如何在terra包中调整分类SpatRaster的类别顺序与ID映射

terra包可以实现和base R中factor()调整水平顺序、同步更新底层整数值完全等效的操作，不需要手动编写classify()重分类映射表，能避免手动匹配的人为错误。

具体实现步骤 #

以下方法基于你提供的最小可复现示例编写，逻辑可以直接适配你提到的包含Ocean、Urban Ecosystem等类别的实际场景：

1. 提取参考栅格的标准类别映射表作为对齐基准

   # 提取参考栅格r的栅格属性表，作为统一的类别-ID映射标准
   ref_levels <- cats(r)[[1]]
   # 单波段栅格取cats返回列表的第一个元素即可，多波段栅格对应取目标波段的列表元素
   

2. 自动重映射待调整栅格的底层整数值
   逻辑和base R因子重排水平完全一致：先把待调整栅格的像元值转为对应类别标签，再按照参考类别的顺序把标签转回匹配的标准ID：

   # 将待调整栅格的现有值转为类别标签
   r2_labels <- as.factor(r_2)
   # 按参考类别顺序重映射为标准ID值
   r2_std_vals <- as.numeric(
     factor(r2_labels, levels = ref_levels$cover)
     # 如果是你第一个示例的label列，把上面的$cover换成$label即可
   )
   # 将重映射后的值写回待调整栅格
   values(r_2) <- r2_std_vals
   

3. 绑定统一的栅格属性表
   给值调整完成的栅格绑定和参考栅格完全一致的属性表，最终实现类别集合、顺序、ID三者完全统一：

   levels(r_2) <- ref_levels
   

结果验证 #

操作完成后可以通过以下方式校验对齐效果：

# 对比两个栅格的属性表，确认ID和标签对应关系完全一致
levels(r)
levels(r_2)
# 对比调整前后各类别像元数量，确认没有错配
freq(r)
freq(r_2)

注意事项 #

• 操作前请确认两个栅格的类别标签拼写、大小写完全一致，否则因子匹配时会生成无效NA值
• 该方法自动适配ID从0开始的栅格（比如你示例中ID=0对应Ocean的场景），不需要额外调整ID起始值
• 如果你已经提前补全了所有缺失类别，哪怕部分类别在待调整栅格中没有实际像元，该方法也会正确保留对应ID位，不会丢失类别

内容的提问来源于stack exchange，提问作者André.B