如何用R的spaMM包从空间逻辑回归生成预测值栅格？

问题描述 #

使用R的spaMM包拟合空间逻辑回归模型，基于冠层高度、冠层层数、大树密度3个栅格预测因子，训练成熟林/采伐区数据预测复杂森林结构的存在概率。glm()可正常拟合预测，但无法处理空间自相关；改用fitme()拟合模型成功，但预测时持续出现两类错误：

• 直接用栅格栈作为newdata时：Error: [[(j)] the type of index j cannot be a factor or character
• 转为数据框预测时：Error in model.frame.default(...) : 因子存在新水平

错误原因 #

1. 变量类型错误：虚拟数据生成时误用paste()将数值转为字符串，导致栅格变量自动转为字符型，后续转数据框时变为因子，与训练数据的数值型变量不匹配，引发因子新水平错误。
2. spaMM对栅格对象的兼容性：spaMM的predict函数对terra栅格对象的支持有限，直接传入会触发索引类型错误。

修正方案与完整代码 #

library(terra)
library(spaMM)

# 使用的坐标系
crs_ref <- "EPSG:3310"

# 创建空栅格
empty_r <- rast(res=30, nlyr=3,
                xmin=-251376, xmax=-228036,
                ymin=69372, ymax=138628,
                crs= crs_ref)

### 关键修正：直接填充数值型数据，避免paste()转字符串
values(empty_r$lyr.1) <- sample(30:80, ncell(empty_r), replace=T)
values(empty_r$lyr.2) <- sample(1:3, ncell(empty_r), replace=T)
values(empty_r$lyr.3) <- sample(20:100, ncell(empty_r), replace=T)

# 修改图层名称
names(empty_r) <- c("height","layers","density")

# 创建存在/缺失属性：直接用数值型0/1，避免paste()
empty_r$olderTrees <- sample(0:1, ncell(empty_r), replace=T)

# 采样100个随机点训练模型
Random_points <- terra::spatSample(empty_r, size = 100, as.points=T, values=T, method = "random")
Random_points <- as.data.frame(Random_points, geom='XY')

# 拟合包含空间效应的模型
mod <- fitme(olderTrees ~ height+layers+density 
             + Matern(1 | x + y), data = Random_points, family = "binomial")
summary(mod)

### 预测步骤修正：
# 1. 将栅格转为数据框，并添加x、y坐标
empty_r_df <- as.data.frame(empty_r, geom = "XY")

# 2. 确保变量类型与训练数据一致（此处因直接用数值生成，已自动匹配）
str(empty_r_df)
str(Random_points)

# 3. 预测概率值，指定type="response"
predict_probs <- predict(mod, newdata=empty_r_df, type="response")

# 4. 将预测结果转回栅格
empty_r$complex_forest_prob <- predict_probs

# 查看结果
plot(empty_r$complex_forest_prob)

关键说明 #

• 生成数据时禁止用paste()转换数值，确保所有预测变量和响应变量为数值型，避免因子类型不匹配问题。
• 预测时先将栅格转为带坐标的数据框，确保x、y变量存在且类型与训练数据一致。
• 使用type="response"直接获取逻辑回归的概率输出，再将结果赋值回栅格得到最终的预测概率图层。

内容的提问来源于stack exchange，提问作者user25754519