在R中使用Terra来计算和绘制大型基于GDM的光栅的细胞跨的相似性和唯一性

Question

R

包装编写的分析工作流程（来自2022年的Mokany等人2022； Glob ecol和Biogeo）。工作流程涉及对预测差异的空间分析，该差异是由广义差异模型（GDM）确定的。主要数据是GDM转换的预测量栅格（GDM模型拟合的输出），并组装在单个多层栅格对象中。空间分析涉及使用转换的横梁的值来确定成对网格单元之间的预测差异，并将这些输出应用于回答各种空间问题。项目栅格很大（需要102个演出才能处理；通过

raster

）。 我的具体问题：

基于什么基于我的研究范围内的成对差异，并采用这些预测来评估相似性和唯一性的空间模式（即，每个网格单元与每个网格单元与每个网格的相似性与整个研究区域）。对于输出，我正在寻找1）一个预测相似性的栅格和2）一个预测唯一性的栅格。

这个问题与雇用`terra ::`避免从大型spatrasterstack

中提取值时避免std :: bad_alloc错误。我试图在这里使用该有用的答案的相关组件，但没有成功地开发出可行的解决方案。

我创建了一个preprex，并显示了我与之合作的初始代码块。该代码在上面引用的堆叠式答案上大量借鉴；我展示了我停滞的地方。 注 - 我的项目数据投影在UTM中；示例此处是lat long。 创建多层

样本栅格

mem_info

initial（部分）尝试新的workflow.

。

---

注意，在这里采用了来自完整栅格的值的样本，因为不建议在所有网格单元中计算成对的差异/相似性。

terra

预告

---

library(terra)
r <- rast(ncol=100, nrow=100, xmin=-150, xmax=-80, ymin=20, ymax=60,
          nlyr=5, vals=runif(10000*5))
r[[1:3]][10:20] <- NA
r[100:120] <- NA

您要求“成对相似之处”。如果您的意思是对样品成对，则这些细胞为

# specify percentage of raster for sampling
n.sub <- ncell(r) * 0.5

# Return matrix of sampled values  
x <- na.omit(spatSample(r, n.sub, "regular", as.df=FALSE)) 

# Compute dissimilarity between grid-cell pairs
sub.dissimilarity <- matrix(0, n.sub, n.sub)

# Flag - if there are na values in the sample, I need to revise `n.sub` in the previous line to match the number of rows after `na.omit`

# Use an arbitrary value to set up loop
gdmRastMod <- list(intercept = 2)

for(i in 1:(n.sub-1)) {
    for(j in (i+1):n.sub) {
        ecol.dist <- sum(abs(x[i, ] - x[j, ]))
        sub.dissimilarity[j,i] <- 1 - exp(-1 * (gdmRastMod$intercept + ecol.dist))
    }
} 

# Establish distance matrix with `as.dist` from base R
sub.diss.m <- as.dist(sub.dissimilarity)

# I may use `vegan::vegdist()` here and explore other dis/similarity coefficients

。您实际上想要一个栅格（带有ncell（r）层）吗？

对于前10个单元格：

---

# transpose matrix of sampled values 
tx <- t(x)

# create function needed for applying cluster results (not shown)
# clustering not needed here
# function is 1:1 from previous answer  

# I am not entirely sure how to omit class.membership
# (clustering results) from this function,
# and otherwise revise appropriately
 
matchfun <- function(v) {
    ecol.dist <- colSums(abs(tx - v))
    j <- which.min(ecol.dist)
    class.membership[j][1]
}

# Apply function to cells in original raster and plot
out <- app(r, matchfun)
plot(out) # presume this would provide map of predicted dis/similarity

# I surmise a second function is needed for calculating uniqueness
# at each grid-cell location (similarity to the region as a whole)
# and predicting that across the study extent.

您还要求“与整个地区的相似性”，但是您没有定义您的含义（使用什么措施）。但是您可以做这样的事情：

1-sub.diss.m