多年份土地覆盖提取中map函数count的landcover参数赋值问题

我明白你的问题了：当处理单个年份的土地覆盖数据时，exact_extract返回的结果里有value列，你可以用count(., landcover = value)轻松得到id、landcover、n的格式；但处理2010-2019年的多波段数据时，返回的列是y2010到y2019，没法直接用value来重命名统计。

核心思路 #

多波段提取的结果是宽格式（每列对应一个年份），我们需要先把它转换成长格式（年份作为单独一列，土地覆盖值对应另一列），之后再进行统计，这样就能得到类似单年份的结构，还能保留年份信息。

修改后的代码 #

把你代码中处理提取结果的部分替换成下面这段：

lc_extract_pred <- landcover[[paste0("y", 2010:2019)]] %>% 
  exact_extract(r_cells, progress = FALSE) %>% 
  # 对每个id的提取结果进行处理：转长格式 + 统计
  map(~ pivot_longer(., 
                     cols = starts_with("y"),  # 选择所有以y开头的年份列
                     names_to = "year",        # 列名转为year列
                     values_to = "landcover")  # 列值转为landcover列
        %>% count(year, landcover)) %>%  # 按年份和土地覆盖类型统计数量
  tibble(id = r_cells$id, data = .) %>% 
  unnest(data)

关键细节解释 #

1. pivot_longer转换格式：这一步把每个id对应的宽格式数据（y2010, y2011...列）转成了长格式，每一行对应一个年份的土地覆盖值，这样就统一了和单年份提取结果的结构。
2. 优化年份显示：如果希望年份显示为纯数字（比如2010而不是y2010），可以在count前加上mutate(year = str_remove(year, "y"))：

   map(~ pivot_longer(., cols = starts_with("y"), names_to = "year", values_to = "landcover") %>% 
         mutate(year = str_remove(year, "y")) %>% 
         count(year, landcover))
   

3. 统计逻辑：转成长格式后，count(year, landcover)会自动统计每个id下，各年份每种土地覆盖类型的出现次数，最终得到id、year、landcover、n的清晰结构。

这样处理后，你就能得到所有年份的统一格式统计结果啦。

内容的提问来源于stack exchange，提问作者Lime