Question

我正在尝试从单个大文件中提取列表中存储的R中的各种SpatialPolygonsDataFrames（SPDF）对象的总栅格像元值，然后将提取的值添加到SPDF对象属性表中。我想重复此过程，但不知道如何进行。我发现了一个存储在单个SPDF对象中的多个多边形的有效解决方案（请参阅：https://gis.stackexchange.com/questions/130522/increasing-speed-of-crop-mask-extract-raster-by-many-polygons-in-r），但是不知道如何应用crop> mask> extract SPDF对象列表的过程，每个对象包含多个多边形。这是一个可重现的示例：

library(maptools)  ## For wrld_simpl
library(raster)

## Example SpatialPolygonsDataFrame
data(wrld_simpl) #polygon of world countries
bound <- wrld_simpl[1:25,] #country subset 1  
bound2 <- wrld_simpl[26:36,] #subset 2

## Example RasterLayer
c <- raster(nrow=2e3, ncol=2e3, crs=proj4string(wrld_simpl), xmn=-180, 
xmx=180, ymn=-90, ymx=90)
c[] <- 1:length(c)

#plot, so you can see it
plot(c)    
plot(bound, add=TRUE) 
plot(bound2, add=TRUE, col=3) 

#make list of two SPDF objects
boundl<-list()
boundl[[1]]<-bound1
boundl[[2]]<-bound2

#confirm creation of SPDF list
boundl

以下是我想以forloop格式为整个列表运行的内容。对于列表中的单个SPDF，似乎可以使用以下一系列功能：

clip1 <- crop(c, extent(boundl[[1]])) #crops the raster to the extent of the polygon, I do this first because it speeds the mask up
clip2 <- mask(clip1, boundl[[1]]) #crops the raster to the polygon boundary 
extract_clip <- extract(clip2, boundl[[1]], fun=sum)  
#add column + extracted raster values to polygon dataframe
boundl[[1]]@data["newcolumn"] = extract_clip

但是当我尝试为SPDF列表（raster::crop）隔离第一个函数时，它不会返回栅格对象：

crop1 <- crop(c, extent(boundl[[1]])) #correctly returns object class 'RasterLayer'
cropl <- lapply(boundl, crop, c, extent(boundl)) #incorrectly returns objects of class 'SpatialPolygonsDataFrame'

当我尝试为SPDF列表（raster::mask）隔离掩码功能时，它返回错误：

maskl <- lapply(boundl, mask, c) 
#Error in (function (classes, fdef, mtable)  : unable to find an inherited method for function ‘mask’ for signature ‘"SpatialPolygonsDataFrame", "RasterLayer"’

我想纠正这些错误，并在单个循环内有效地迭代整个过程（即crop> mask> extract>将提取的值添加到SPDF属性表中。我真的对R很陌生，不知道从这里去哪里。请帮忙！

Answer 1

一种方法是采取有效的措施，然后将所需的“裁剪->蒙版->提取->添加”放入for循环中：

for(i in seq_along(boundl)) {
    clip1 <- crop(c, extent(boundl[[i]])) 
    clip2 <- mask(clip1, boundl[[i]])
    extract_clip <- extract(clip2, boundl[[i]], fun=sum)  
    boundl[[i]]@data["newcolumn"] <- extract_clip
}

例如，可以使用R包 foreach 通过并行执行来加快循环速度。相反，使用lapply()代替for循环的速度增益将很小。

为什么会发生错误：

cropl <- lapply(boundl, crop, c, extent(boundl))

将功能crop()应用于列表boundl的每个元素。执行的操作是

tmp <- crop(boundl[[1]], c)
## test if equal to first element
all.equal(cropl[[1]], tmp) 
[1] TRUE

要获得所需的结果，请使用

cropl <- lapply(boundl, function(x, c) crop(c, extent(x)), c=c)
## test if the first element is as expected
all.equal(cropl[[1]], crop(c, extent(boundl[[1]]))) 
[1] TRUE

注意：

使用c表示R对象是一个明智的选择，因为它很容易与c()混淆。

通过R

1 个答案: