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个单元从光栅砖计算一段时间内的凹陷(负数组),R,r,raster,R,Raster,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
> 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