在 R 中使用循环重新采样和匹配栅格堆栈

Question

我的目标是将生物多样性数据与土地覆盖信息（栅格和矢量）结合起来。 但是，我需要将每个栅格（预测变量）的分辨率、范围、CRS 和维度与我的生物多样性数据（答案变量）相匹配。 我已经成功地单独完成了，但是有六个光栅。 虽然，当我尝试对栅格堆栈进行循环时。 我有一些错误。

library(terra)
library(raster)
#Create a raster stack with land cover predictors:
CDI_stack<-raster::stack(list.files(path = dir_Proj1, pattern='.tif', full.names=T))
#Convert to cylindrical equal area projection
equalareaproj<-"+proj=cea +lon_0=0 +lat_ts=30 +x_0=0 +y_0=0 +datum=WGS84 +units=m +no_defs"
crs(CDI_stack, warn=FALSE)<-equalareaproj
#Raster with standard dimension, resolution, extention and CRS
standard<-terra::subset(study_area, 2) 
#Loop for the raster stack
for(i in 1:length(CDI_stack@layers)){
  #Creating a single raster with each layer to maintain values
  CDI_layer<-terra::rast(terra::subset(CDI_stack, i)) 
  #Matching a raster extention individually
  CDI_layer<-ext(standard) 
  #Cropping it with standard raster to reduce matching error
  raster::crop(CDI_layer[i],standard) 
  #Resample resolution 
  terra::resample(CDI_layer[i], standard, method= "near", threads= T) 
  #Write the raster:
  return(writeRaster(Resampled_layer, 
                     filename=paste0("~/Land use/Chronic_Anthropogenic_Disturbance_Surface/", CDI_layer[i]),
                     format="GTiff", overwrite=TRUE))
  }

我发现了这些错误：

Error in h(simpleError(msg, call)) : 
 error evaluating argument 'x' in method selection for function 'crop': 'this S4 class is not subsettable
Error in (function (classes, fdef, mtable)  : 
  unable to find an inherited method for function ‘crop’ for signature ‘"numeric"’

我想知道使用光栅堆栈是否有任何并发症，或者我是否错误地执行了任何代码步骤。 我希望在代码或 class object 的使用中找到更正。

拜托了，希望大家多多支持。 谢谢你。 G。

Answer 1

当您逐行运行代码时，应该很容易找出问题所在； 包括 for 循环内部（将i设置为 1 或发生错误时的任何值）。

你会看到这失败了：

CDI_layer <- ext(standard) 
raster::crop(CDI_layer[i],standard) 

因为CDI_layer[i]是一个单一的数字。

还有其他一些尴尬的事情。 特别是，只使用“terra”，不要同时使用“raster”，以免混淆。

Answer 2

感谢您的建议，Hijimanns 先生。 我发现错误太多了。 我更喜欢使用栅格堆栈中的列表而不是堆栈，它在循环中工作得更好。 此外，我使用矢量来裁剪栅格，它保留了栅格值（避免返回 NA）。

#Create a list from the stack with land cover predictors:
CDI_list<-terra::as.list(CDI_stack)  

rm(study_area,CDI_stack)

#Create a list to store the results
results <- list()

#Loop for each SpatRaster from the list
for(i in 1:length(CDI_list)) {
  r<-rast(CDI_list[[i]]) # create a raster for each layer
  ext(r) <-ext(standard)  # redefine extension for each layer
  #Crop rasters using the vector to avoid 'NA' values
  rc <- terra::crop(r, standard_vec)
  #Resample rasters following standard parameters
  rc <- terra::resample(rc, standard, method= "bilinear", threads= T)
  #Rewrite the list layers with the result     
  results[[i]] <- rc 
}

#Check the values
results[[4]]
#Rasterize the list to save it as a data frame
resampled<-rast(results)
df<-as.data.frame(resampled)
summary(df)
#Save the data frame in the project directory
data.table::fwrite(df, "~/Land use/DATASETS/resampled.csv")