R语言使用线性回归计算三维气候数组逐网格的时间趋势

报错原因 #

你调用apply时的语法错误导致了该报错：apply会将前两维度对应的每个网格的360长度时间序列作为参数传入处理函数，但你代码中直接使用了完整三维数组my_array参与回归，而非apply传入的单个网格序列，两者长度不匹配因此触发错误。

基础实现方案（基于apply） #

只需要将回归逻辑封装为匿名函数，接收apply传入的单个网格时间序列即可：

set.seed(5)
my_array <- array(sample(rnorm(100), 600, replace=T), dim= c(54,71,360))
time_vec <- 1:360
# 对每个网格计算斜率
trend_mat <- apply(my_array, 1:2, function(grid_seq) {
  lm(grid_seq ~ time_vec)$coefficients[2]
})
# apply默认返回的是71行54列，转置后得到54行71列的目标矩阵
trend_mat <- t(trend_mat)
# 验证维度
dim(trend_mat) # 输出为 54 71

你可以验证第一个网格的结果：trend_mat[1,1]和你示例中计算的1.347029e-05完全一致。

高效实现方案（无lm拟合，矩阵运算） #

如果网格数量较多，逐点调用lm会比较慢，你可以直接用一元线性回归的斜率公式批量计算，速度提升数倍：
一元线性回归斜率 = 自变量和因变量的协方差 / 自变量的方差，对应到你的场景就是：

# 将三维数组转为二维矩阵：每行对应一个网格，每列对应一个时间点
grid_mat <- matrix(my_array, nrow = 54*71, ncol = 360)
time_var <- var(time_vec)
# 批量计算所有网格的斜率
trend_vec <- apply(grid_mat, 1, function(x) cov(x, time_vec)/time_var)
# 还原为54*71的矩阵
trend_mat <- matrix(trend_vec, nrow = 54, ncol = 71)

该方案得到的结果和lm实现完全一致，计算效率更高，适合更大规模的网格数据。

内容的提问来源于stack exchange，提问作者climsaver