Удаление карт с белой рамкой с помощью geom_sf

Проблема заключается в том, что вы сохраняете ту же ширину и высоту вашего первого ggsave() вывода, даже если вы спроецировали свои данные в WGS84/EPSG:4326. Обратите внимание, что остров Ванкувер на первом изображении гораздо более вытянут по сравнению со вторым. Это потому, что coord_sf() автоматически отображает данные в относительных координатах научно-фантастического объекта. При использовании coord_cartesian() значения x и y считаются равными. Если вам нужно заполнить область графика, у вас есть три варианта:

1. Сохраните те же значения xlim/ylim в coord_sf() и просто отрегулируйте значения ширины и высоты в ggave().
2. Редактируйте значения xlim/ylim в coord_sf(), пока выходные данные не будут соответствовать существующим значениям ширины и высоты.
3. Преобразуйте ваши объекты научной фантастики в фреймы данных и отобразите их, используя geom_polygon() в сочетании с coord_fixed().

Этот упрощенный репрекс демонстрирует варианты 1 и 3, последний, я считаю, вам нужен. Поскольку вы не предоставили никаких образцов данных, я использовал набор данных ne_countries() из пакета rnaturalearth вместо слова «земля». Для простоты я создал только точки выборки, представляющие «CPUE.bymonth.mean.nonzero», и использовал panel.background = вместо «воды».

Опция 1

library(rnaturalearth)
library(sf)
library(dplyr)
library(ggplot2)

# Load world map data
land <- ne_countries(scale = "medium")

# Create sample point data
set.seed(1)
CPUE.bymonth.mean.nonzero <- data.frame(Lon = runif (10, -126, -124),
                                        Lat = runif (10, 48.5, 49.5),
                                        Year = rep(c(2022, 2023), each = 5),
                                        Month = rep(month.abb[4:8], 2),
                                        MeanCPUE = sample(100:4000, 10))

# Plot
heatmap <- ggplot() +
  geom_sf(data = land) +
  geom_point(data= CPUE.bymonth.mean.nonzero,
             aes(x = Lon, y = Lat, size = MeanCPUE),
             alpha = 0.5, 
             colour = "coral",
             stroke = 0.7) +
  coord_sf(xlim = c(-126.2986, -122.2988), 
           ylim = c(48.30015, 50.39008)) +
  scale_size_continuous(breaks = c(0, 500,1000, 3000), 
                        name = "Mean CPUE", 
                        range = c(2.5, 15)) +
  theme_bw() +
  theme(axis.text.x = element_blank(),
        axis.text.y = element_blank(),
        axis.ticks = element_blank(),
        axis.title.x = element_blank(), 
        axis.title.y = element_blank(),
        panel.background = element_rect(fill = "paleturquoise3", colour = NA),
        legend.key = element_rect(fill = "white", colour = NA),
        panel.grid.major = element_blank(),
        panel.grid.minor = element_blank()) +
  guides(size = guide_legend(override.aes = list(color = c("coral", "coral", "coral"), 
                                                 alpha = 0.6), size = 12)) +
  facet_grid(Year ~ Month) +
  theme(strip.text.x = element_text(size = 12, color = "black", face = "bold"),
        strip.text.y = element_text(size = 12, color = "black", face = "bold"))

ggsave("figures/CPUE_map.png",
       heatmap, 
       width = 12,
       height = 3.8,
       dpi = 600)

Вот результат, обратите внимание, что разрешение этого изображения составляет всего 150 точек на дюйм:

Вариант 3

В этом примере я использовал coord_fixed(ratio = 2.5), что, похоже, очень похоже на ваш исходный сюжет. При необходимости отрегулируйте.

# Convert land sf to df
land_df <- land |>
  select(geometry) |>
  st_cast("POLYGON") |>
  st_coordinates() |>
  as.data.frame() |>
  rename(lon = X, lat = Y)

# Plot
heatmap <- ggplot() +
  geom_polygon(data = land_df, 
               aes(x = lon, y = lat, group = L2),
               fill = "grey96",
               colour = "turquoise4") +
  geom_point(data= CPUE.bymonth.mean.nonzero,
             aes(x = Lon, y = Lat, size = MeanCPUE),
             alpha = 0.5, 
             colour = "coral",
             stroke = 0.7) +
  coord_fixed(xlim = c(-126.2986, -122.2988), 
              ylim = c(48.30015, 50.39008),
              ratio = 2.5) +
  scale_size_continuous(breaks = c(0, 500,1000, 3000), 
                        name = "Mean CPUE", 
                        range = c(2.5, 15)) +
  theme_bw() +
  theme(axis.text.x = element_blank(),
        axis.text.y = element_blank(),
        axis.ticks = element_blank(),
        axis.title.x = element_blank(), 
        axis.title.y = element_blank(),
        panel.background = element_rect(fill = "paleturquoise3", colour = NA),
        legend.key = element_rect(fill = "white", colour = NA),
        panel.grid.major = element_blank(),
        panel.grid.minor = element_blank()) +
  guides(size = guide_legend(override.aes = list(color = c("coral", "coral", "coral"), 
                                                 alpha = 0.6), size = 12)) +
  facet_grid(Year ~ Month) +
  theme(strip.text.x = element_text(size = 12, color = "black", face = "bold"),
        strip.text.y = element_text(size = 12, color = "black", face = "bold"))

ggsave("figures/CPUE_map.png",
       heatmap, 
       width = 12,
       height = 6,
       dpi = 600)

Опять же, этот пример построен с разрешением 150 точек на дюйм, но значения ширины и высоты в ggsave() соответствуют исходному графику.