在R中查找两个光栅层像素之间的最小距离

对于同一区域，我有两个主题光栅图层

r1

和

r2

，每个图层遵循相同的分类方案，共有16个类别。我需要找到

r1

单元格和

r2

单元格之间的最小距离，但值相同。例如，

r1

中的第n个单元格的值为10，坐标为

x1，y1

。在

r2

中，有两个单元格的值为10，坐标为

x1+2，y1+2

和

x1-0.5，y1-0.5

。因此，这个单元格需要的值是0.5,0.5

---

我尝试了

distance

from

raster package

，但它给出了所有NA单元格到最近的非NA单元格的距离。我不知道如何将第二个光栅层包含在其中。

因此，使用光栅点提取唯一专题类的空间点对象。然后使用sp:：spDists函数查找点之间的距离

library(raster)


r1 <- raster( nrow=10,ncol=10)
r2 <- raster( nrow=10,ncol=10)

set.seed(1)
r1[] <- ceiling(runif(100,0,10))
r2[] <- ceiling(runif(100,0,10))

dist.class <- NULL
for(i in unique(values(r1))){
p1 <- rasterToPoints(r1, fun=function(xx) xx==i, spatial=T)
p2 <- rasterToPoints(r2, fun=function(xx) xx==i, spatial=T)
dist.class[i] <- min(spDists(p1,p2))
}
cbind(class = unique(values(r1)),dist.class)

库（光栅）
r1您可以使用
class
包中的
knn
，以便为
r1
的每个单元格查找具有相同类别的
r2
最近单元格的索引：

library(class)
library(raster)
#example of two rasters
r1 <- raster(ncol =  600, nrow = 300)
r2 <- raster(ncol =  600, nrow = 300)
#fill each with categories that rabge from 1 to 16
r1[] <- sample(1:16, ncell(r1), T)
r2[] <- sample(1:16, ncell(r2), T)
# coordinates of cells extracted
xy = xyFromCell(r1, 1:ncell(r1))
#multiply values of  raster with a relatively large number so  cells thet belong
#to each category have smaller distance with reagrd to other categories.
v1 = values(r1) *  1000000
v2 = values(r2) *  1000000
# the function returns indices of nearest cells
out = knn(cbind(v2, xy) ,cbind(v1, xy) ,1:ncell(r1), k=1)

库（类）
图书馆（光栅）
#两个光栅的示例
r1使用光栅软件包的内存安全方法是使用layerize（）函数将光栅值拆分为一堆二进制光栅（在您的情况下为16个），然后使用distance（）函数计算r2层中的距离，并用r1的各个层屏蔽它们。大概是这样的：

layers1 <- layerize(r1, falseNA=TRUE)
layers2 <- layerize(r2, falseNA=TRUE)

# now you can loop over the layers (use foreach loop if you want 
# to speed things up using parallel processing)

dist.stack <- layers1

for (i in 1:nlayers(r1)) {
    dist.i <- distance(layers2[[i]])
    dist.mask.i <- mask(dist, layers1[[i]])
    dist.stack[[i]] <- dist.mask.i
}

# if you want pairwise distances for all classes in one layer, simply
# combine them using sum()

dist.combine <- sum(dist.stack, na.rm=TRUE)

layers1