在栅格中将 NA 设置为零，其中其他栅格在该单元格中具有值

Question

我有 11 个大光栅文件，其中包含大约 314578920 个单元格。其中一些细胞含有 NA。如果其他栅格在该特定单元格中有值，我想将 NA 替换为零。但是在所有栅格中包含 NA 的像元应该是相同的。例如，见下图：

我创建了五个栅格（顶行）来说明我的问题（但实际上我有 11 个栅格）。输出栅格应与底行栅格类似。

将所有 NA 替换为零（即，使用 r[is.na(r[])] <- 0）会使光栅变得如此之大，以至于内存无法处理。或者，省略 NA 不符合我的目的。任何有关如何解决此问题的想法都将受到高度赞赏。
示例代码：

library(raster)
r <- raster(nrow=5, ncol=5) # create empty raster
r[] <- rnorm(length(r))     # assign random values to each cell
r[1:5] <- NA                # assign first row with NA

Answer 1

示例数据：

library(raster)
r <- raster(nrow=5, ncol=5, vals=1:25)
set.seed(20181801)
s <- stack(lapply(1:5, function(i) {r[sample(25, 15)] <- NA; r}))

跨层计算NA 值

i <- sum(is.na(s))

重新分类，使所有像元值都为零，除非所有层都具有NA 值

nl <- nlayers(s)
j <- reclassify(i, rbind(c(0, nl-1, 0), c(nl, nl ,NA)), right=NA)

使用cover 将单元格中的NA 值替换为零，其中至少有一层具有值

z <- cover(s, j)

calc 的替代方法：

为向量或矩阵编写一个函数：

f <- function(x) {
    i <- sum(is.na(x))
    if (i > 0 & i < 5) {
        x[is.na(x)] <- 0
    }
    x
}

zz <- calc(s, f)

使用这些函数而不是更直接的 R 习惯用法的一个重要原因是它们都是内存安全的。

顺便说一句，您提到 r[is.na(r[])] <- 0 由于内存限制而无法工作。通过执行is.na(r[])，您可以创建一个包含所有值的向量，从而要求发生该问题。你可以试试r[is.na(r)] <- 0。

Answer 2

这是一个快速技巧，它通过所有提供的栅格替换不是 NA 的 NA 值。在所有提供的栅格中，任何为 NA 的单元格都将保持为 NA。 （顺便说一句，我假设所有栅格的大小都相同......）

我会制作一些更简单的数据。我选择将它们存储在一个列表中，因为这使得这个解决方案更容易阅读（我认为），而且更容易扩展到你需要的尽可能多的栅格。

set.seed(2)
rs <- lapply(1:2, function(ign) {
  r <- raster(nrow=3, ncol=3)
  r[] <- sample(length(r))
  r
})

我将在此数据中创建两种类型的NA：一种同时存在（应忽略），另一种仅存在于其中（应替换为 0）：

rs[[1]][1:2] <- NA
rs[[2]][2] <- NA
lapply(rs, head)
# [[1]]
#    1  2 3
# 1 NA NA 5
# 2  9  7 4
# 3  1  8 3
# [[2]]
#   1  2 3
# 1 5 NA 2
# 2 8  1 7
# 3 3  4 6

内部栅格（您可能知道）只是 numeric 向量，因此我将映射每个索引的 NA。

nas <- lapply(rs, function(r) which(is.na(r[])))
nas
# [[1]]
# [1] 1 2
# [[2]]
# [1] 2

知道了这一点，我们就可以找到所有人共有的索引。可能有比这更简单的东西，但它可以工作（并且可读）：

na_in_all <- Reduce(intersect, nas)
na_in_all
# [1] 2

现在我们只删除所有存在的所有索引：

nas <- lapply(nas, setdiff, na_in_all)
nas
# [[1]]
# [1] 1
# [[2]]
# integer(0)

现在我们只需重新遍历栅格和要替换的索引列表：

rs <- mapply(function(r,i) {
  if (length(i)) r[i] <- 0
  r
}, rs, nas)
head(rs[[1]])
#   1  2 3
# 1 0 NA 5
# 2 9  7 4
# 3 1  8 3
head(rs[[2]])
#   1  2 3
# 1 5 NA 2
# 2 8  1 7
# 3 3  4 6

这不一定解决您的稀疏矩阵变得太大的问题，但这几乎肯定比您问题中的全局 replace-all-NA 更好。