您可以使用calc
对于像素级(局部)回归,但您的公式似乎表明您想要其他东西(全局模型)。
如果回归是按像素进行的,则每个单元格的 x 和 y 值数量相同,您可以使用calc
. See ?calc
举些例子。
相反,每个单元格有 1 个 y(独立)和 6 个 x(因)变量值。这表明您想要一个全球模型。为此,您可以执行以下操作:
library(raster)
# example data
r <- raster(nrow=10, ncol=10)
set.seed(0)
s <- stack(lapply(1:7, function(i) setValues(r, rnorm(ncell(r), i, 3))))
x <- values(s)
# model
m <- lm(layer.1 ~ ., data=data.frame(x))
# prediction
p <- predict(s, m)
这需要将所有值加载到内存中。如果你做不到这一点,你可以采取大量的常规样本。看sampleRegular
并说明为什么你的方法不起作用:
testFun=function(x1){
lm(x1[1] ~ x1[2]+x1[3]+x1[4]+x1[5]+x1[6]+x1[7])
}
# first cell
v <- s[1]
v
# layer.1 layer.2 layer.3 layer.4 layer.5 layer.6 layer.7
#[1,] 4.788863 4.345578 -0.137153 3.626695 3.829971 4.120895 1.936597
m <- testFun(v)
m
#Call:
#lm(formula = x1[1] ~ x1[2] + x1[3] + x1[4] + x1[5] + x1[6] + x1[7])
#Coefficients:
#(Intercept) x1[2] x1[3] x1[4] x1[5] x1[6] x1[7]
# 4.789 NA NA NA NA NA NA
summary(m)$r.squared
# 0
即使我没有收到您报告的错误消息(但所有 R^2 值均为零)。