有没有办法在两个栅格堆栈上应用PCA（具有相同的变量）

Question

我试图对R中的一些生物气候变量运行PCA，特别是来自worldclim.org的生物气候变量的当前和未来预测。

问题在于prcomp只能使用一个rasterstack。我想让prcomp同时在两个rasterstack上工作。 Rasterstacks，具有完全相同的变量集（名称和范围），但具有不同的单元格值。

我确实有一个迂回方法来解决这个问题，即改变未来栅格图层的范围，并将它们与当前栅格图层合并为一组广泛的栅格图层。但这给了我很多与其他数据的投影问题，我希望与此一起使用。

我理解这并不完全清楚，但基本上：PCA两个具有相同变量的rasterstacks，具有相同的坐标，而不必移位范围。

谢谢！

编辑：我无法弄清楚如何获取数据或创建示例数据，因此最初没有包含示例代码。将在这里尝试更清楚。

filesC # location of bioclimate files for current
[1] "bio01.asc" "bio02.asc" "bio03.asc" "bio04.asc" "bio05.asc"
filesF # location of bioclimate files for the future
[1] "bio01.asc" "bio02.asc" "bio03.asc" "bio04.asc" "bio05.asc"
# note they have the exact same variables.

rasC <- stack(filesC)
rasF <- stack(filesF)
rasC@extent
#class       : Extent 
#xmin        : 116.95 
#xmax        : 126.6 
#ymin        : 4.65 
#ymax        : 21.11667 
rasF@extent
#class       : Extent 
#xmin        : 116.95 
#xmax        : 126.6 
#ymin        : 4.65 
#ymax        : 21.11667 
# and exact same extent

所以目前我正在这样做。

pcaC <- prcomp(rasC, scale = T)
FutPCs <- predict(rasF, pcaC) 
# creating PCs of rasF based on the pca from rasC

但是，我想同时在两个rasterstacks上应用PCA。根据当前和未来生物气候变量的变量构建“PCA公式”。像这样......

pca <- prcomp(rasC, rasF, scale = T)
CurPCs <- predict(rasC, pca)
FutPCs <- predict(rasF, pca)

希望这更清楚！

Answer 1

对于遇到类似问题的人来说。我找到了这个问题的简单答案。

prcomp

不直接在栅格本身上工作，而是使用栅格中的（通常是随机的）点矩阵。为了合并两个rasterstacks的PCA分析，我只是从每个光栅堆栈中包含等分的点并将它们绑定在一起。

rasC <- stack(rasC)
rasF <- stack(rasF)

srC <- sampleRandom(rasC, 10000)
srF <- sampleRandom(rasF, 10000)

srCF <- rbind(srC,srF)
pcaCF <- prcomp(srCF,scale=T)

从那里，我可以根据两个数据集的组合pca预测新PC。没有意识到有这样一个步骤，但至少我认为它已经解决了！