R raster returns values as NA

Question

I am assembling a raster stack of environmental variables to run analytics with Random Forests.

rf <- randomForest(
   x = covar,
   y = d1
 )

Error in randomForest.default(x = covar, y = d1) : 
  NA not permitted in predictors

covar is my raster stack, d1 is my point value object.

str(d1)
 num [1:380] 7.4 7.81 7.75 7.96 7.54 7.25 7.83 7.52 8.02 7.68 ...

str(covar)
'data.frame':   380 obs. of  76 variables:
 $ apr_modmm_250mx        : num  NA NA NA NA NA NA NA NA NA NA ...
 $ apr_precip_250mx       : num  NA NA NA NA NA NA NA NA NA NA ...
 $ april_temp_250mx       : num  NA NA NA NA NA NA NA NA NA NA ...
 $ aspect_guanajuato_250mx: num  NA NA NA NA NA NA NA NA NA NA ...
 $ aug_modmm_250mx        : num  NA NA NA NA NA NA NA NA NA NA ...
 $ aug_precip_250mx       : num  NA NA NA NA NA NA NA NA NA NA ...
 $ aug_temp_250mx         : num  NA NA NA NA NA NA NA NA NA NA ...
 $ bd_0_250mx             : num  NA NA NA NA NA NA NA NA NA NA ...
 $ bd_10_250mx            : num  NA NA NA NA NA NA NA NA NA NA ...
 $ bd_5_250mx             : num  NA NA NA NA NA NA NA NA NA NA ...
 $ cec_0_250mx            : num  NA NA NA NA NA NA NA NA NA NA ...
 $ cec_15_250mx           : num  NA NA NA NA NA NA NA NA NA NA ...
 $ cec_5_250mx            : num  NA NA NA NA NA NA NA NA NA NA ...
 $ cly_0_250mx            : num  NA NA NA NA NA NA NA NA NA NA ...
 $ cly_10_250mx           : num  NA NA NA NA NA NA NA NA NA NA ...
 $ cors_0_250mx           : num  NA NA NA NA NA NA NA NA NA NA ...
 $ cors_10_250mx          : num  NA NA NA NA NA NA NA NA NA NA ...
 $ cors_5_250mx           : num  NA NA NA NA NA NA NA NA NA NA ...
 $ dec_modmm_250mx        : num  NA NA NA NA NA NA NA NA NA NA ...
 $ dec_precip_250mx       : num  NA NA NA NA NA NA NA NA NA NA ...
 $ dec_temp_250mx         : num  NA NA NA NA NA NA NA NA NA NA ...
 $ dem_250mx              : num  NA NA NA NA NA NA NA NA NA NA ...
 $ dep_precip_250mx       : num  NA NA NA NA NA NA NA NA NA NA ...
 $ feb_modmm_250mx        : num  NA NA NA NA NA NA NA NA NA NA ...
 $ feb_precip_250mx       : num  NA NA NA NA NA NA NA NA NA NA ...
 $ feb_temp_250mx         : num  NA NA NA NA NA NA NA NA NA NA ...
 $ jan_modmm_250mx        : num  NA NA NA NA NA NA NA NA NA NA ...
 $ jan_precip_250mx       : num  NA NA NA NA NA NA NA NA NA NA ...
 $ jan_temp_250mx         : num  NA NA NA NA NA NA NA NA NA NA ...
 $ jul_modmm_250mx        : num  NA NA NA NA NA NA NA NA NA NA ...
 $ jul_precip_250mx       : num  NA NA NA NA NA NA NA NA NA NA ...
 $ july_temp_250mx        : num  NA NA NA NA NA NA NA NA NA NA ...
 $ jun_modmm_250mx        : num  NA NA NA NA NA NA NA NA NA NA ...
 $ june_precip_250mx      : num  NA NA NA NA NA NA NA NA NA NA ...
 $ june_temp_250mx        : num  NA NA NA NA NA NA NA NA NA NA ...
 $ mar_modmm_250mx        : num  NA NA NA NA NA NA NA NA NA NA ...
 $ mar_precip_250mx       : num  NA NA NA NA NA NA NA NA NA NA ...
 $ march_temp_250mx       : num  NA NA NA NA NA NA NA NA NA NA ...
 $ may_modmm_250mx        : num  NA NA NA NA NA NA NA NA NA NA ...
 $ may_precip_250mx       : num  NA NA NA NA NA NA NA NA NA NA ...
 $ may_temp_250mx         : num  NA NA NA NA NA NA NA NA NA NA ...
 $ ndvi_0119_250mx        : num  NA NA NA NA NA NA NA NA NA NA ...
 $ ndvi_0319_250mx        : num  NA NA NA NA NA NA NA NA NA NA ...
 $ ndvi_0419_250mx        : num  NA NA NA NA NA NA NA NA NA NA ...
 $ ndvi_0519_250mx        : num  NA NA NA NA NA NA NA NA NA NA ...
 $ ndvi_0619_250mx        : num  NA NA NA NA NA NA NA NA NA NA ...
 $ ndvi_1218_250mx        : num  NA NA NA NA NA NA NA NA NA NA ...
 $ nov_modmm_250mx        : num  NA NA NA NA NA NA NA NA NA NA ...
 $ nov_precip_250mx       : num  NA NA NA NA NA NA NA NA NA NA ...
 $ nov_temp_250mx         : num  NA NA NA NA NA NA NA NA NA NA ...
 $ oct_modmm_250mx        : num  NA NA NA NA NA NA NA NA NA NA ...
 $ oct_precip_250mx       : num  NA NA NA NA NA NA NA NA NA NA ...
 $ oct_temp_250mx         : num  NA NA NA NA NA NA NA NA NA NA ...
 $ ph_0_250mx             : num  NA NA NA NA NA NA NA NA NA NA ...
 $ ph_15_250mx            : num  NA NA NA NA NA NA NA NA NA NA ...
 $ ph_5_250mx             : num  NA NA NA NA NA NA NA NA NA NA ...
 $ rgb_0119_250mx         : num  NA NA NA NA NA NA NA NA NA NA ...
 $ rgb_0319_250mx         : num  NA NA NA NA NA NA NA NA NA NA ...
 $ rgb_0419_250mx         : num  NA NA NA NA NA NA NA NA NA NA ...
 $ rgb_0519_250mx         : num  NA NA NA NA NA NA NA NA NA NA ...
 $ rgb_0619_250mx         : num  NA NA NA NA NA NA NA NA NA NA ...
 $ rgb_1218_250mx         : num  NA NA NA NA NA NA NA NA NA NA ...
 $ sep_modmm_250mx        : num  NA NA NA NA NA NA NA NA NA NA ...
 $ sep_temp_250mx         : num  NA NA NA NA NA NA NA NA NA NA ...
 $ slp_250mx              : num  NA NA NA NA NA NA NA NA NA NA ...
 $ slt_0_250mx            : num  NA NA NA NA NA NA NA NA NA NA ...
 $ slt_15_250mx           : num  NA NA NA NA NA NA NA NA NA NA ...
 $ slt_5_250mx            : num  NA NA NA NA NA NA NA NA NA NA ...
 $ snd_0_250mx            : num  NA NA NA NA NA NA NA NA NA NA ...
 $ snd_15_250mx           : num  NA NA NA NA NA NA NA NA NA NA ...
 $ snd_5_250mx            : num  NA NA NA NA NA NA NA NA NA NA ...
 $ som_0_250mx            : num  NA NA NA NA NA NA NA NA NA NA ...
 $ som_10_250mx           : num  NA NA NA NA NA NA NA NA NA NA ...
 $ som_5_250mx            : num  NA NA NA NA NA NA NA NA NA NA ...
 $ taxp_250mx             : num  NA NA NA NA NA NA NA NA NA NA ...
 $ taxus_250mx            : num  NA NA NA NA NA NA NA NA NA NA ...

All of my environmental variables have NA vales, so I think this is where the problem is.

This is where I have got to so far, using one example.

I am importing .tif files into R, then using the raster function. The object looks good and shows the values. It also plots well and produces a histogram of the of the values. However, when I inspect the data slot more closely the values are all NA. It seems this may be the error. However, I am not sure what the problem is?

aspect_250 <- raster("aspect_guanajuato_250m.tif", layer = 1, values = TRUE)

aspect_250
class      : RasterLayer 
dimensions : 1000, 1000, 1e+06  (nrow, ncol, ncell)
resolution : 249.3105, 217.3383  (x, y)
extent     : 175488, 424798.5, 2201959, 2419297  (xmin, xmax, ymin, ymax)
crs        : +proj=utm +zone=14 +datum=WGS84 +units=m +no_defs +ellps=WGS84 +towgs84=0,0,0  
names      : aspect_guanajuato_250m 
values     : 4.023071, 354.3721  (min, max)

summary(aspect_250)
        aspect_guanajuato_250m
Min.                  5.658854
1st Qu.             132.651470
Median              182.637779
3rd Qu.             231.543999
Max.                353.780945
NA's                  0.000000

plot(aspect_250)

  [1]: https://i.stack.imgur.com/0SZFu.png

str(aspect_250)
Formal class 'RasterLayer' [package "raster"] with 12 slots
  ..@ file    :Formal class '.RasterFile' [package "raster"] with 13 slots
  .. .. ..@ name        : chr "C:\\Users\\DGUERENA\\Google Drive\\CIMMYT\\IDP\\Soils\\DSM\\DSM_guanajuato\\aspect_guanajuato_250m.tif"
  .. .. ..@ datanotation: chr "FLT4S"
  .. .. ..@ byteorder   : chr "little"
  .. .. ..@ nodatavalue : num -Inf
  .. .. ..@ NAchanged   : logi FALSE
  .. .. ..@ nbands      : int 1
  .. .. ..@ bandorder   : chr "BIL"
  .. .. ..@ offset      : int 0
  .. .. ..@ toptobottom : logi TRUE
  .. .. ..@ blockrows   : int 2
  .. .. ..@ blockcols   : int 1000
  .. .. ..@ driver      : chr "gdal"
  .. .. ..@ open        : logi FALSE
  ..@ data    :Formal class '.SingleLayerData' [package "raster"] with 13 slots
  .. .. ..@ values    : logi(0) 
  .. .. ..@ offset    : num 0
  .. .. ..@ gain      : num 1
  .. .. ..@ inmemory  : logi FALSE
  .. .. ..@ fromdisk  : logi TRUE
  .. .. ..@ isfactor  : logi FALSE
  .. .. ..@ attributes: list()
  .. .. ..@ haveminmax: logi TRUE
  .. .. ..@ min       : num 4.02
  .. .. ..@ max       : num 354
  .. .. ..@ band      : int 1
  .. .. ..@ unit      : chr ""
  .. .. ..@ names     : chr "aspect_guanajuato_250m"
  ..@ legend  :Formal class '.RasterLegend' [package "raster"] with 5 slots
  .. .. ..@ type      : chr(0) 
  .. .. ..@ values    : logi(0) 
  .. .. ..@ color     : logi(0) 
  .. .. ..@ names     : logi(0) 
  .. .. ..@ colortable: logi(0) 
  ..@ title   : chr(0) 
  ..@ extent  :Formal class 'Extent' [package "raster"] with 4 slots
  .. .. ..@ xmin: num 175488
  .. .. ..@ xmax: num 424799
  .. .. ..@ ymin: num 2201959
  .. .. ..@ ymax: num 2419297
  ..@ rotated : logi FALSE
  ..@ rotation:Formal class '.Rotation' [package "raster"] with 2 slots
  .. .. ..@ geotrans: num(0) 
  .. .. ..@ transfun:function ()  
  ..@ ncols   : int 1000
  ..@ nrows   : int 1000
  ..@ crs     :Formal class 'CRS' [package "sp"] with 1 slot
  .. .. ..@ projargs: chr "+proj=utm +zone=14 +datum=WGS84 +units=m +no_defs +ellps=WGS84 +towgs84=0,0,0"
  ..@ history : list()
  ..@ z       : list()

head(aspect_250[], 200)
  [1] NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
 [56] NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
[111] NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
[166] NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA

From previous posts I tried readALL, nothing.

aspect.all <- readAll(aspect_250)
str(aspect.all)
str(aspect.all)
Formal class 'RasterLayer' [package "raster"] with 12 slots
  ..@ file    :Formal class '.RasterFile' [package "raster"] with 13 slots
  .. .. ..@ name        : chr "C:\\Users\\DGUERENA\\Google Drive\\CIMMYT\\IDP\\Soils\\DSM\\DSM_guanajuato\\aspect_guanajuato_250m.tif"
  .. .. ..@ datanotation: chr "FLT4S"
  .. .. ..@ byteorder   : chr "little"
  .. .. ..@ nodatavalue : num -Inf
  .. .. ..@ NAchanged   : logi FALSE
  .. .. ..@ nbands      : int 1
  .. .. ..@ bandorder   : chr "BIL"
  .. .. ..@ offset      : int 0
  .. .. ..@ toptobottom : logi TRUE
  .. .. ..@ blockrows   : int 2
  .. .. ..@ blockcols   : int 1000
  .. .. ..@ driver      : chr "gdal"
  .. .. ..@ open        : logi FALSE
  ..@ data    :Formal class '.SingleLayerData' [package "raster"] with 13 slots
  .. .. ..@ values    : num [1:1000000] NA NA NA NA NA NA NA NA NA NA ...
  .. .. ..@ offset    : num 0
  .. .. ..@ gain      : num 1
  .. .. ..@ inmemory  : logi TRUE
  .. .. ..@ fromdisk  : logi FALSE
  .. .. ..@ isfactor  : logi FALSE
  .. .. ..@ attributes: list()
  .. .. ..@ haveminmax: logi TRUE
  .. .. ..@ min       : num 4.02
  .. .. ..@ max       : num 354
  .. .. ..@ band      : int 1
  .. .. ..@ unit      : chr ""
  .. .. ..@ names     : chr "aspect_guanajuato_250m"
  ..@ legend  :Formal class '.RasterLegend' [package "raster"] with 5 slots
  .. .. ..@ type      : chr(0) 
  .. .. ..@ values    : logi(0) 
  .. .. ..@ color     : logi(0) 
  .. .. ..@ names     : logi(0) 
  .. .. ..@ colortable: logi(0) 
  ..@ title   : chr(0) 
  ..@ extent  :Formal class 'Extent' [package "raster"] with 4 slots
  .. .. ..@ xmin: num 175488
  .. .. ..@ xmax: num 424799
  .. .. ..@ ymin: num 2201959
  .. .. ..@ ymax: num 2419297
  ..@ rotated : logi FALSE
  ..@ rotation:Formal class '.Rotation' [package "raster"] with 2 slots
  .. .. ..@ geotrans: num(0) 
  .. .. ..@ transfun:function ()  
  ..@ ncols   : int 1000
  ..@ nrows   : int 1000
  ..@ crs     :Formal class 'CRS' [package "sp"] with 1 slot
  .. .. ..@ projargs: chr "+proj=utm +zone=14 +datum=WGS84 +units=m +no_defs +ellps=WGS84 +towgs84=0,0,0"
  ..@ history : list()
  ..@ z       : list()

Answer 1

Thanks for the responses. Indeed, the issue was with the CRS. The native CRS for the data I used was WGS 84 lat-long. The CRS of the mask I was clipping to was UTM14. As the CRS did not share the same extend, all of the values from the point data were excluded. When I imported the point data, I first set the CRS to UTM14. However, this transformation did not change the CRS from lat-long or changed the extent. I still do not understand exactly why this was the case... I had to first set the CRS of the point data to WGS 84, then use SP transform to change the CRS to UTM14. When I did this the extents both matched.

Thanks for the suggestions!