Question

我正在使用栅格，我使用了7n层的RasterStack。我想用下面的公式计算逐像素回归。我试图用raster::calc来做，但我的功能失败了，消息：

＆＃39; lm.fit中的错误（x，y，偏移=偏移，singular.ok = singular.ok， ......）：0（非NA）案例。＆＃39;

但是所有的栅格都可以，并且包含数字（不仅仅是NA），我可以绘制它，我可以用公式计算一般线性回归

 cr.sig=lm (raster::as.array(MK_trend.EVI.sig_Only) ~ raster::as.array(stack.pet)+raster::as.array(stack.tmp)+raster::as.array(stack.vap)+raster::as.array(stack.pre)+raster::as.array(stack.wet)+raster::as.array(stack.dtr))

但是当我用

堆叠图层时

allData = stack(MK_trend.EVI.sig_Only,stack.dtr,stack.wet,stack.pre,stack.vap,stack.tmp,stack.pet)

并尝试计算功能

    # Regression Function, R2
lmFun=function(x){
    x1=as.vector(x);
    if (is.na(x1[1])){
        NA 
    } else {
        m = lm(x1[1] ~ x1[2]+x1[3]+x1[4]+x1[5]+x1[6]+x1[7])
        return(summary(m)$r.squared)
    }
}

我看到错误信息我在R和progranning中相当新，所以，也许，有一些愚蠢的错误？我将不胜感激任何提示，以使处理工作。

Answer 1

您可以使用calc进行逐像素（本地）回归，但您的公式似乎暗示您需要其他内容（全局模型）。

如果回归是逐像素的，那么每个单元格的x和y值都相等，您可以使用calc。有关示例，请参阅?calc。

相反，每个单元格有1 y（独立）和6 x（相关）变量值。这表明你想要一个全球模型。为此，你可以这样做：

library(raster)
# example data
r <- raster(nrow=10, ncol=10)
set.seed(0) 
s <- stack(lapply(1:7, function(i) setValues(r, rnorm(ncell(r), i, 3))))  
x <- values(s)

# model
m <- lm(layer.1 ~ ., data=data.frame(x))

# prediction
p <- predict(s, m)

这需要将所有值加载到内存中。如果你不能这样做，你可以采取大量的常规样本。见sampleRegular

并说明为什么你的方法不起作用：

testFun=function(x1){
    lm(x1[1] ~ x1[2]+x1[3]+x1[4]+x1[5]+x1[6]+x1[7])
}

# first cell
v <- s[1]
v
#      layer.1  layer.2   layer.3  layer.4  layer.5  layer.6  layer.7
#[1,] 4.788863 4.345578 -0.137153 3.626695 3.829971 4.120895 1.936597

m <- testFun(v)
m
#Call:
#lm(formula = x1[1] ~ x1[2] + x1[3] + x1[4] + x1[5] + x1[6] + x1[7])

#Coefficients:
#(Intercept)        x1[2]        x1[3]        x1[4]        x1[5]        x1[6]        x1[7]  
#      4.789           NA           NA           NA           NA           NA           NA  


summary(m)$r.squared
# 0

即使我没有收到您报告的错误消息（但所有R ^ 2值都为零）。

无法计算栅格堆栈中R的逐像素回归

1 个答案: