R中两个光栅图像之间的线性回归

Question

我需要线性回归来计算经验参数。 L1 是光栅图像，格式为 .tif。 L2 也是事先计算好的光栅图像。两个图像具有相同的列数和行数。

公式为： L1 = a + b * L2 在 R 中翻译为：

lm(L1 ~ L2)

在第二个公式中我稍后需要 a 和 b.

我现在面临的问题是，两个栅格都包含 NA 值，我不确定如何构建线性回归函数。我对 R 不太熟悉，所以我被困在这个可能相当简单的问题上。我想我必须使用 calc，但不确定如何使用。

编辑：到目前为止我有这个代码：

s = stack(L1,L2)
fun = function(x) {if (is.na(x[1])) { NA } else {lm(x[1] ~ x[2])$coefficients[2]}}

但是计算了好长时间没有结果

Answer 1

如果您想进行 local 回归，您可以使用 calc，这是针对每个网格单元（像素）的单独回归。但这在这种情况下没有意义，因为您只有两个栅格；因此每个网格单元只有一个数据点。

在你的例子中，你似乎想要一个全局回归。你可以这样：

s <- stack(L1, L2)
v <- data.frame(na.omit(values(s)))
# this step may not be necessary
names(v) <- c('L1', 'L2')
m <- lm(L2 ~ L1, data=v)
m

如果 s 太大了，你可以这样做

v <- sampleRegular(s, 100000)  
v <- data.frame(na.omit(v))

等等

现在有了一些数据（并展示了如何获得残差）

library(raster)
f <- stack(system.file("external/rlogo.grd", package="raster")) 
s <- stack(f)
names(s)
v <- data.frame(na.omit(values(s)))
m <- lm(red ~ green, data=v)
m

p <- predict(s, m)
residuals <- s$red - p

R中两个光栅图像之间的线性回归

Linear regression between two raster images in R

r

raster

linear-regression

r-raster