我有一个光栅堆栈和100分。对于每个栅格，我想提取值，并使用三个不同的比例/缓冲区。
首先，这里有三个光栅组合成一个堆栈
library(raster)
# Make rasters and combine into stack
set.seed(123)
r1 = raster(ncol=1000, nrow=1000, xmn=0, xmx=1000, ymn=0, ymx=1000)
values(r1) = round(runif(ncell(r1),1,100))
r2 = raster(ncol=1000, nrow=1000, xmn=0, xmx=1000, ymn=0, ymx=1000)
values(r2) = round(seq(1:ncell(r1)))
r3 = raster(ncol=1000, nrow=1000, xmn=0, xmx=1000, ymn=0, ymx=1000)
values(r3) = round(runif(ncell(r1),1,5))
RasterStack <- stack(r1, r2, r3)
然后我生成100个点作为SpatialPoints对象
#make points
Points <- SpatialPoints(data.frame(xPoints = sample(1:1000, 100),
yPoints = sample(1:1000, 100)))
接下来，我定义了我想循环的三个缓冲区
Scales <- c(60, 500)
为了更好地描述所需的结果，我将首先使用单个栅格，而不是RasterStack。下面的代码定义了一个矩阵（输出），它在循环中填充，每列是两个不同r1的{{1}}的提取值。然后在循环外标记列。
Scales我想要相同的输出，但不是调用单个栅格（例如上面的r1），我想为output <- matrix(ncol = length(Scales), nrow = length(Points))
for( i in 1:length(Scales)) {
output[, i] <- extract(r1, Points, method='simple', buffer=Scales[i], fun=mean)
}
colnames(output) <- paste("r1", Scales, sep = "_" )
> head(output)
r1_60 r1_500
[1,] 50.67339 50.42280
[2,] 50.42401 50.42335
[3,] 49.96709 50.44288
[4,] 50.65492 50.52634
[5,] 50.60678 50.43535
[6,] 50.52477 50.48277
中的每个栅格执行此操作。最终结果是矩阵（或data.frame），每个栅格有两列（r1：r3）。如示例所示，标签将对应于相应的比例，以便列标记为RasterStack
我认为嵌套的r1_60, r1_500, r2_60, ... , r3_500.循环可以在我遍历for和RasterStack的地方工作，但怀疑可能有更好的方法。
对于真实数据，我有20个栅格，分别是1541到1293和大约30,000个位置。我还有5个不同的比例，因此嵌套的Scales循环需要很长时间才能运行。
加成 采用不同的方法，我可以使用以下代码创建数据帧列表，每个数据帧对应于使用给定缓冲区提取的每个层的值。
for从这个输出中，我如何制作一个6×100的数据帧，其中每列将被标记为“layer_buffer数”。例如，layer.1_60，layer.2_60，...，layer.2_500，layer.3_500。
我还可以发布一个新的首选问题。
答案 0 :(得分：2)
raster包中似乎存在一个错误，如果RasterStack表示的距离小于网格分辨率，则从buffer中提取值时会导致错误。这也称为here。
例如，
extract(RasterStack, Points, buffer=0, fun=mean)
## Error in apply(x, 2, fun2) : dim(X) must have a positive length
解决方法有点混乱：
# Just the first 10 points, for the example
Points <- Points[1:10, ]
dat <- do.call(cbind, lapply(Scales, function(b) {
out <- do.call(rbind, lapply(extract(RasterStack, Points, buffer=b),
function(x) if(is.matrix(x)) colMeans(x) else x))
colnames(out) <- paste(colnames(out), b, sep='_')
out
}))
这会产生：
dat
## layer.1_0 layer.2_0 layer.3_0 layer.1_60 layer.2_60 layer.3_60 layer.1_500 layer.2_500 layer.3_500
## [1,] 48 409158 4 50.67339 408657.5 3.013623 50.42280 435485.7 2.999983
## [2,] 80 450287 1 50.42401 449786.5 2.990888 50.42335 460519.9 2.999632
## [3,] 89 987912 3 49.96709 968829.9 2.995279 50.44288 775273.5 3.002715
## [4,] 65 119952 5 50.65492 119448.9 3.009086 50.52634 273116.8 3.000364
## [5,] 99 142320 4 50.60678 141819.5 2.998585 50.43535 289803.0 2.999054
## [6,] 64 394804 3 50.52477 394303.5 2.984253 50.48277 426887.0 3.000055
## [7,] 61 580925 2 50.96037 580424.5 3.001769 50.50032 559294.6 2.999218
## [8,] 47 84918 3 50.83050 84417.5 2.998585 50.51135 258470.6 2.999923
## [9,] 8 750667 4 50.16003 750166.5 2.987969 50.41984 655768.4 3.000635
## [10,] 88 273369 5 50.30219 272868.5 2.981157 50.44709 354833.6 2.999274
答案 1 :(得分：0)
为了关闭，我发布了最适合我的解决方案。鉴于光栅包错误，我没有使用0缓冲区将值提取到点。
Scales <- c(60, 500)
然后，使用前10个点，
Points <- Points[1:10]
我使用以下代码为每个缓冲级别创建了一个列表。
output <- list()
for(i in 1:length(Scales)){
output[[i]] <- extract(RasterStack, Points, method='simple', buffer = Scales[i], fun = mean)
names(output)[[i]] <- paste("Buffer", Scales[i], sep = "_")
}
然后，在post linked here之后，我使用以下代码将数据帧列表合并为一个数据框。
do.call(cbind,lapply(names(output),function(x){
res <- output[[x]]
colnames(res) <- paste(colnames(res),x,sep="_")
res
}))
返回的df的head低于。
layer.1_Buffer_60 layer.2_Buffer_60 layer.3_Buffer_60 layer.1_Buffer_500
[1,] 50.67339 408657.5 3.013623 50.42280
[2,] 50.42401 449786.5 2.990888 50.42335
[3,] 49.96709 968829.9 2.995279 50.44288
[4,] 50.65492 119448.9 3.009086 50.52634
[5,] 50.60678 141819.5 2.998585 50.43535
[6,] 50.52477 394303.5 2.984253 50.48277
layer.2_Buffer_500 layer.3_Buffer_500
[1,] 435485.7 2.999983
[2,] 460519.9 2.999632
[3,] 775273.5 3.002715
[4,] 273116.8 3.000364
[5,] 289803.0 2.999054
[6,] 426887.0 3.000055