terra包spatSample设na.rm=TRUE仍选NA单元格致prcomp报错求助

问题背景 #

我有一组18个栅格组成的栅格栈，已完成以下预处理：

• 使用shapefile裁剪至特定区域
• 修剪至该区域范围
• 掩膜去除区域内的无效值

所有栅格的形状、范围、CRS及NA单元格位置均一致。为使用prcomp()执行PCA，我通过spatSample()将数据集缩减至300个单元格，且必须设置as.raster=TRUE。但执行后采样栅格仍存在NA单元格（na.rm=TRUE未按预期过滤所有NA），后续调用prcomp()时出现报错：

Error in svd(x, nu = 0, nv = k) : infinite or missing values in 'x'

无法更新terra包（当前版本1.7-65），需解决如何生成忽略NA的随机缩减样本并执行PCA。

最小可复现示例 #

set.seed(42)
r <- rast(nrows = 100, ncols = 100)
values <- sample(c(NA, runif(45)), size = ncell(r), replace = TRUE)
values[sample(ncell(r), size = 2500)] <- NA
values(r) <- values
stacked_rasters <- c(r, r * 2, r/ 2)

核心原因 #

当设置as.raster=TRUE时，spatSample()会生成与原栅格范围一致的新栅格，仅在随机选中的单元格保留值，其余单元格仍为NA。na.rm=TRUE仅保证采样的单元格来自原栅格的非NA区域，但无法消除新栅格中未被采样区域的NA。直接将此类栅格传入prcomp()会因大量NA触发报错。

解决方法 #

方法1：提取采样栅格的非NA值再执行PCA #

先将采样后的栅格转换为数据框，剔除含NA的行，再传入prcomp()：

# 执行采样（保留as.raster=TRUE）
sampled_stack <- spatSample(
  stacked_rasters,
  size = 300,
  method = "random",
  as.raster = TRUE,
  na.rm = TRUE
)

# 提取非NA的样本数据
sample_data <- na.omit(as.data.frame(sampled_stack))

# 执行PCA
pca_stack <- prcomp(sample_data, center = TRUE, scale = TRUE)

方法2：先筛选非NA单元格再抽样（更精准） #

先定位原栅格中所有无NA的单元格，再从中随机抽样，最后构建采样栅格：

# 获取原栅格中所有无NA的单元格索引（因所有栅格NA位置一致，取任意一层即可）
non_na_idx <- which(!is.na(values(stacked_rasters)[, 1]))

# 从非NA单元格中随机抽取300个
sampled_idx <- sample(non_na_idx, size = 300)

# 创建与原栅格结构一致的空栅格
sampled_raster <- rast(stacked_rasters)

# 为抽样单元格赋值
values(sampled_raster)[sampled_idx, ] <- values(stacked_rasters)[sampled_idx, ]

# 提取非NA数据执行PCA
sample_data <- na.omit(as.data.frame(sampled_raster))
pca_stack <- prcomp(sample_data, center = TRUE, scale = TRUE)

内容的提问来源于stack exchange，提问作者Barbara Perez de Araújo