Saya memiliki dua raster resolusi dan tingkat yang berbeda:
> res(Elevation)
[1] 0.002083333 0.002083333
> res(Ann_precip)
[1] 0.008333333 0.008333333
> extent(Elevation)
class : Extent
xmin : -15.07722
xmax : -7.641806
ymin : 7.193611
ymax : 12.67694
> extent(Ann_precip)
class : Extent
xmin : -15.075
xmax : -7.641667
ymin : 7.191667
ymax : 12.675
Pertanyaan saya adalah , agar kedua raster ini memiliki resolusi dan luasan yang cocok, apakah lebih baik untuk:
A) gunakan raster::aggregate
fungsinya
> 0.008333333/0.002083333
[1] 4
Elevation_res<-aggregate(Elevation, fact=4, fun=mean)
dan raster::extend
fungsinya
Elevation_res<-extend(Elevation_res, Ann_precip, values=NA)
(walaupun di sini saya masih mendapatkan perbedaan dan resolusi yang sangat mirip):
> res(Elevation_res)
[1] 0.008333333 0.008333333
> res(Ann_precip)
[1] 0.008333333 0.008333333
> res(Elevation_res)==res(Ann_precip)
[1] FALSE FALSE
> extent(Elevation_res)
class : Extent
xmin : -15.07722
xmax : -7.635556
ymin : 7.193611
ymax : 12.67694
> extent(Ann_precip)
class : Extent
xmin : -15.075
xmax : -7.641667
ymin : 7.191667
ymax : 12.675
atau
b) gunakan raster::resample
fungsinya
Elevation_res<-resample(Elevation, Ann_precip, method="bilinear")
> res(Elevation_res)==res(Ann_precip)
[1] TRUE TRUE
> extent(Elevation_res)==extent(Ann_precip)
[1] TRUE
Saya bertanya ini karena saya sudah membaca di Wegmann et al (2016) (p110) (jika saya mengerti benar) bahwa resampling sangat mempengaruhi nilai piksel, dan itu aggregate()
, extend()
dan crop()
harus digunakan sebagai gantinya. Karena perbedaan dalam resolusi dan luasnya cukup kecil dalam kasus saya, dapatkah saya berasumsi bahwa bias yang diciptakan oleh resampling akan minimal di sini?