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
JicasdC123asd1 天前
使用Faster R-CNN模型训练汽车品牌与型号检测数据集 改进C4结构 优化汽车识别系统 多类别检测 VOC格式
r语言·cnn·汽车
请你喝好果汁6411 天前
## 学习笔记:R 语言中比例字符串的数值转换,如GeneRatio中5/100的处理
笔记·学习·r语言
怦怦蓝1 天前
DB2深度解析:从架构原理到与R语言的集成实践
开发语言·架构·r语言·db2
新新学长搞科研1 天前
【CCF主办 | 高认可度会议】第六届人工智能、大数据与算法国际学术会议(CAIBDA 2026)
大数据·开发语言·网络·人工智能·算法·r语言·中国计算机学会
Piar1231sdafa2 天前
战斗车辆状态识别与分类 --- 基于Mask R-CNN和RegNet的模型实现
r语言·cnn
陳土2 天前
R语言Offier包源码—1:read_docx()
r语言
善木科研喵2 天前
IF5.9分,α-硫辛酸如何缓解化疗神经毒性?网络毒理学结合网络药理学双重锁定关键通路!
数据库·数据分析·r语言·sci·生信分析·医学科研
Piar1231sdafa3 天前
椅子目标检测新突破:Cascade R-CNN模型详解与性能优化_1
目标检测·r语言·cnn
Loacnasfhia93 天前
基于Mask R-CNN与RegNetX的钢水罐及未定义物体目标检测系统研究_1
目标检测·r语言·cnn
Dingdangcat863 天前
汽车表面损伤检测实战:基于Faster R-CNN与PISA优化的R50_FPN模型详解
r语言·cnn·汽车