Question

我有一个34组栅格（.tif），每个大约10MB，分别存在和不存在桉树的值分别为1和0，这是同一区域和同一区域的有监督分类的产物。每个栅格代表从1985年到2018年的评估年（i）。我想找到三个图像组中的两种像素序列的总和：

稳定像素：像素值在（i），（i + 1）年为1 e（i-1）并对应于序列111。也就是说连续几年是桉树。
不稳定的像素：1英寸第i年，第i年+ 1和第i-1年的0（顺序010）。那是为了说它是桉树，而在其他年份则不是，这可能是分类错误。

在这两种情况下，目的都是为了验证分类是否稳健，超出了分类带来的高kappa指数。我的问题是：

如何在R中实现此过程？
我读到，也许“ for”循环不是处理大型栅格的最佳选择，还有其他选择吗？因为我必须用相似的逻辑来实现其他过程。

我基于Function to sum each grid cells of raster stack using other rasters as an indicator或此处Conditionally calculating the difference between max(raster) and each raster layer of raster stack尝试了几种替代方法，但是我不太了解其逻辑。我可以使用“字段计算器”使用QGIS解决相同的问题，它可以通过以下方式很好地工作（错误很繁琐且可行）：

稳定像素=（“ img1985 @ 1” = 1 AND“ img1986 @ 1” = 1 AND“ img1987 @ 1” = 1）+ ... +（“ img2016 @ 1” = 1 AND“ img2017 @ 1” = 1 AND“ img2018 @ 1” = 1）

不稳定像素=（“ img1985 @ 1” = 0 AND“ img1986 @ 1” = 1 AND“ img1987 @ 1” = 0）+ ... +（“ img2016 @ 1” = 0 AND“ img2017 @ 1” = 1 AND“ img2018 @ 1” = 0）

在哪里imgYear：是每年的每个栅格； 1985 ... 2018：年

```
library(raster)
# Initial sample data + result
r1 <- r2 <- r3 <- r4 <- r5 <- rUns <- rSta <- raster(matrix(0, 10, 10))

# Create some "stable pixels" of example.
for (i in seq(from=10, to=50, by=10)) {
r1[(i+6):(i+10)] <- 1
r2[(i+6):(i+10)] <- 1
r3[(i+6):(i+10)] <- 1
r4[(i+6):(i+10)] <- 1
r5[(i+6):(i+10)] <- 1
}
# Create some "unstable pixels" of example.
r2 [c(60,70,80)] <- 1
r3 [1] <- 1
r4 [c(60,70,80)] <- 1
# Stack raster
r <- stack(r1, r2, r3, r4, r5)

# *** Expected results ***
# Sum of stable pixels (Sta)
for (i in 2:nlayers(r)) {
pixelSta <- ((r[[i-1]] == 1) * (r[[i]] == 1) * (r[[i+1]] == 1))* 1
}
# Don't work: Error in .local(x, ...) : not a valid subset
# *** Result Expected (rSta): sequence 111. Manually.
for (i in seq(from=10, to=50, by=10)) {
rSta[(i+6):(i+10)] <- 3
}
as.matrix(rSta)

# Sum of unstable pixels (Uns)
for (i in 2:nlayers(r)) {
pixelUns <- ((r[[i-1]] == 0) * (r[[i]] == 1) * (r[[i+1]] == 0))* 1
}
# Don't work: Error in .local(x, ...) : not a valid subset
# *** Result Expected (rUns): sequence 010. Manually.
rUns [c(60,70,80)] <- 2
rUns [1] <- 1
as.matrix(rUns)
```

预期结果在代码中（***预期结果，手动输入）。

非常感谢您，我希望我已经清楚了。

Answer 1

您需要一个简单的函数来计算（不稳定）稳定性。例如，函数f

f <- function(x) sum(diff(x)==0)

计算不从一种状态过渡到另一种状态的步骤数。

尝试

f(c(0,0,0,0,0,0))
#[1] 5
f(c(0,0,0,0,1,1))
#[1] 4
f(c(0,1,0,1,0,1))
#[1] 0

现在有了栅格数据

library(raster)
s <- stack(system.file("external/rlogo.grd", package="raster"))
s <- stack(s, s)
x <- calc(s, f)
plot(x)

通过R

1 个答案: