使用superClass进行遥感图像分类时遇newdata行数为0错误求助

运行遥感图像分类代码时出现报错：

Error in predict.randomForest(modelFit, newdata): newdata has 0 rows

使用的代码如下：

#libraries
library(sf)
library(RStoolbox)
library(sp)
library(raster)
library(terra)
library(caret)
library(e1071)

#Load image
kalomo2022<- brick("Kalomo_2022.tif")

#Train data
train <- sf::read_sf("Train_Kal_only2022_1.shp")
train_1 <- as(train, "Spatial") #to change it from sf to spatial


#conducting the classification
sc_kalomo2022<- superClass(kalomo2022, model = "rf", trainData = train_1,  
                           responseCol = "id", mode = "classification",
                           nsamples = 10000, nSamplesV = 10000, 
                           polygonBasedCV = T, kfold = 5, minDist = 1, 
                           trainPartition = .8, na.rm = T, predict=T, 
                           predType = "raw")

• 空间坐标系不匹配
  检查训练矢量数据train_1和栅格图像kalomo2022的坐标系是否一致。若投影不同，superClass无法从图像中提取训练样本，直接导致后续无数据可用。
  操作：用proj4string(train_1)和crs(kalomo2022)查看坐标系，不一致则执行train_1 <- spTransform(train_1, crs(kalomo2022))统一投影。

• 采样参数设置过度
  nsamples = 10000的总采样数可能远超训练区域的实际像素量，加上minDist = 1要求采样点间隔至少1个像素，会导致实际提取的样本数为0。
  操作：先将nsamples调小（比如改为1000），移除minDist参数（或设为0），测试是否能正常提取样本，再逐步调整参数至合理值。

• 训练标签字段无效
  确认train_1中的id字段是否存在，且包含非空的分类标签。若id字段为空或不存在，模型无法划分训练集，后续流程直接报错。
  操作：用head(train_1@data)查看属性表，验证id字段的有效性，必要时更换为正确的分类标签字段。

• 训练区域栅格全为NA
  若kalomo2022中训练数据覆盖的区域全是NA值，无法提取有效样本。
  操作：用plot(kalomo2022)查看图像范围，确认训练矢量是否落在图像有效区域内；用mask(kalomo2022, train_1)提取训练区域栅格，检查是否有非NA值。

• 交叉验证参数冲突
  开启polygonBasedCV = T时，若训练多边形数量少于kfold = 5，或单个多边形的像素量不足以支撑采样，会导致验证集采样失败，进而触发预测报错。
  操作：先将polygonBasedCV设为F，测试分类流程是否正常；若正常，再开启该参数并将kfold调整为小于训练多边形数量的值。

内容的提问来源于stack exchange，提问作者Bravedo