从光栅砖计算一段时间内的凹陷（负数组），R

我试图从一个气候数据集中计算出一组洼地（负值）的数量，但对如何进行却一无所知。 让我解释一下情况。 我有一个468层的光栅砖，每层有7458个单元

> cntneg
class       : RasterBrick 
dimensions  : 66, 113, 7458, 468  (nrow, ncol, ncell, nlayers)
resolution  : 0.108, 0.108  (x, y)
extent      : 77.946, 90.15, 24.946, 32.074  (xmin, xmax, ymin, ymax)
coord. ref. : NA 
values      : in memory
min values  : -359.51 -341.21 -315.45 -148.10 -187.39  -52.87  -66.72  -52.17 -286.81 -306.74 ... 
max values  :  -7.589   0.000   0.000   0.000   0.000   0.000   0.000   0.000   0.000   0.000 ... 

现在，我们以第5000个像素为例

> cntneg[5000]

随着时间的推移，这将给我468个像素值

[1]  -90.795107  -89.990016  -94.840754    0.000000  -15.085517    0.000000
  [7]    0.000000    0.000000    0.000000  -12.469657 -114.757702 -115.372023
 [13] -107.194478  -92.916680 -115.105817 -113.205776 -115.003430  -62.175070
 [19]    0.000000    0.000000    0.000000  -72.358073 -105.006508 -115.372023
 [25]  -48.836959 -102.314928 -113.271826 -115.372023  -79.530055    0.000000
 [31]    0.000000    0.000000    0.000000  -15.048987 -115.208204 -115.372023
 [37] -115.003430 -108.757617 -113.122594 -115.372023 -111.699048  -17.618498
 [43]    0.000000    0.000000

现在我需要做两件事

1） 计算降雨量低于平均值的次数-负值。零与正RF值（我使用重分类将其转换为零）以便于计算。 在上面的例子中，我想选择一组负数并计数。也就是说，（-90.795107-89.990016-94.840754），（-15.085517），（-12.469657-114.757702-115.372023，--107.194478-92.916680-115.105817-113.205776-115.003430-62.175070），（-72.358073-105.006508-115.372023，-48.836959-102.314928-113.271826-115.372023-79.530055）等。得到的层像素值应该是这些组的计数，在这个例子中是5。像wise一样，需要对沿时间维度的所有像素执行操作

2） 对于每个组，我想选取最小值，得到的像素将具有这些最小值的总和。如果一个组有一个值，则保持不变

我坚持从这个过程开始。我假设我需要将砖块转换为数据帧并执行此操作

有谁能帮我提供一个如何着手的线索吗

非常感谢您的帮助

对不起，如果解释不清楚的话

问候

---

SP

有一个很好的函数叫做

rle

，它查找满足条件的向量的连续元素。函数调用

res
    sample.data <- rnorm(20)
    b <- (1:length(rle(sample.data<0)$lengths))
    c <- rle(sample.data<0)$lengths
    aggregate(sample.data,by = list(unlist(mapply(rep,b,c))),min)

    sample.data
    [1]  0.781352094  0.005568218  1.230054543 -0.825140291  0.861346012
    [6] -0.829708513 -0.452102503 -0.559146728 -1.017299175 -0.979450702
    [11] -1.492603312 -0.466351610  1.189238669 -0.674493774 -0.120572288
    [16] -0.336176940  0.348560999  0.420171989  1.459037512  0.056945430
    aggregate(sample.data,by = list(unlist(mapply(rep,b,c))),min)

    Group.1            x
    1       1  0.005568218
    2       2 -0.825140291
    3       3  0.861346012
    4       4 -1.492603312
    5       5  1.189238669
    6       6 -0.674493774
    7       7  0.056945430

     agg.df <- aggregate(sample.data,by = list(unlist(mapply(rep,b,c))),min)
     agg.df[,2][rle(sample.data<0)$value]

     [1] -0.8251403 -1.4926033 -0.6744938