我正在通过此网页浏览eBird代码：https : //github.com/CornellLabofOrnithology/ebird-best-practices/blob/master/03_covariates.Rmd
除了使用我自己的数据。我有一个来自澳大利亚gadm.org的.gpkg，并且选择了自己的澳大利亚电子鸟数据。除了不使用“ bcr”，因为我的数据集没有bcr代码外，我完全遵循了该代码，并且st_buffer(dist = 10000)从rgdal代码中删除了代码，因为这由于某些原因使我无法实际下载MODIS数据。
编辑：我还使用了从站点提供的数据，仍然收到相同的错误
我陷入了这段代码：
lc_extract <- ebird_buff %>%
mutate(pland = map2(year_lc, data, calculate_pland, lc = landcover)) %>%
select(pland) %>%
unnest(cols = pland)
它返回此错误：
Error: Problem with `mutate()` input `pland`.
x error in evaluating the argument 'x' in selecting a method for function 'exact_extract': invalid layer names
i Input `pland` is `map2(year_lc, data, calculate_pland, lc = landcover)`.)`
我似乎无法弄清楚如何纠正它，对于这样的密集地理空间代码，我还是比较陌生。
链接中有一个免费的数据集，但是我还没有尝试过，所以可能是我的数据与代码不兼容？但是，我查看了所提供的Gis-data.gpkg，我从gadm获得的数据似乎还不错。
以上代码的前两个代码是：
neighborhood_radius <- 5 * ceiling(max(res(landcover))) / 2
ebird_buff <- red_knot %>%
distinct(year = format(observation_date, "%Y"),
locality_id, latitude, longitude) %>%
# for 2019 use 2018 landcover data
mutate(year_lc = if_else(as.integer(year) > max_lc_year,
as.character(max_lc_year), year),
year_lc = paste0("y", year_lc)) %>%
# convert to spatial features
st_as_sf(coords = c("longitude", "latitude"), crs = 4326) %>%
# transform to modis projection
st_transform(crs = projection(landcover)) %>%
# buffer to create neighborhood around each point
st_buffer(dist = neighborhood_radius) %>%
# nest by year
nest(data = c(year, locality_id, geometry))
calculate_pland <- function(yr, regions, lc) {
locs <- st_set_geometry(regions, NULL)
exact_extract(lc[[yr]], regions, progress = FALSE) %>%
map(~ count(., landcover = value)) %>%
tibble(locs, data = .) %>%
unnest(data)
}
该网页的作者已经回答了这个问题。
解决方案是此代码：
lc_extract <- NULL
for (yr in names(landcover)) {
# get the buffered checklists for a given year
regions <- ebird_buff$data[[which(yr == ebird_buff$year_lc)]]
# get landcover values within each buffered checklist area
ee <- exact_extract(landcover[[yr]], regions, progress = FALSE)
# count the number of each landcover class for each checklist buffer
ee_count <- map(ee, ~ count(., landcover = value))
# attach the year and locality id back to the checklists
ee_summ <- tibble(st_drop_geometry(regions), data = ee_count) %>%
unnest(data)
# bind to results
lc_extract <- bind_rows(lc_extract, ee_summ)
}
学分至：Matt Strimas-Mackey
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句