通过具有任意函数的非整数因子聚合栅格
Aggregate raster by a non-integer factor with arbitrary function
我想按 1.5 倍聚合人口栅格，对像元值求和。
虽然 aggregate() 允许我在聚合时对值求和，但它的 factor 参数只接受整数值。 projectRaster() 和 resample() 允许我精确调整分辨率，但（据我所知）我仅限于预先打包的双线性插值和最近邻计算方法。
有没有办法通过非整数因子聚合栅格并指定聚合时使用的函数？
library(raster)
set.seed(10)
proj <- "+proj=longlat +ellps=WGS84 +datum=WGS84 +no_defs"
r <- raster(resolution = 1, nrow = 100, crs = proj)
r[] <- round(rnorm(ncell(r), 100, 10))
# Doesn't accept non-integer factors
aggregate(r, fact = 1.5, fun = sum)
template <- raster(extent(r), crs = crs(r), resolution = 1.5)
# Correct resolution, but incorrect / impossible values for population
projectRaster(r, to = template, method = "ngb")
projectRaster(r, to = template, method = "bilinear")
可能的解决方法
到目前为止，我能想到的唯一方法是将模板强制转换为 SpatialPoints 对象；从原始的高分辨率栅格中提取值； rasterize() 结果：
pts <- as(template, "SpatialPoints")
vals <- extract(r, pts)
pts2 <- SpatialPointsDataFrame(pts, data.frame(vals))
rasterize(pts2, template, field = "vals", fun = sum)
但是，如果点是在栅格像元的质心处创建的，我不确定在以原始栅格的 1.5 倍分辨率提取时如何处理它们。我的首选方法是创建一个 SpatialPolygonsDataFrame 并使用 fun = mean 进行栅格化，但是（根据我的经验）使用多边形提取栅格值的效率非常低。
这里有一个解决方法：
#first resample to higher resolution
template <- raster(extent(r), crs = crs(r), resolution = .5)
detailedRas <- projectRaster(r, to = template, method = "ngb")
#then use an integer as a factor (in this case 3)
aggRas <- aggregate(detailedRas, fact=3, fun=sum)
但请注意，在这种情况下，总和不会 return 居住在某个聚合区域的人数总和。
即：假设我们有四个单元格，这些值的分辨率为 1 米：
10 15
12 18
使用 NN 重采样到 0.5 后：
10 10 15 15
10 10 15 15
12 12 18 18
12 12 18 18
然后通过总和聚合到 1.5m 我们得到第一个像素：
10+10+15+10+10+15+12+12+18 = 112
虽然实际上它应该是这样的：
10 + 15/2 + 12/2 + 18/4 = 28（如果我们假设每个像素的人口分布相等。）
我建议使用带有自定义/用户定义函数的 focal 栅格函数来根据需要汇总人口值。
或者您将重采样栅格除以 4，然后求和：
2.5 2.5 3.75 3.75
2.5 2.5 3.75 3.75
3 3 4.5 4.5
3 3 4.5 4.5
2.5 + 2.5 + 3.75 + 2.5 + 2.5 + 3.75 + 3 + 3 + 4.5 = 28
我想按 1.5 倍聚合人口栅格，对像元值求和。
虽然 aggregate() 允许我在聚合时对值求和，但它的 factor 参数只接受整数值。 projectRaster() 和 resample() 允许我精确调整分辨率，但（据我所知）我仅限于预先打包的双线性插值和最近邻计算方法。
有没有办法通过非整数因子聚合栅格并指定聚合时使用的函数？
library(raster)
set.seed(10)
proj <- "+proj=longlat +ellps=WGS84 +datum=WGS84 +no_defs"
r <- raster(resolution = 1, nrow = 100, crs = proj)
r[] <- round(rnorm(ncell(r), 100, 10))
# Doesn't accept non-integer factors
aggregate(r, fact = 1.5, fun = sum)
template <- raster(extent(r), crs = crs(r), resolution = 1.5)
# Correct resolution, but incorrect / impossible values for population
projectRaster(r, to = template, method = "ngb")
projectRaster(r, to = template, method = "bilinear")
可能的解决方法
到目前为止，我能想到的唯一方法是将模板强制转换为 SpatialPoints 对象；从原始的高分辨率栅格中提取值； rasterize() 结果：
pts <- as(template, "SpatialPoints")
vals <- extract(r, pts)
pts2 <- SpatialPointsDataFrame(pts, data.frame(vals))
rasterize(pts2, template, field = "vals", fun = sum)
但是，如果点是在栅格像元的质心处创建的，我不确定在以原始栅格的 1.5 倍分辨率提取时如何处理它们。我的首选方法是创建一个 SpatialPolygonsDataFrame 并使用 fun = mean 进行栅格化，但是（根据我的经验）使用多边形提取栅格值的效率非常低。
这里有一个解决方法：
#first resample to higher resolution
template <- raster(extent(r), crs = crs(r), resolution = .5)
detailedRas <- projectRaster(r, to = template, method = "ngb")
#then use an integer as a factor (in this case 3)
aggRas <- aggregate(detailedRas, fact=3, fun=sum)
但请注意，在这种情况下，总和不会 return 居住在某个聚合区域的人数总和。
即：假设我们有四个单元格，这些值的分辨率为 1 米：
10 15
12 18
使用 NN 重采样到 0.5 后：
10 10 15 15
10 10 15 15
12 12 18 18
12 12 18 18
然后通过总和聚合到 1.5m 我们得到第一个像素：
10+10+15+10+10+15+12+12+18 = 112
虽然实际上它应该是这样的： 10 + 15/2 + 12/2 + 18/4 = 28（如果我们假设每个像素的人口分布相等。）
我建议使用带有自定义/用户定义函数的 focal 栅格函数来根据需要汇总人口值。
或者您将重采样栅格除以 4，然后求和：
2.5 2.5 3.75 3.75
2.5 2.5 3.75 3.75
3 3 4.5 4.5
3 3 4.5 4.5
2.5 + 2.5 + 3.75 + 2.5 + 2.5 + 3.75 + 3 + 3 + 4.5 = 28