Xử lý vector để raster nhanh hơn với R

Tôi đang chuyển đổi vector sang raster trong R. Tuy nhiên quá trình này quá dài. Có khả năng đưa tập lệnh vào xử lý đa luồng hoặc xử lý GPU để thực hiện nhanh hơn không?

Kịch bản của tôi để rasterized vector.

r.raster = raster()
extent(r.raster) = extent(setor) #definindo o extent do raster
res(r.raster) = 10 #definindo o tamanho do pixel
setor.r = rasterize(setor, r.raster, 'dens_imov')

r.raster

lớp: RasterLayer kích thước: 9636, 11476, 110582736 (nrow, ncol, ncell) độ phân giải: 10, 10 (x, y) phạm vi: 505755, 620515, 8555432, 8651792 (xmin, xmax, ymin, ymax). tham chiếu : + proj = longlat + datum = WGS84 + ellps = WGS84 + Towks84 = 0,0,0

người thiết lập

lớp: SpatialPolygonsDataFrame tính năng: 5419 phạm vi: 505755, 620515.4, 8555429, 8651792 (xmin, xmax, ymin, ymax) tọa độ. tham chiếu : + ủng hộ = 1,0000 giá trị tối đa: 58468, 293320820000042, URBANO, 0,54581673,99996, 99.0000

In của setor

Tôi đã cố gắng "song song hóa" chức năng rasterizebằng cách sử dụng Rgói paralleltheo cách này:

1. chia đối tượng SpatialPolygonsDataFrame thành ncác phần
2. rasterize mỗi phần riêng biệt
3. hợp nhất tất cả các bộ phận vào một raster

Trong máy tính của tôi, rasterizechức năng song song mất ít hơn 2,75 lần so với rasterizechức năng không song song .

Lưu ý: mã bên dưới tải xuống một shapefile đa giác (~ 26,2 MB) từ web. Bạn có thể sử dụng bất kỳ đối tượng SpatialPolygonDataFrame. Đây chỉ là một ví dụ.

Tải thư viện và dữ liệu mẫu:

# Load libraries
library('raster')
library('rgdal')

# Load a SpatialPolygonsDataFrame example
# Load Brazil administrative level 2 shapefile
BRA_adm2 <- raster::getData(country = "BRA", level = 2)

# Convert NAMES level 2 to factor 
BRA_adm2$NAME_2 <- as.factor(BRA_adm2$NAME_2)

# Plot BRA_adm2
plot(BRA_adm2)
box()

# Define RasterLayer object
r.raster <- raster()

# Define raster extent
extent(r.raster) <- extent(BRA_adm2)

# Define pixel size
res(r.raster) <- 0.1

Hình 1: Sơ đồ SpatialPolygonsDataFrame của Brazil

Ví dụ chủ đề đơn giản

# Simple thread -----------------------------------------------------------

# Rasterize
system.time(BRA_adm2.r <- rasterize(BRA_adm2, r.raster, 'NAME_2'))

Thời gian trong máy tính xách tay của tôi:

# Output:
# user  system elapsed 
# 23.883    0.010   23.891

Ví dụ chủ đề đa luồng

# Multithread -------------------------------------------------------------

# Load 'parallel' package for support Parallel computation in R
library('parallel')

# Calculate the number of cores
no_cores <- detectCores() - 1

# Number of polygons features in SPDF
features <- 1:nrow(BRA_adm2[,])

# Split features in n parts
n <- 50
parts <- split(features, cut(features, n))

# Initiate cluster (after loading all the necessary object to R environment: BRA_adm2, parts, r.raster, n)
cl <- makeCluster(no_cores, type = "FORK")
print(cl)

# Parallelize rasterize function
system.time(rParts <- parLapply(cl = cl, X = 1:n, fun = function(x) rasterize(BRA_adm2[parts[[x]],], r.raster, 'NAME_2')))

# Finish
stopCluster(cl)

# Merge all raster parts
rMerge <- do.call(merge, rParts)

# Plot raster
plot(rMerge)

Hình 2: Sơ đồ raster Brazil

Thời gian trong máy tính xách tay của tôi:

# Output:
# user  system elapsed 
# 0.203   0.033   8.688 

Thông tin thêm về song song hóa trong R :

• làm thế nào để đi song song-trong-r-căn bản-mẹo
• tính toán song song
• chạy-r-jobs-quick-on-many-machine
• Ví dụ song song và phân cụm trong R