使用R处理向量以更快地栅格化

我正在将向量转换为R中的栅格。但是，过程太长了。是否可以将脚本放入多线程或GPU处理中以使其更快地执行？

我的脚本栅格化矢量。

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')

光栅

类：RasterLayer尺寸：9636、11476、110582736（nrow，ncol，ncell）分辨率：10、10（x，y）范围：505755、620515、8555542、8651792（xmin，xmax，ymin，ymax）坐标。参考：+ proj = longlat + datum = WGS84 + ellps = WGS84 + towgs84 = 0,0,0

设定者

类：SpatialPolygonsDataFrame功能：5419范围：505755，620515.4，8555429，8651792（xmin，xmax，ymin，ymax）坐标。参考：+ proj = utm + zone = 24 + south + ellps = GRS80 + units = m + no_defs变量：6个名称：ID，CD_GEOCODI，TIPO，dens_imov，area_m，domicilios1个最小值：35464，290110605000001，RURAL，0.00000003,100004， 1.0000最大值：58468，293320820000042，URBANO，0.54581673,99996，99.0000

设定者的印刷

— 迪奥戈·加勒比（DiogoCaribé）
source

您可以发布setor和r.raster的摘要吗？我想对setor中的对象数量和r.raster的尺寸有所了解。只需打印它们就可以了

— mdsumner '16

我在问题正文中加上了摘要。

— DiogoCaribé16年

不摘要，仅打印-我要求我们提供的信息，而不是tgere

— mdsumner，2016年

对不起，我把照片打印了。

— DiogoCaribé16年

啊，很失望，直到我看到打印输出，我才想到这一点-确保栅格的投影与多边形匹配，但现在不匹配-尝试r <-raster（setor）; res（r）<-10; setor.r = rasterize（setor，r，'dens_imov'）-但也可以尝试先将res（r）设置为<-250，以便您了解高分辨率版本将花费多长时间

— mdsumner，2016年

我尝试通过这种方式使用程序包“并行化”功能：rasterizeRparallel

将SpatialPolygonsDataFrame对象分成几n部分
rasterize 每个部分分别
将所有零件合并为一个栅格

在我的计算机中，并行化rasterize功能比无并行化功能少2.75倍rasterize。

注意：以下代码从网上下载了一个多边形shapefile（〜26.2 MB）。您可以使用任何SpatialPolygonDataFrame对象。这仅仅是一个例子。

加载库和示例数据：

# 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

图1：巴西SpatialPolygonsDataFrame图

简单线程示例

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

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

我的笔记本电脑上的时间：

# Output:
# user  system elapsed 
# 23.883    0.010   23.891

多线程线程示例

# 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)

图2：巴西栅格图

我的笔记本电脑上的时间：

# Output:
# user  system elapsed 
# 0.203   0.033   8.688

有关R中并行化的更多信息：

— 古兹曼
source

很好的答案！

— DiogoCaribé16年

您是否仅将n设置为机器的内核数？

— 山姆

@Sam我认为它应该可以正常工作，但是我不知道它是否更好！我认为，如果我分裂的功能，在ñ部分等于核心数量也许这部分人可以更容易处理，并且处理这将是不使用的核心！但是，如果一个核心完成一个零件的处理后，您的零件多于核心，那么它将占用另一部分。但是可以肯定，我不确定！在这个问题上的任何帮助，将不胜感激。

— 古兹曼

今晚我要进行一些测试。在一个较小的shapefile（大约25km x 25km）上，光栅化为50m，使用n = 2,4或8而不是n = 20、30或最多50时，有微小的改进。今晚我将使用一个很大的shapefile栅格化到25m。单核处理需要10个小时，因此我们将看到n的不同值！！（n = 50不到1小时）

— 山姆

@Guzmán我再次运行代码。但是，它改变了一些错误，并且不知道为什么。你能帮助我吗？checkForRemoteErrors（val）中的错误：7个节点产生了错误；第一误差：对象“BRA_adm2”未找到

— 迪奥戈CARIBE