Question

我使用brick()将多波段（20层）栅格作为RasterBrick加载到R中。我的计划是使用此线程中提出的方法将每个波段从0归一化为1：https://stats.stackexchange.com/questions/70801/how-to-normalize-data-to-0-1-range

这里有一些示例代码可视化我的问题：

for(j in 1:nlayers(tif)){
  min <- cellStats(tif[[j]],'min')
  max <- cellStats(tif[[j]],'max')
  for(i in 1:ncell(tif)){
    tif[i][j] <- (tif[i][j]-min)/(max-min)    
  }
}

＆＃34; TIF＆＃34;包含栅格砖。＆＃34; J＆＃34;是＆＃34; tif＆＃34;的当前层，而＆＃34; i＆＃34;是[[i]]层的当前单元格。我认为其余部分非常直接。现在的问题是，在没有完成的情况下，需要花费数小时来替换特定频段中的单个值。为什么没有完成需要这么长时间？

干杯，启

Answer 1

您可以使用layers函数阅读所有stack，然后使用以下函数对其进行标准化：

s <- stack("Some Raster Layers")
snorm <- (s - minValue(s)) / (maxValue(s)- minValue(s))

Answer 2

您的方法效率非常低，因为您一次一个地循环遍历每个单元格。对于较大的栅格，这需要永远。

您可以使用Geo-sp答案中的方法（如果您的光栅较大，我也不建议这样做）或使用clusterR功能：

norm <- function(x){(x-min)/(max-min)}

for(j in 1:nlayers(tif)){

  cat(paste("Currently processing layer:", j,"/",nlayers(tif), "\n"))

  min <- cellStats(tif[[j]],'min')
  max <- cellStats(tif[[j]],'max')

  #initialize cluster
  #number of cores to use for clusterR function (max recommended: ncores - 1)
  beginCluster(3)

  #normalize
  tif[[j]] <- clusterR(tif[[j]], calc, args=list(fun=norm), export=c('min',"max"))

  #end cluster
  endCluster()
}

替换R中每个栅格砖带中的特定值

2 个答案: