不同空间分辨率栅格数据空间自相关分析及邻域错误排查求助

一、绘制展示两幅不同分辨率栅格关系的空间自相关图 #

要展示不同分辨率栅格的空间自相关关系，核心是先统一分辨率，再通过**交叉空间自相关（Cross-Moran's I）**分析两者的空间关联，步骤如下：

1. 统一栅格分辨率
   将低分辨率栅格重采样到高分辨率栅格的空间范围与单元格尺寸上，确保两者完全对齐：

   library(raster)
   # 加载栅格数据
   r_high <- raster("high_res_raster.tif")
   r_low <- raster("low_res_raster.tif")
   # 连续数据用双线性插值，分类数据用"ngb"最近邻
   r_low_resampled <- resample(r_low, r_high, method = "bilinear")
   

2. 提取有效配对值
   剔除两个栅格中含NA的单元格，保证分析数据的完整性：

   # 转换为数据框并删除NA行
   grid_df <- data.frame(
     high_val = values(r_high),
     low_val = values(r_low_resampled)
   ) %>% na.omit()
   

3. 构建空间权重矩阵
   基于对齐后的栅格单元格构建Queen邻域（共享边或角的单元格为邻居）：

   library(spdep)
   # 获取高分辨率栅格的行列数
   n_row <- nrow(r_high)
   n_col <- ncol(r_high)
   # 生成邻域列表
   nb <- cell2nb(n_row, n_col, type = "queen")
   # 只保留有效单元格对应的邻域
   valid_cells <- !is.na(values(r_high))
   nb_valid <- nb[valid_cells]
   # 转换为空间权重矩阵，允许零权重处理孤立单元格
   w <- nb2listw(nb_valid, style = "W", zero.policy = TRUE)
   

4. 绘制交叉空间自相关图
   用交叉Moran散点图展示一个栅格的值与另一个栅格空间滞后值的关联：

   # 计算高分辨率栅格的空间滞后值
   high_lag <- lag.listw(w, grid_df$high_val)
   # 绘制交叉Moran散点图
   moran.plot(grid_df$low_val, high_lag, zero.policy = TRUE,
              main = "Cross-Moran散点图：低分辨率栅格 vs 高分辨率栅格空间滞后",
              xlab = "低分辨率栅格值", ylab = "高分辨率栅格空间滞后值")
   

二、修复重采样后Moran检验的"邻域列表错误" #

你遇到的错误大概率是邻域列表与重采样后的栅格行列数不匹配，或大量NA导致空邻域，以下是针对性修复方案：

常见错误原因 #

• 重采样后栅格行列数改变，但仍用原栅格行列数构建邻域列表
• 重采样后存在大量NA单元格，导致邻域列表出现空的邻居组

修正后的完整代码 #

library(raster)
library(spdep)

# 1. 加载并重采样栅格
r_original <- raster("original_low_res.tif")
r_target <- raster("target_high_res.tif")
r_resampled <- resample(r_original, r_target, method = "bilinear")

# 2. 预处理：提取有效值并筛选有效单元格
resampled_vals <- values(r_resampled)
valid_idx <- !is.na(resampled_vals)
clean_vals <- resampled_vals[valid_idx]

# 3. 构建正确的邻域列表
# 必须使用重采样后栅格的行列数
nb <- cell2nb(nrow(r_resampled), ncol(r_resampled), type = "queen")
# 只保留有效单元格对应的邻域
nb_clean <- nb[valid_idx]
# 删除空邻域（若存在）
nb_clean <- drop.nb(nb_clean)

# 4. 构建空间权重矩阵，开启zero.policy处理孤立单元格
w <- nb2listw(nb_clean, style = "W", zero.policy = TRUE)

# 5. 执行Moran检验
moran_result <- moran.test(clean_vals, w, zero.policy = TRUE)
print(moran_result)

# 绘制常规Moran散点图
moran.plot(clean_vals, w, zero.policy = TRUE,
           main = "重采样后栅格的Moran散点图")

关键修复点 #

• 匹配重采样后的行列数：cell2nb的前两个参数必须是nrow(r_resampled)和ncol(r_resampled)，不能用原栅格的行列数
• 处理NA与空邻域：通过valid_idx筛选有效单元格，用drop.nb()删除空邻域，同时在nb2listw和moran.test中设置zero.policy=TRUE，允许存在无邻居的孤立单元格

内容的提问来源于stack exchange，提问作者B27