求助：栅格图层像素分布空间分析——识别像素密集区域方法

方法1：栅格移动窗口统计（直接处理RasterLayer） #

无需转换数据类型，直接通过滑动窗口计算区域内的像素统计量，快速识别密集/稀疏区域，适合大规模栅格数据。

• 核心思路：用指定大小的窗口遍历栅格，计算窗口内像素值的总和或均值，高值区域对应密集，低值对应稀疏。可根据需求选择两种统计逻辑：
  • 若关注数值的聚集程度：直接计算窗口内像素值总和
  • 若关注有值像素的分布密度：先将栅格转为二值（有值=1，无值=0），再计算窗口内总和

代码示例（基于R语言raster包）：

library(raster)

# 加载你的栅格对象（替换为实际路径或已加载对象）
r <- raster("your_raster_file.tif")

# 定义移动窗口（示例为5x5，可根据需求调整大小）
window <- matrix(1, nrow = 5, ncol = 5)

# 情况1：数值聚集密度
value_density <- focal(r, w = window, fun = sum, na.rm = TRUE)

# 情况2：有值像素分布密度
binary_r <- r
binary_r[!is.na(binary_r)] <- 1
binary_r[is.na(binary_r)] <- 0
pixel_distribution_density <- focal(binary_r, w = window, fun = sum, na.rm = TRUE)

# 可视化结果
plot(value_density, main = "数值聚集密度分布")
plot(pixel_distribution_density, main = "有值像素分布密度")

方法2：转换为点数据后执行核密度分析 #

若坚持使用核密度方法，解决你转换ppp失败的核心是正确设置空间窗口范围，步骤如下：

代码示例（基于R语言raster+spatstat包）：

library(raster)
library(spatstat)

# 加载栅格
r <- raster("your_raster_file.tif")

# 提取有值像素的坐标与数值
pixel_data <- rasterToPoints(r, spatial = FALSE)
x_coords <- pixel_data[, 1]
y_coords <- pixel_data[, 2]
pixel_values <- pixel_data[, 3]

# 创建ppp对象：以栅格的边界作为点数据的空间窗口
spatial_window <- owin(xrange = c(xmin(r), xmax(r)), yrange = c(ymin(r), ymax(r)))
ppp_object <- ppp(x = x_coords, y = y_coords, window = spatial_window, marks = pixel_values)

# 计算核密度
# 情况1：基于点数量的密度
point_density <- density(ppp_object)
# 情况2：带数值权重的核密度（用像素值作为权重）
weighted_density <- density(ppp_object, weights = pixel_values)

# 转换为栅格格式（方便与原数据对齐）
density_raster <- raster(point_density)
projection(density_raster) <- projection(r)

# 可视化
plot(density_raster, main = "核密度分析结果")

内容的提问来源于stack exchange，提问作者Maik