使用caret训练的ranger模型结合terra::predict生成物种分布栅格报错求助

问题背景与现象 #

• 基于存在点/伪缺失点开展物种分布研究，通过caret::train结合10折交叉验证训练了method="ranger"的集成模型
• 使用包含WorldClim生物气候数据、地形数据（海拔/坡度）、土地利用及地质类型分类栅格的栅格栈，调用terra::predict生成物种存在概率栅格时，触发**"Missing data in columns"**报错；此前使用无交叉验证的randomForest模型可正常运行
• 示例代码中执行预测时出现错误：Error in predict(...)$predictions : $ operator is invalid for atomic vectors
• 核心目标：生成物种分布概率栅格，并支持仅替换气候栅格实现当前及未来物种分布预测

示例代码 #

数据准备 #

library(terra)
library(caret)
library(tuneRanger)
library(ranger)

logo <- rast(system.file("ex/logo.tif", package="terra"))   
logo[75:77, ] <- NA
p <- matrix(c(48, 48, 48, 53, 50, 46, 54, 70, 84, 85, 74, 84, 95, 85, 
              66, 42, 26, 4, 19, 17, 7, 14, 26, 29, 39, 45, 51, 56, 46, 38, 31, 
              22, 34, 60, 70, 73, 63, 46, 43, 28), ncol=2)

a <- matrix(c(22, 33, 64, 85, 92, 94, 59, 27, 30, 64, 60, 33, 31, 9,
              99, 67, 15, 5, 4, 30, 8, 37, 42, 27, 19, 69, 60, 73, 3, 5, 21,
              37, 52, 70, 74, 9, 13, 4, 17, 47), ncol=2)
xy <- rbind(cbind(1, p), cbind(0, a))
e <- extract(logo, xy[,2:3])
v <- data.frame(cbind(pa=xy[,1], e))

模型构建 #

v_NA_kNN <- caret::preProcess(v, method="bagImpute")
v_rf <- predict(v_NA_kNN,v)

v_rf$pa <- as.factor(v_rf$pa)
levels(v_rf$pa) <- c("Pres","Abs")

rf.task <-  makeClassifTask(data = v_rf, target = "pa")
res <- tuneRanger(rf.task, measure = list(multiclass.brier), num.trees = 1e+02,
                  num.threads = 4, iters = 20, save.file.path = NULL)

fitControl <- caret::trainControl(
  method = "repeatedcv", 
  number = 5,             
  repeats = 5,            
  allowParallel = T,
  classProbs=T,
  returnData = T,
  savePredictions = "final"
)

ranger_model <- caret::train(
  v_rf[,-1],     
  as.factor(v_rf$pa),
  method = "ranger",
  trControl = fitControl,
  tuneGrid = expand.grid(mtry = res$recommended.pars[,1],
                         min.node.size = res$recommended.pars[,2],
                         splitrule = "gini"),
  num.trees = 1e+02,
  num.threads = 4,
  importance = 'impurity'
)

预测代码及报错 #

predfun <- function(...) predict(...)$predictions
x <- terra::predict(logo, ranger_model, fun=predfun)
# Error in predict(...)$predictions : 
#  $ operator is invalid for atomic vectors
# Called from: fun(model, d, ...)

解决思路与技巧 #

1. 修复示例代码的$ operator is invalid for atomic vectors错误 #

• 问题本质：caret训练的ranger模型，调用predict()返回的是原子向量（分类结果或概率向量），而非带$predictions属性的列表，自定义函数中的$predictions调用无意义。
• 修正方案：
  • 若需要物种存在概率（Pres类的概率），修改预测函数直接返回概率值：

    predfun <- function(model, data) {
      # 指定type="prob"获取概率矩阵，提取Pres类的概率
      predict(model, data, type = "prob")$Pres
    }
    x <- terra::predict(logo, ranger_model, fun = predfun)
    

  • 若只需分类结果（Pres/Abs），简化预测函数：

    predfun <- function(model, data) {
      predict(model, data)
    }
    

2. 解决真实项目的"Missing data in columns"报错 #

• 核心原则：确保栅格栈与训练数据的特征列名、数据类型、缺失值处理、分类变量水平完全一致
  • 列名一致性检查：
    对比训练数据特征列名与栅格栈图层名，确保大小写、拼写完全匹配：

    # 查看训练数据的特征列名
    colnames(v_rf[,-1])
    # 查看栅格栈的图层名
    names(raster_stack)
    

  • 缺失值处理对齐：
    训练时用bagImpute填充了缺失值，预测时必须对栅格栈应用相同的预处理规则：

    # 对栅格栈应用训练好的预处理对象
    raster_stack_imputed <- terra::predict(raster_stack, v_NA_kNN)
    

  • 分类变量水平一致性：
    检查土地利用、地质类型等分类栅格的类别，确保与训练数据中的类别完全一致（无新增类别），可通过levels()查看并统一：

    # 查看训练数据中分类变量的水平
    levels(v_rf$land_use)
    # 查看栅格的类别水平
    levels(raster_stack$land_use)
    

  • 特征顺序与数量匹配：
    确保栅格栈的特征顺序、数量与训练数据一致，可通过模型的coefnames属性验证：

    # 查看模型期望的特征列表
    ranger_model$coefnames
    

  • 数据类型匹配：
    对比训练数据特征的类型（数值/因子）与栅格数据类型，确保一致：

    # 查看训练数据特征类型
    str(v_rf[,-1])
    # 查看栅格数据类型
    terra::typeof(raster_stack)
    

3. 替换气候栅格实现多场景预测的技巧 #

• 固定非气候栅格（地形、土地利用、地质类型等），仅替换气候图层，确保新栅格栈的列名、顺序与训练数据一致：

  # 假设base_stack是地形+土地利用+地质类型的固定栅格栈
  current_climate <- rast("current_worldclim.tif")
  future_climate <- rast("future_worldclim.tif")
  
  # 拼接当前场景栅格栈并对齐列名
  current_stack <- c(base_stack, current_climate)
  names(current_stack) <- colnames(v_rf[,-1])
  
  # 应用预处理并预测
  current_stack_imputed <- terra::predict(current_stack, v_NA_kNN)
  current_pred <- terra::predict(current_stack_imputed, ranger_model, fun = predfun)
  
  # 未来场景同理
  future_stack <- c(base_stack, future_climate)
  names(future_stack) <- colnames(v_rf[,-1])
  future_stack_imputed <- terra::predict(future_stack, v_NA_kNN)
  future_pred <- terra::predict(future_stack_imputed, ranger_model, fun = predfun)
  

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