我需要一个线性回归来计算经验参数。 L1是光栅图像,格式为.tif。 L2也是预先计算的光栅图像。两个图像具有相同数量的列和行。
公式为:L1 = a + b * L2,其在R中翻译为:
lm(L1 ~ L2)
在第二个公式IN中,后来需要a和b。
我现在面临的问题是,两个栅格都包含NA值,我不知道如何为线性回归构建函数。我对R不熟悉所以我坚持这个可能相当简单的问题。我想我必须使用calc,但不知道怎么做。
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])$coefficients[2]}}
但是,计算需要很长时间才能得出结果
如果你想进行局部回归,你可以使用calc
,这是每个网格单元(像素)的单独回归。但是在这种情况下没有任何意义,因为你只有两个栅格;因此每个网格单元只有一个数据点。
在您的情况下,您似乎想要全局回归。你可以这样:
s <- stack(L1, L2)
v <- data.frame(na.omit(values(s)))
# this step may not be necessary
names(v) <- c('L1', 'L2')
m <- lm(L2 ~ L1, data=v)
m
如果s
太大了,你可以做类似的事情
v <- sampleRegular(s, 100000)
v <- data.frame(na.omit(v))
等等
现在有一些数据(并显示如何获取残差)
library(raster)
f <- stack(system.file("external/rlogo.grd", package="raster"))
s <- stack(f)
names(s)
v <- data.frame(na.omit(values(s)))
m <- lm(red ~ green, data=v)
m
p <- predict(s, m)
residuals <- s$red - p