[英]Remove raster layers with many NAs from rasterstack
我有一个具有数千层的RasterStack
。 但是,某些层有很多NA,因此我将通过设置阈值来排除这些层。 我使用for
循环正确地做到了,但这很慢。 我试图用calc
来做,但是我的函数失败了。 这是我的尝试,为了使处理速度更快,我希望您能提出一些建议。
library(raster)
lst<-stack(r1,r2,r3,r4) #
lst_new<-stack()
for (i in 1: nlayers(lst)){
# total number of cells without NA
no_NA<-length(lst[[i]][!is.na(lst[[i]])]) #
if(no_NA >= 14652){ # 97%
l<-lst[[i]]
lst_new<-stack(lst_new,l)
}
}
#This code works OK but slow for big rasterstack. So I tried the
# following using calc function
remove.badL<-function(x){
no_NA<-length(x[is.na(x)])
if(no_NA >= 14652){
return(x)
}
}
lst_new<-calc(lst,fun=remove.badL)
# this is the error I got
错误(函数(类,fdef,mtable):无法为签名“ RasterBrick”,“ NULL””的函数“ writeValues”找到继承的方法
我将不胜感激任何建议。 谢谢
这是使用is.na
, cellStats
和条件RasterStack
子集的一种方法。
首先,让我们创建一些示例数据:
library(raster)
s <- stack(replicate(10, raster(matrix(runif(1e6), 1e3))))
s[s > 0.95] <- NA # insert some NAs
我们可以使用以下命令返回每层NA
单元的数量:
cellStats(is.na(s), sum)
有了这些知识,我们就可以在子集操作中使用这些计数:
thr <- 14652
s2 <- s[[which(cellStats(is.na(s), sum) < thr)]]
具有小于层thr
(这里,14652) NA
细胞将被保留在新的堆栈, s2
,而那些具有更NA
旨意被抛弃。
将所有这些应用于数据,您应该能够使用:
lst_new <- lst[[cellStats(is.na(lst), sum) < 14652]]
处理庞大的数据集时, cellStats
可能并不总是最佳选择。 例如,将@jbaums样本数据扩展到n = 100
层,这在我的计算机上花费了相当长的时间。
## sample data, n = 100
library(raster)
set.seed(10)
s <- stack(replicate(100, raster(matrix(runif(1e6), 1e3))))
s[s > 0.95] <- NA
## set na limit (e.g., 5% of all cells)
limit <- 0.05 * ncell(s)
### cellStats -----
system.time(
id1 <- cellStats(is.na(s), sum) < limit
)
# user system elapsed
# 28.794 0.253 29.050
代替使用cellStats
,您可以例如使用并行化的foreach
创建手动指示少量丢失数据的索引向量。
### parallel version -----
## open parallel backend
library(doParallel)
cl <- makeCluster(detectCores() - 1)
registerDoParallel(cl)
## loop over layers in parallel
system.time(
id2 <- foreach(i = unstack(s), .packages = "raster",
.combine = "c") %dopar% {
sum(is.na(i[])) < limit
}
)
# user system elapsed
# 0.337 0.005 3.802
如您所见,后一种方法的执行速度相当快,并且同时返回相同的结果。
## similarity check
identical(as.logical(id1), id2)
[1] TRUE
剩下要做的唯一一件事就是关闭并行后端
## deregister parallel backend
stopCluster(cl)
和创建的子集s
基于所导出的指标向量。
## data subset
s[[which(id2)]]
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.