作者:黄天元,复旦大学博士在读,热爱数据科学与开源工具(R),致力于利用数据科学迅速积累行业经验优势和科学知识发现,涉猎内容包括但不限于信息计量、机器学习、数据可视化、应用统计建模、知识图谱等,著有《R语言高效数据处理指南》(《R语言数据高效处理指南》(黄天元)【摘要 书评 试读】- 京东图书)。知乎专栏:R语言数据挖掘。邮箱:.欢迎合作交流。
HopeR:R语言空间数据分析(零):总目录![7e8c1bfee581d663ca2ca45ef2da0f07.png](https://i-blog.csdnimg.cn/blog_migrate/a8ee512755deae1589825cac220eb4b7.jpeg)
本帖子会基于之前在HopeR:R语言空间数据分析(十):简单栅格计算——NDVI提到的数据,继续进行拓展,从而发现城市温度与建筑之间的关系。首先,我们把之前重要的数据导入,并计算NDVI。
library(pacman)
p_load(sp,raster,rgeos,rgdal,rasterVis,raster,fs,sf,tidyverse)
################
# 计算NDVI
dir("data/LC08_L1TP_203023_20190513_20190521_01_T1/mask",full.names = T) %>%
str_subset(pattern = "_B[1-7]_") %>%
stack()