R elevatr AWS и высота USGS совершенно разные
Я использую пакет elevatr в R и понял, что некоторые значения высоты, которые я получаю при вызове get_aws_points(), полностью отличаются от значений при вызове get_elev_point(). В некоторых случаях они находятся на расстоянии тысяч футов друг от друга. Я проверил документы из AWS здесь: https://github.com/tilezen/joerd/blob/master/docs/data-sources.md и вижу, что Калифорния должна использовать USGS 3DEP (либо 3, либо 10 метровое разрешение в Калифорнии). Служба запросов точек Геологической службы США ( https://nationalmap.gov/epqs/) использует демо 1/3 угловой секунды (то есть 10 м). По сути, это должен быть один и тот же набор данных. Я создал следующий воспроизводимый пример здесь. Кто-нибудь знает, что здесь происходит? Ни одна из возвращенных отметок не является идентичной. Обе функции вызывают высоту в метрах, и аргумент z в get_aws_points(), похоже, не влияет на возвращаемое значение высоты.
library(tidyverse)
library(elevatr)
library(USAboundaries)
library(sf)
#> Linking to GEOS 3.9.3, GDAL 3.5.2, PROJ 8.2.1; sf_use_s2() is TRUE
# Compare get_aws_points and get_elev_points
# Import California Polygon and project to California Albers
ca.poly <- us_states()%>%
filter(state_name == "California")%>%
st_transform(3310)
# Create Sample Points
pts <- ca.poly%>%
st_make_grid(10000)%>%
st_centroid()%>%
st_sf()%>%
filter(st_intersects(., ca.poly, sparse = FALSE))
# Get elevation from AWS
e1 <- as.data.frame(get_aws_points(pts), z = 1)
#> Warning: PROJ support is provided by the sf and terra packages among others
#> Warning: PROJ support is provided by the sf and terra packages among others
#> Mosaicing & Projecting
#> Note: Elevation units are in meters.
pts$AWS_Meters <- e1$elevation
# Get Elevation with higher zoom from AWS
e2 <- as.data.frame(get_aws_points(pts), z = 14)
#> Warning: PROJ support is provided by the sf and terra packages among others
#> Warning: PROJ support is provided by the sf and terra packages among others
#> Mosaicing & Projecting
#> Note: Elevation units are in meters.
pts$AWS_Meters_Z14 <- e2$elevation
# Get elevation from USGS
e3 <- as.data.frame(get_elev_point(pts))
#> Warning: PROJ support is provided by the sf and terra packages among others
#> Downloading point elevations:
#> Note: Elevation units are in meters
pts$USGS_Meters <- e3$elevation
# Calculate difference
pts$elevDif <- pts$AWS_Meters - pts$USGS_Meters
summary(pts$elevDif)
#> Min. 1st Qu. Median Mean 3rd Qu. Max.
#> -599.0500 -26.4975 0.6650 -0.2794 31.6025 486.2700
# Plot difference as map
ggplot(pts)+
geom_sf(aes(color = elevDif), size = 1)+
scale_colour_gradientn(colours=rainbow(6))+
labs(title = "AWS Elevation - USGS Elevation [meters]",
color = "Meters")
# Plot difference as points
ggplot(pts)+
geom_abline(slope = 1, intercept = 0, color = "red", size = 1)+
geom_point(aes(x = AWS_Meters, y = USGS_Meters), alpha = 0.2)
#> Warning: Using `size` aesthetic for lines was deprecated in ggplot2 3.4.0.
#> ℹ Please use `linewidth` instead.
Created on 2022-11-22 with reprex v2.0.2
Session infosessioninfo::session_info()
#> ─ Session info ───────────────────────────────────────────────────────────────
#> setting value
#> version R version 4.2.2 (2022-10-31 ucrt)
#> os Windows 10 x64 (build 19042)
#> system x86_64, mingw32
#> ui RTerm
#> language (EN)
#> collate English_United States.utf8
#> ctype English_United States.utf8
#> tz America/New_York
#> date 2022-11-22
#> pandoc 2.19.2 @ C:/Program Files/RStudio/bin/quarto/bin/tools/ (via rmarkdown)
#>
#> ─ Packages ───────────────────────────────────────────────────────────────────
#> package * version date (UTC) lib source
#> assertthat 0.2.1 2019-03-21 [1] CRAN (R 4.2.2)
#> backports 1.4.1 2021-12-13 [1] CRAN (R 4.2.0)
#> broom 1.0.1 2022-08-29 [1] CRAN (R 4.2.2)
#> cellranger 1.1.0 2016-07-27 [1] CRAN (R 4.2.2)
#> class 7.3-20 2022-01-16 [2] CRAN (R 4.2.2)
#> classInt 0.4-8 2022-09-29 [1] CRAN (R 4.2.2)
#> cli 3.4.1 2022-09-23 [1] CRAN (R 4.2.2)
#> codetools 0.2-18 2020-11-04 [2] CRAN (R 4.2.2)
#> colorspace 2.0-3 2022-02-21 [1] CRAN (R 4.2.2)
#> crayon 1.5.2 2022-09-29 [1] CRAN (R 4.2.2)
#> curl 4.3.3 2022-10-06 [1] CRAN (R 4.2.2)
#> DBI 1.1.3 2022-06-18 [1] CRAN (R 4.2.2)
#> dbplyr 2.2.1 2022-06-27 [1] CRAN (R 4.2.2)
#> digest 0.6.30 2022-10-18 [1] CRAN (R 4.2.2)
#> dplyr * 1.0.10 2022-09-01 [1] CRAN (R 4.2.2)
#> e1071 1.7-12 2022-10-24 [1] CRAN (R 4.2.2)
#> elevatr * 0.4.2 2022-01-07 [1] CRAN (R 4.2.2)
#> ellipsis 0.3.2 2021-04-29 [1] CRAN (R 4.2.2)
#> evaluate 0.18 2022-11-07 [1] CRAN (R 4.2.2)
#> fansi 1.0.3 2022-03-24 [1] CRAN (R 4.2.2)
#> farver 2.1.1 2022-07-06 [1] CRAN (R 4.2.2)
#> fastmap 1.1.0 2021-01-25 [1] CRAN (R 4.2.2)
#> forcats * 0.5.2 2022-08-19 [1] CRAN (R 4.2.2)
#> fs 1.5.2 2021-12-08 [1] CRAN (R 4.2.2)
#> furrr 0.3.1 2022-08-15 [1] CRAN (R 4.2.2)
#> future 1.29.0 2022-11-06 [1] CRAN (R 4.2.2)
#> gargle 1.2.1 2022-09-08 [1] CRAN (R 4.2.2)
#> generics 0.1.3 2022-07-05 [1] CRAN (R 4.2.2)
#> ggplot2 * 3.4.0 2022-11-04 [1] CRAN (R 4.2.2)
#> globals 0.16.1 2022-08-28 [1] CRAN (R 4.2.1)
#> glue 1.6.2 2022-02-24 [1] CRAN (R 4.2.2)
#> googledrive 2.0.0 2021-07-08 [1] CRAN (R 4.2.2)
#> googlesheets4 1.0.1 2022-08-13 [1] CRAN (R 4.2.2)
#> gtable 0.3.1 2022-09-01 [1] CRAN (R 4.2.2)
#> haven 2.5.1 2022-08-22 [1] CRAN (R 4.2.2)
#> highr 0.9 2021-04-16 [1] CRAN (R 4.2.2)
#> hms 1.1.2 2022-08-19 [1] CRAN (R 4.2.2)
#> htmltools 0.5.3 2022-07-18 [1] CRAN (R 4.2.2)
#> httr 1.4.4 2022-08-17 [1] CRAN (R 4.2.2)
#> jsonlite 1.8.3 2022-10-21 [1] CRAN (R 4.2.2)
#> KernSmooth 2.23-20 2021-05-03 [2] CRAN (R 4.2.2)
#> knitr 1.40 2022-08-24 [1] CRAN (R 4.2.2)
#> labeling 0.4.2 2020-10-20 [1] CRAN (R 4.2.0)
#> lattice 0.20-45 2021-09-22 [2] CRAN (R 4.2.2)
#> lifecycle 1.0.3 2022-10-07 [1] CRAN (R 4.2.2)
#> listenv 0.8.0 2019-12-05 [1] CRAN (R 4.2.2)
#> lubridate 1.9.0 2022-11-06 [1] CRAN (R 4.2.2)
#> magrittr 2.0.3 2022-03-30 [1] CRAN (R 4.2.2)
#> mime 0.12 2021-09-28 [1] CRAN (R 4.2.0)
#> modelr 0.1.9 2022-08-19 [1] CRAN (R 4.2.2)
#> munsell 0.5.0 2018-06-12 [1] CRAN (R 4.2.2)
#> parallelly 1.32.1 2022-07-21 [1] CRAN (R 4.2.1)
#> pillar 1.8.1 2022-08-19 [1] CRAN (R 4.2.2)
#> pkgconfig 2.0.3 2019-09-22 [1] CRAN (R 4.2.2)
#> prettyunits 1.1.1 2020-01-24 [1] CRAN (R 4.2.2)
#> progress 1.2.2 2019-05-16 [1] CRAN (R 4.2.2)
#> progressr 0.11.0 2022-09-02 [1] CRAN (R 4.2.2)
#> proxy 0.4-27 2022-06-09 [1] CRAN (R 4.2.2)
#> purrr * 0.3.5 2022-10-06 [1] CRAN (R 4.2.2)
#> R6 2.5.1 2021-08-19 [1] CRAN (R 4.2.2)
#> raster 3.6-3 2022-09-18 [1] CRAN (R 4.2.2)
#> Rcpp 1.0.9 2022-07-08 [1] CRAN (R 4.2.2)
#> readr * 2.1.3 2022-10-01 [1] CRAN (R 4.2.2)
#> readxl 1.4.1 2022-08-17 [1] CRAN (R 4.2.2)
#> reprex 2.0.2 2022-08-17 [1] CRAN (R 4.2.2)
#> rgdal 1.6-2 2022-11-09 [1] CRAN (R 4.2.2)
#> rlang 1.0.6 2022-09-24 [1] CRAN (R 4.2.2)
#> rmarkdown 2.18 2022-11-09 [1] CRAN (R 4.2.2)
#> rstudioapi 0.14 2022-08-22 [1] CRAN (R 4.2.2)
#> rvest 1.0.3 2022-08-19 [1] CRAN (R 4.2.2)
#> scales 1.2.1 2022-08-20 [1] CRAN (R 4.2.2)
#> sessioninfo 1.2.2 2021-12-06 [1] CRAN (R 4.2.2)
#> sf * 1.0-9 2022-11-08 [1] CRAN (R 4.2.2)
#> slippymath 0.3.1 2019-06-28 [1] CRAN (R 4.2.2)
#> sp 1.5-1 2022-11-07 [1] CRAN (R 4.2.2)
#> stringi 1.7.8 2022-07-11 [1] CRAN (R 4.2.1)
#> stringr * 1.4.1 2022-08-20 [1] CRAN (R 4.2.2)
#> terra 1.6-17 2022-09-10 [1] CRAN (R 4.2.1)
#> tibble * 3.1.8 2022-07-22 [1] CRAN (R 4.2.2)
#> tidyr * 1.2.1 2022-09-08 [1] CRAN (R 4.2.2)
#> tidyselect 1.2.0 2022-10-10 [1] CRAN (R 4.2.2)
#> tidyverse * 1.3.2 2022-07-18 [1] CRAN (R 4.2.2)
#> timechange 0.1.1 2022-11-04 [1] CRAN (R 4.2.2)
#> tzdb 0.3.0 2022-03-28 [1] CRAN (R 4.2.2)
#> units 0.8-0 2022-02-05 [1] CRAN (R 4.2.2)
#> USAboundaries * 0.4.0 2021-10-12 [1] CRAN (R 4.2.2)
#> USAboundariesData 0.4.0 2022-11-23 [1] https://ropensci.r-universe.dev (R 4.2.2)
#> utf8 1.2.2 2021-07-24 [1] CRAN (R 4.2.2)
#> vctrs 0.5.0 2022-10-22 [1] CRAN (R 4.2.2)
#> withr 2.5.0 2022-03-03 [1] CRAN (R 4.2.2)
#> xfun 0.34 2022-10-18 [1] CRAN (R 4.2.2)
#> xml2 1.3.3 2021-11-30 [1] CRAN (R 4.2.2)
#> yaml 2.3.6 2022-10-18 [1] CRAN (R 4.2.1)
#>
#> [1] C:/Users/AMURRA02/RPackages
#> [2] C:/Program Files/R/R-4.2.2/library
#>
#> ──────────────────────────────────────────────────────────────────────────────
Стоит ли изучать PHP в 2026-2027 годах?
Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.
Приемы CSS-макетирования - floats и Flexbox
Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...
Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest
В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...
Концепция локализации и ее применение в приложениях React ⚡️
Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...
Пользовательский скаляр GraphQL
Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...
1
0
66
1
Перейти к ответу
Данный вопрос помечен как решенный
Ответы 1
Ответ принят как подходящий
Спасибо за вопрос и подробный репрекс.
Проблема в двух строчках:
e1 <- as.data.frame(get_aws_points(pts), z = 1)
e2 <- as.data.frame(get_aws_points(pts), z = 14)
Аргумент z является аргументом для get_aws_points. Вы передаете это как аргумент для as.data.frame. Таким образом, ваши высоты на e1 и e2 используют значение по умолчанию z, равное 5, которое возвращает большой пиксель (несколько км). Я бы не ожидал, что USGS и AWS с z из 5 высот будут очень близко совпадать.
Если вы измените эти две строки на:
e1 <- as.data.frame(get_aws_points(pts, z = 1))
e2 <- as.data.frame(get_aws_points(pts, z = 14))
Тогда вы получите то, что хотите. Высота e1 будет сильно отличаться от высоты USGS, но высота e2 должна быть очень близкой. Большое предостережение... z=14 вернет растр примерно для всей Калифорнии с приблизительным размером пикселя 7 метров. Это будет большое! Я бы уменьшил это. Я протестировал его с помощью z = 10, и разница между двумя источниками составила от -81 до 52 метров. Это ожидается, так как плитки ландшафта масштабируются в зависимости от масштаба, поэтому высота при заданном уровне масштабирования будет передискретизирована. Служба точек Геологической службы США берет данные непосредственно из 10-метрового NED и не подвергается повторной выборке.
Кроме того, поскольку все ваши точки высот находятся в США, я бы использовал службу высот точек USGS для этих данных и не связывался с источником AWS. По общему признанию, возвышения точек AWS — это что-то вроде хака, чтобы иметь возвышения точек для глобальных приложений. Насколько мне известно, глобального аналога службы USGS не существует.
Другие вопросы по теме
Приемник DynamoDB для AWS Data Analytics (Flink)
Произошла неустранимая ошибка в c:209: распределитель != ((void *)0) - aws-sdk-cpp
Как включить трассировку на уровне метода в шлюзе AWS API
Почему в аналитике, близкой к реальному времени, Lambda-->Firehose-->S3 предпочтительнее, чем Lambda-->S3?
Как я могу разобрать поток avro byteString в потоке akka
Возможность подключения конечных точек Amazon RDS и VPC
DynamoDB TTL для активных элементов
S3-Select Цены на JSON
AWS SQS FIFO не может получать все сообщения
Вызов лямбда-функции AWS через пошаговые функции в Golang
Похожие вопросы
Ggplot2: сгруппированный столбчатый график с групповыми результатами в виде одного столбца и итогом в виде второго столбца
Как увеличить даты определенных (динамических) столбцов на один год?
Измените метки столбцов имени и значения, используя поворот дольше
Что эквивалентно `unstack()` в data.table?
Как установить фиксированные цвета линий для каждой категории данных в ggplotly с реактивными данными в блестящем приложении?
Парето или парето?
Переименуйте переменные числовыми именами
Добавление вычисления в заголовок ggplot
Группировать/объединять значения в качестве заголовка в flextable
Извлечение таблицы, занимающей несколько страниц
Вау, я чувствую себя манекеном! Не могу поверить, что пропустил это, спасибо, Джефф!