R 中的多栅格随机森林
Multi Raster Random Forest in R
我正在尝试在 R 中设置一个 randomForest 以 class根据其他光栅图像验证光栅图像。我的训练数据是一个完全填充的栅格图像，我想训练许多其他栅格以尝试创建基于初始栅格的栅格输出。代码示例如下：
rf1 <- randomForest(trainingRaster1 ~ raster1 + raster2 + raster3)
...其中 trainingRaster1 是我的光栅格式的实际已知值，raster1 到 rasterN 是我想用来预测什么的其他光栅图像 trainingRaster1 是。我知道您要使用矢量或点的训练 class 来训练一系列栅格，但就我而言，我想使用栅格作为训练 class 来生成输出栅格（因为我有一个完全填充的栅格图像，可以在其中训练其他栅格）。我的问题是：这可能吗？我可以使用栅格来训练我的其他栅格数据集吗？我可以使用多个栅格数据集作为输入变量吗？公式会是什么样子？我是否需要将所有数据网格化到相同的范围和分辨率？我真的很想在 R 中使用 randomForest，但是有不同的方法吗？示例代码是什么样的？最后，一旦 运行，我将如何使用该模型在不输入训练数据集的情况下创建栅格？非常感谢你提前。我已经阅读并观看了 randomForest 的示例，但没有看到它以我想要的方式使用。我想知道它是否需要偏离正常用例。
栅格单元只是数据点。所以如果（或一次）他们排成一行（相同的范围和分辨率），你可以做
示例数据
library(raster)
# predictors
logo <- stack(system.file("external/rlogo.grd", package="raster"))
# generate "known values"
set.seed(1)
obs <- sqrt(sum(logo)) + sample(ncell(logo))/500
names(obs) <- "obs"
拟合模型
s <- stack(obs, logo)
d <- as.data.frame(s)
library(randomForest)
m <- randomForest(obs~., d, ntree=50)
预测
p <- predict(s, m)
names(p) <- "pred"
plot(stack(obs, p))
注意图像是如何改进的。
在 predict 步骤中，您可以将 s 替换为另一组具有相同名称的预测变量数据。所以你可以根据一年的数据拟合你的模型，你有预测变量（例如卫星或气候数据）和观察结果（例如作物产量），但是你可以预测另一年，你有预测变量，而不是感兴趣的观察结果。
您可能无法执行此操作，因为栅格数据对于 RAM 来说太大了。在这种情况下，您可以取样，或在子集上创建多个模型。
我正在尝试在 R 中设置一个 randomForest 以 class根据其他光栅图像验证光栅图像。我的训练数据是一个完全填充的栅格图像，我想训练许多其他栅格以尝试创建基于初始栅格的栅格输出。代码示例如下：
rf1 <- randomForest(trainingRaster1 ~ raster1 + raster2 + raster3)
...其中 trainingRaster1 是我的光栅格式的实际已知值，raster1 到 rasterN 是我想用来预测什么的其他光栅图像 trainingRaster1 是。我知道您要使用矢量或点的训练 class 来训练一系列栅格，但就我而言，我想使用栅格作为训练 class 来生成输出栅格（因为我有一个完全填充的栅格图像，可以在其中训练其他栅格）。我的问题是：这可能吗？我可以使用栅格来训练我的其他栅格数据集吗？我可以使用多个栅格数据集作为输入变量吗？公式会是什么样子？我是否需要将所有数据网格化到相同的范围和分辨率？我真的很想在 R 中使用 randomForest，但是有不同的方法吗？示例代码是什么样的？最后，一旦 运行，我将如何使用该模型在不输入训练数据集的情况下创建栅格？非常感谢你提前。我已经阅读并观看了 randomForest 的示例，但没有看到它以我想要的方式使用。我想知道它是否需要偏离正常用例。
栅格单元只是数据点。所以如果（或一次）他们排成一行（相同的范围和分辨率），你可以做
示例数据
library(raster)
# predictors
logo <- stack(system.file("external/rlogo.grd", package="raster"))
# generate "known values"
set.seed(1)
obs <- sqrt(sum(logo)) + sample(ncell(logo))/500
names(obs) <- "obs"
拟合模型
s <- stack(obs, logo)
d <- as.data.frame(s)
library(randomForest)
m <- randomForest(obs~., d, ntree=50)
预测
p <- predict(s, m)
names(p) <- "pred"
plot(stack(obs, p))
注意图像是如何改进的。
在 predict 步骤中，您可以将 s 替换为另一组具有相同名称的预测变量数据。所以你可以根据一年的数据拟合你的模型，你有预测变量（例如卫星或气候数据）和观察结果（例如作物产量），但是你可以预测另一年，你有预测变量，而不是感兴趣的观察结果。
您可能无法执行此操作，因为栅格数据对于 RAM 来说太大了。在这种情况下，您可以取样，或在子集上创建多个模型。