假设我有三个光栅图像，免得说下面的
光栅 1
光栅 2
因此，基于三个光栅图像的数据，我想生成其他预测光栅，而不是最小化测量点的误差（假设误差也会在整个光栅上最小化）。
或者我想要三个栅格的数据同化（Asimilated raster=f(raster1,raster2,raster3) 可以最大限度地减少测量点的误差）。
您能否建议任何可以在 R 或 java 中执行此操作的包（或代码）？
谢谢
【问题讨论】：
如果我理解你的话，你想做一个有监督的分类，你有三个预测变量（栅格）和一些你有测量的观察值（点）。以下是您如何做到这一点的示例：
library(raster)
library(dismo)
# three layers
logo <- brick(system.file("external/rlogo.grd", package="raster"))
logo
# 10 random points
set.seed(0)
p <- randomPoints(logo, 10)
# extract values for points
pv <- extract(logo, p)
# observations at those locations
obs <- apply(pv + rnorm(length(pv), 0, 100), 1, sum)
v <- data.frame(obs=obs, pv)
# fit a model
model <- glm(formula=obs~., data=v)
model
# predict
r <- predict(logo, model, progress='text')
plot(r)
points(p, pch=20, col='red')
您可能希望将glm 替换为另一种更灵活的方法，例如RandomForest。有关更多示例，请参见 ?raster::predict 并参见此小插图：http://cran.r-project.org/web/packages/dismo/vignettes/sdm.pdf。
上下文可能不同，但一般方法（监督分类）非常相似。
【讨论】：
如果您搜索提供 3DVAR 数据同化算法的 Python 包，您可以考虑 OpenTURNS 和 GaussianNonLinearCalibration 类：
【讨论】：