通过时间计算相邻像素的平均相关性

Question

我有一堆 4 个光栅。我想要一个像素与其 8 个邻居中的每一个之间随时间变化的平均相关性。

一些数据：

library(raster)  

r1=raster(matrix(runif(25),nrow=5))
r2=raster(matrix(runif(25),nrow=5))
r3=raster(matrix(runif(25),nrow=5))
r4=raster(matrix(runif(25),nrow=5))
s=stack(r1,r2,r3,r4)

所以对于位置 x 的像素，它在 NE、E、SE、S 等位置有 8 个邻居，我想要

的平均值

cor(x,NE)
cor(x,E)
cor(x,SE)
cor(x,S)
cor(x,SW)
cor(x,W)
cor(x,NW)
cor(x,N)

以及结果栅格中位置 x 处保存的平均值。边缘单元将是 NA 或者，如果可能的话，一个标志来计算它接触的单元（3 或 5 个单元）的平均相关性。谢谢！

Answer 1

我不相信@Pascal 关于使用 focal() 的建议可行，因为 focal() 将单个栅格图层作为参数，而不是堆栈。这是最容易理解的解决方案。通过最大限度地减少为每个焦点单元提取值的次数，可以提高效率：

library(raster)  

set.seed(2002)
r1 <- raster(matrix(runif(25),nrow=5))
r2 <- raster(matrix(runif(25),nrow=5))
r3 <- raster(matrix(runif(25),nrow=5))
r4 <- raster(matrix(runif(25),nrow=5))
s <- stack(r1,r2,r3,r4)

##  Calculate adjacent raster cells for each focal cell:
a <- adjacent(s, 1:ncell(s), directions=8, sorted=T)

##  Create column to store correlations:
out <- data.frame(a)
out$cors <- NA

##  Loop over all focal cells and their adjacencies,
##    extract the values across all layers and calculate
##    the correlation, storing it in the appropriate row of
##    our output data.frame:
for (i in 1:nrow(a)) {
    out$cors[i] <- cor(c(s[a[i,1]]), c(s[a[i,2]]))
}

##  Take the mean of the correlations by focal cell ID:
r_out_vals <- aggregate(out$cors, by=list(out$from), FUN=mean)

##  Create a new raster object to store our mean correlations in
##    the focal cell locations:
r_out <- s[[1]]
r_out[] <- r_out_vals$x

plot(r_out)

通过时间计算相邻像素的平均相关性

calculate average correlation for neighboring pixels through time

r

raster