUE,
                format = "ascii",  # 关键修改点
                NAflag = -9999)    # 设置无效值标识
    
    pb$tick()
    message(paste("\n成功转换:", basename(nc_file)))
  }, error = function(e) {
    pb$tick()
    message(paste("\n处理失败:", basename(nc_file), "错误:", e$message))
  })
}

cat("开始批量转换NC文件为ASC...\n")
lapply(nc_files, process_nc_file)
cat("\n批量转换完成!共处理", length(nc_files), "个文件\n")

二、nc文件转换为tif文件代码

使用R语言将nc文件批量转换为tif文件

r 复制代码
#library(ncdf4)
#nc <- nc_open("D:/oceandata/48_nc/Air_temperature_[range].nc")
#available_vars <- names(nc$var)  # 获取所有变量名
#first_var <- available_vars[1]   # 提取第一个变量名
#nc_close(nc)
#library(raster)

#tmpbr <- brick("D:/oceandata/48_nc/Air_temperature_[range].nc", 
   #            varname = first_var)
#print(paste("已选择变量:", first_var))
#print("数据维度信息:")
#print(dim(tmpbr))
## 显式指定输出目录
#output_dir <- "D:/output_folder"
#dir.create(output_dir, showWarnings = FALSE)
#writeRaster(tmpbr,
 #           filename = file.path(output_dir, paste0(names(tmpbr), ".tif")),
   #         bylayer = TRUE,
     #       format = "GTiff")


# 批量处理
library(ncdf4)
library(raster)
library(progress)

input_dir <- "D:/oceandata/48_nc"
output_dir <- "D:/oceandata/48_tif"
dir.create(output_dir, showWarnings = FALSE, recursive = TRUE)

nc_files <- list.files(path = input_dir, 
                       pattern = "\\.nc$", 
                       full.names = TRUE)

# 创建进度条
pb <- progress_bar$new(
  format = " 转换进度 [:bar] :percent | 剩余: :eta",
  total = length(nc_files), 
  clear = FALSE,
  width = 60
)

process_nc_file <- function(nc_file) {
  tryCatch({
    nc <- nc_open(nc_file)
    available_vars <- names(nc$var)
    first_var <- available_vars[1]
    nc_close(nc)
    
    tmpbr <- brick(nc_file, varname = first_var)
    base_name <- tools::file_path_sans_ext(basename(nc_file))
    output_file <- file.path(output_dir, paste0(base_name, ".tif"))
    
    writeRaster(tmpbr,
                filename = output_file,
                bylayer = TRUE,
                format = "GTiff")
    
    pb$tick()  # 更新进度条
    message(paste("\n成功转换:", basename(nc_file)))
  }, error = function(e) {
    pb$tick()
    message(paste("\n处理失败:", basename(nc_file), "错误:", e$message))
  })
}

cat("开始批量转换NC文件...\n")
lapply(nc_files, process_nc_file)

cat("\n批量转换完成!共处理", length(nc_files), "个文件\n")

总结

---2025-8-6

相关推荐
Lun3866buzha15 小时前
【深度学习】Mask R-CNN在温室番茄成熟度检测中的应用——基于ResNet18与FPN的多级特征融合分类系统
深度学习·r语言·cnn
Katecat996631 天前
夜间收费站与道路场景多类型车辆检测与分类:基于Faster R-CNN R50 PAFPN的实现_1
分类·r语言·cnn
Piar1231sdafa1 天前
红枣目标检测Cascade R-CNN改进版_FPN结构优化详解
目标检测·r语言·cnn
天桥下的卖艺者2 天前
R语言绘制复杂加权数据(nhanes数据)多模型生存分析决策曲线
开发语言·r语言
Tiger Z2 天前
《R for Data Science (2e)》免费中文翻译 (第15章) --- Regular expression(1)
数据分析·r语言·数据科学·免费书籍
Dekesas96952 天前
【深度学习】基于Faster R-CNN的黄瓜幼苗智能识别与定位系统,农业AI新突破
人工智能·深度学习·r语言
青啊青斯2 天前
二、PaddlePaddle seal_recognition印章内容提取
人工智能·r语言·paddlepaddle
Piar1231sdafa2 天前
木结构建筑元素识别与分类:基于Faster R-CNN的高精度检测方法
分类·r语言·cnn
Piar1231sdafa3 天前
智能拖拉机目标检测:改进Faster R-CNN的实践与优化
目标检测·r语言·cnn
青春不败 177-3266-05204 天前
HMSC联合物种分布模型在群落生态学中的贝叶斯统计分析应用
随机森林·r语言·生态学·生物多样性·生态环境·生物群落·物种分布