从spatialpolygondataframe中从光栅堆栈提取值

我有一个光栅堆栈，里面有27个光栅。我在一个空间多边形数据框中有27个对应的多边形。我想将多边形[I]覆盖在光栅[I]上，从光栅[I]中提取并求和值，计算多边形[I]中的单元数，然后将求和值除以单元数。换句话说，光栅是一种利用率分布或核心使用密度。我想知道在多边形与光栅重叠的区域中有多少用途。我想除以多边形中的单元数，以考虑多边形的大小

我有一个脚本，是给我这样做的，只是它是为了从一个光栅中提取数据，只通过数据帧中任意数量的空间多边形。它工作，它的丑陋，我现在想把它转换成更流线型的东西。我只希望我身边有人能帮忙，因为这可能需要一段时间

这是我收到的代码和我对正在发生的事情的总结：

msum99Kern07 = SpatialPolygonDataFrame (many polygons)
KERNWolfPIX07m = Raster (this is a single raster, I have 27 rasters I put into a stack

)

#从光栅到多个多边形提取值
sRISK_Moose07m也许我遗漏了什么，但我认为你把问题复杂化了。对我来说，你有：

光栅堆栈：光栅列表：
ss
与ss相同大小的多边形列表：
polys
您需要从（ss、polys）中为每对（层、多边形）应用
extract

sapply（1:nlayers（ss），function（i）{
也许我遗漏了什么，但我认为你把问题复杂化了。对我来说，你有：

光栅堆栈：光栅列表：
ss
与ss相同大小的多边形列表：
polys
您需要从（ss、polys）中为每对（层、多边形）应用
extract

sapply（1:nlayers（ss），function（i）{
m当你问关于R的问题时，总是使用简单的可重复的例子，而不是你自己的数据；除非你想做的事情对这样的例子有效，但对你的数据无效，但仍然显示了有效的例子和你得到的错误信息。你通常可以从帮助文件中的例子开始，如下所示？提取

r <- raster(ncol=36, nrow=18)
r[] <- 1:ncell(r)
s <- stack(r, r*2)
cds1 <- rbind(c(-180,-20), c(-160,5), c(-60, 0), c(-160,-60), c(-180,-20))
cds2 <- rbind(c(80,0), c(100,60), c(120,0), c(120,-55), c(80,0))
polys <- SpatialPolygons(list(Polygons(list(Polygon(cds1)), 1), 
                         Polygons(list(Polygon(cds2)), 2)))

v <- extract(s, polys, small=TRUE)

#cellnumbers for each polygon
sapply(v, NROW)

# mean for each polygon
sapply(v, function(x) apply(x, 2, mean, na.rm=T))

r当您询问有关r的问题时，请始终使用简单的可复制示例，而不是您自己的数据；除非您想做的事情可能适用于此类示例，但不适用于您的数据，但仍然显示了有效的示例以及您收到的错误消息。您通常可以从帮助文件中的示例开始，如下所示从？摘录

r <- raster(ncol=36, nrow=18)
r[] <- 1:ncell(r)
s <- stack(r, r*2)
cds1 <- rbind(c(-180,-20), c(-160,5), c(-60, 0), c(-160,-60), c(-180,-20))
cds2 <- rbind(c(80,0), c(100,60), c(120,0), c(120,-55), c(80,0))
polys <- SpatialPolygons(list(Polygons(list(Polygon(cds1)), 1), 
                         Polygons(list(Polygon(cds2)), 2)))

v <- extract(s, polys, small=TRUE)

#cellnumbers for each polygon
sapply(v, NROW)

# mean for each polygon
sapply(v, function(x) apply(x, 2, mean, na.rm=T))

r感谢您尝试此操作。我知道这是一个巨大的挑战，我担心这对人们来说太多了。我不知道如何提供数据使其可复制-对此表示抱歉。我将尝试您的代码，我只是害怕您关于与ss大小相同的多边形的声明。您的意思是相同的范围吗？@Kerry我的意思是2LIST的大小是一样的。不是吗？是的，有和多边形一样多的光栅。光栅[1]需要与多边形[1]一起使用，正如我所想的那样。我试图运行您提供的纸条，但有些东西不起作用。我的多边形层实际上是一个
空间多边形数据框架
（使用
getverticeshr
命令创建）。当我运行脚本时，我得到：
extract中出错（Rastwtrial[[I]]，moose99kern[I]，method=“bilinear”，：为函数“extract”选择方法时计算参数“y”时出错：[.data.frame中出错(x@data，i，j，…，drop=FALSE）：未定义选定列
是否有办法向您提供数据，以便您重现错误？我使用了dput命令，希望您可以将我的示例数据放入R并开始工作？？？感谢您的尝试。我知道这是一个巨大的挑战，我担心这对人们来说太多了。我不知道如何向m提供数据让它可复制-很抱歉。我会试试你的代码，我只是害怕你关于多边形大小与ss相同的说法。你的意思是相同的范围吗？@Kerry我的意思是这两个列表的大小相同。不是吗？是的，光栅和多边形一样多。光栅[1]需要与多边形[1]一起使用正如您所做的，我想。我试图运行您提供的scrip，但有些东西不起作用。我的多边形层实际上是一个
spatialpolygondatafram
（使用
getverticeshr
命令创建）。当我运行脚本时，我得到：
提取错误（Rastwtrial[[I]]，moose99kern[I]，method=“bilinear”，：在为函数“extract”选择方法时计算参数“y”时出错：“.data.frame”中出错(x@data，i，j，…，drop=FALSE）：未定义选定列
是否有办法向您提供数据，以便您重现错误？我使用了dput命令，希望您可以将示例数据放入R并开始工作？？？我没有非常小的多边形（即多边形小于光栅网格单元大小），也没有光栅之外的多边形。我确实使用了我唯一知道的方法—它是我使用的数据的子集—来展示示例数据。我不知道其他“共享”我的问题的方法。我没有非常小的多边形（即，多边形小于光栅网格单元大小），我也没有光栅之外的多边形。我确实使用了我唯一知道的方法——这是我使用的数据的一个子集——提供了示例数据。我不知道有其他方法可以“共享”我的问题。
 dput(mtestpoly) 
    new("SpatialPolygonsDataFrame"
        , data = structure(list(id = structure(1:2, .Label = c("F01001_1", "F07002_1"
    ), class = "factor"), area = c(1259.93082578125, 966.364499511719
    )), .Names = c("id", "area"), row.names = c("F01001_1", "F07002_1"
    ), class = "data.frame")
        , polygons = list(<S4 object of class structure("Polygons", package = "sp")>, 
        <S4 object of class structure("Polygons", package = "sp")>)
        , plotOrder = 1:2
        , bbox = structure(c(6619693.77161797, 1480549.31292137, 6625570.48348294, 
    1485861.5586371), .Dim = c(2L, 2L), .Dimnames = list(c("x", "y"
    ), c("min", "max")))
        , proj4string = new("CRS"
        , projargs = NA_character_

new("RasterStack"
    , filename = ""
    , layers = list(<S4 object of class structure("RasterLayer", package = "raster")>, 
    <S4 object of class structure("RasterLayer", package = "raster")>)
    , title = character(0)
    , extent = new("Extent"
    , xmin = 1452505.6959799
    , xmax = 1515444.7110552
    , ymin = 6575235.1959799
    , ymax = 6646756.8040201
)
    , rotated = FALSE
    , rotation = new(".Rotation"
    , geotrans = numeric(0)
    , transfun = function () 
NULL
)
    , ncols = 176L
    , nrows = 200L
    , crs = new("CRS"
    , projargs = NA_character_
)
    , z = list()
    , layernames = "Do not use the layernames slot (it is obsolete and will be removed)\nUse function 'names'"
)

sapply(1:nlayers(ss), function(i) {
     m <- extract(ss[[i]],polys[i], method='bilinear', na.rm= T)[[1]]
     d <- ifelse (!is.null(m) , sum(m)/length(m), NA)
     d
})

## generate some data
library(raster)
cds1 <- rbind(c(-180,-20), c(-160,5), c(-60, 0), c(-160,-60), c(-180,-20))
cds2 <- rbind(c(80,0), c(100,60), c(120,0), c(120,-55), c(80,0))
## In your case you need something like SpatialPolygons(moose99kern)
polys <- SpatialPolygons(list(Polygons(list(Polygon(cds1)), 1), 
                              Polygons(list(Polygon(cds2)), 2)))
r   <- raster(ncol=36, nrow=18)
r[] <- 1:ncell(r)
r1   <- raster(ncol=36, nrow=18)
r1[] <- seq(-1,-2,length.out=ncell(r1))
ss <- stack(r,r1)
## density compute
sapply(1:nlayers(ss), function(i) {
         ## sum of values of the cells of a Raster ss[[i]] covered by the poly polys[i]
         m <- extract(ss[[i]],polys[i], method='bilinear', na.rm= T)[[1]]
         d <- ifelse (!is.null(m) , sum(m)/length(m), NA)

})

[1] 387.815789  -1.494714

r <- raster(ncol=36, nrow=18)
r[] <- 1:ncell(r)
s <- stack(r, r*2)
cds1 <- rbind(c(-180,-20), c(-160,5), c(-60, 0), c(-160,-60), c(-180,-20))
cds2 <- rbind(c(80,0), c(100,60), c(120,0), c(120,-55), c(80,0))
polys <- SpatialPolygons(list(Polygons(list(Polygon(cds1)), 1), 
                         Polygons(list(Polygon(cds2)), 2)))

v <- extract(s, polys, small=TRUE)

#cellnumbers for each polygon
sapply(v, NROW)

# mean for each polygon
sapply(v, function(x) apply(x, 2, mean, na.rm=T))