R-在两个数据集之间具有相关性的世界轮廓图

Question

我有两个数据集A和B，我想找到相关性并绘制等高线图。

A只是具有230个流数据的简单向量。

B是一个序列日期下的复杂海表温度（SST）数据。 在每个日期，SST都有记录的温度的360行* 180列的矩阵。

向量A（230资料）为：

Houlgrave_flow_1981_2000 = window(Houlgrave_flow_average, start = as.Date("1981-11-15"),end = as.Date("2000-12-15")) 
Houlgrave_SF_1981_2000 = coredata(Houlgrave_flow_1981_2000)

矩阵B的尺寸如下所示，我只使用1到230。

> dim(ssta_sst)
[1] 360 180 362

我发现相关性的想法如下。

z_correlation = cor(Houlgrave_SF_SST_1981_2000,ssta_sst[c(181:360, 1:180),,i])

试试，我= 1。 但是，它不起作用。错误消息显示：

"Error in cor(Houlgrave_SF_SST_1981_2000, ssta_sst[c(181:360, 1:180), ,  : 
  incompatible dimensions.".

另外，这是我的轮廓图代码，

require(maps)
par(ask=TRUE)
for (i in 1:230) {
    maps::map(database="world", fill=TRUE, col="light blue")
    maps::map.axes()
    contour(x=lon_sst, y=lat_sst, z=cor(Houlgrave_SF_1981_2000,ssta_sst[c(181:360, 1:180),,i]), zlim=c(-3,3), add=TRUE)
    title(paste("Year: ", year_sst[i], ", Month: ", month_sst[i]))
}

我想我只需要在轮廓代码下修改z。 是否有必要将每个A的数据重新定义为360 * 180数据矩阵？

Answer 1

如果我对问题的理解正确，那么您就有一个时间序列，即一个向量，其索引可以解释为时间，以及一个3维数组，其索引可以解释为时间和位置。

# Sample data
n <- 230
m <- 100
dates <- seq.Date( from=Sys.Date(), length=n, by="day" )
flow <- rnorm(n)
names(flow) <- as.character(dates)
temperatures <- array( rlnorm(n*m*m), dim=c(n,m,m) )
dimnames( temperatures ) <- list(
  time = as.character( dates ),
  longitude = NULL,
  latitude = NULL
)

对于每个位置，您可以使用apply计算该位置的“流量”时间序列与“温度”时间序列（ u ，在下面的代码中）之间的相关性。

correlations <- apply( 
  temperatures, 
  2:3, 
  function (u) cor(u, flow) 
)
image(correlations)