###########################################################################
############################# Run this set up code: #######################
###########################################################################
# set seed:
seed=38
# Define training and test files:
qdata.trainfn = system.file("extdata", "helpexamples","DATATRAIN.csv", package = "ModelMap")
# Define folder for all output:
folder=getwd()
#identifier for individual training and test data points
unique.rowname="ID"
###########################################################################
######################## Define the model: ################################
###########################################################################
########## Continuous Response, Continuous Predictors ############
#file name to store model:
MODELfn="RF_Bio_TC"
#predictors:
predList=c("TCB","TCG","TCW")
#define which predictors are categorical:
predFactor=FALSE
# Response name and type:
response.name="BIO"
response.type="continuous"
###########################################################################
########################### build model: ##################################
###########################################################################
### create model ###
model.obj = model.build( model.type="RF",
qdata.trainfn=qdata.trainfn,
folder=folder,
unique.rowname=unique.rowname,
MODELfn=MODELfn,
predList=predList,
predFactor=predFactor,
response.name=response.name,
response.type=response.type,
seed=seed,
na.action="na.roughfix"
)
###########################################################################
############ Then Run this code to predict map pixels #####################
###########################################################################
### Create a the filename (including path) for the rast Look up Tables ###
rastLUTfn.2001 <- system.file( "extdata",
"helpexamples",
"LUT_2001.csv",
package="ModelMap")
### Load rast LUT table, and add path to the predictor raster filenames in column 1 ###
rastLUT.2001 <- read.table(rastLUTfn.2001,header=FALSE,sep=",",stringsAsFactors=FALSE)
for(i in 1:nrow(rastLUT.2001)){
rastLUT.2001[i,1] <- system.file("extdata",
"helpexamples",
rastLUT.2001[i,1],
package="ModelMap")
}
### Define filename for map output ###
OUTPUTfn.2001 <- "RF_BIO_TCandNLCD_01.img"
OUTPUTfn.2001 <- paste(folder,OUTPUTfn.2001,sep="/")
### Create image files of predicted map data ###
model.mapmake( model.obj=model.obj,
folder=folder,
rastLUTfn=rastLUT.2001,
# Mapping arguments
OUTPUTfn=OUTPUTfn.2001
)
###########################################################################
################ run this code to create maps in R ########################
###########################################################################
### Define Color Ramp ###
l <- seq(100,0,length.out=101)
c <- seq(0,100,length.out=101)
col.ramp <- hcl(h = 120, c = c, l = l)
### read in map data ###
mapgrid.2001 <- raster(OUTPUTfn.2001)
#mapgrid.2001 <- setMinMax(mapgrid.2001)
### create map ###
dev.new(width = 5, height = 5)
opar <- par(mar=c(3,3,2,1),oma=c(0,0,3,4),xpd=NA)
zlim <- c(0,max(maxValue(mapgrid.2001)))
legend.label<-rev(pretty(zlim,n=5))
legend.colors<-col.ramp[trunc((legend.label/max(legend.label))*100)+1]
image( mapgrid.2001, col = col.ramp, zlim=zlim, asp=1, bty="n",
xaxt="n", yaxt="n", main="", xlab="", ylab="")
mtext("2001 Imagery",side=3,line=1,cex=1.2)
legend( x=xmax(mapgrid.2001),y=ymax(mapgrid.2001),
legend=legend.label,
fill=legend.colors,
bty="n",
cex=1.2
)
mtext("Predictions",side=3,line=1,cex=1.5,outer=TRUE)
par(opar)Run the code above in your browser using DataLab