使用Terra生成Logit GAM物种预测栅格遇问题：报错与非二进制预测值

默认情况下，mgcv::predict.gam返回的是logit链接尺度的线性预测值（范围为负无穷到正无穷），这是二项式模型的标准默认输出，并非直接的分类结果。

要得到预期的结果，分两步操作：

• 获得物种存在的概率（0~1区间）：指定type="response"参数

  pred_prob <- predict(mod_gam, type = "response")
  

• 转换为0/1二进制分类：用阈值（通常取0.5）切割概率值

  pred_binary <- ifelse(pred_prob >= 0.5, 1, 0)
  

这个错误是因为terra::predict与mgcv::gam的默认参数交互不兼容，调整调用方式即可解决：

方案1：直接生成概率预测栅格 #

无需额外指定fun="predict"，直接传递type="response"参数给模型的predict方法：

pred_raster_prob <- terra::predict(r, mod_gam, type = "response", na.rm = TRUE)

方案2：生成二进制分类栅格 #

如果需要直接输出0/1的分类结果，自定义预测函数传入fun参数：

gam_predict_fun <- function(model, data) {
  prob <- predict(model, newdata = data, type = "response")
  ifelse(prob >= 0.5, 1, 0)
}

pred_raster_binary <- terra::predict(r, mod_gam, fun = gam_predict_fun, na.rm = TRUE)

library(terra)
library(mgcv)
library(sf)

# 加载数据
v <- vect(system.file("ex/lux.shp", package="terra")) |> st_as_sf()
r <- rast(system.file("ex/elev.tif", package="terra"))

# 生成采样点并提取栅格值
set.seed(50)
pnts <- st_sample(v, size = 50, type = "random") |> st_as_sf()
pnts_r <- terra::extract(r, pnts, method = "simple") 

# 添加响应变量
pnts_r$occ <- as.factor(sample(0:1, 50, replace = TRUE))

# 拟合GAM模型
mod_gam <- mgcv::gam(formula = occ ~ elevation, 
                     data = pnts_r,
                     family = binomial(link = "logit"),
                     method = "REML")

# 训练数据的预测
pred_prob <- predict(mod_gam, type = "response")
pred_binary <- ifelse(pred_prob >= 0.5, 1, 0)

# 栅格预测：概率结果
pred_raster_prob <- terra::predict(r, mod_gam, type = "response", na.rm = TRUE)
# 栅格预测：二进制分类结果
gam_predict_fun <- function(model, data) {
  prob <- predict(model, newdata = data, type = "response")
  ifelse(prob >= 0.5, 1, 0)
}
pred_raster_binary <- terra::predict(r, mod_gam, fun = gam_predict_fun, na.rm = TRUE)

内容的提问来源于stack exchange，提问作者seak23