Traitement plus rapide du vecteur pour raster avec R

Je convertis le vecteur en raster en R. Cependant, le processus était trop long. Est-il possible de mettre le script en traitement multithread ou GPU afin de le faire plus rapidement?

Mon script au vecteur tramé.

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

classe: RasterLayer dimensions: 9636, 11476, 110582736 (nrow, ncol, ncell) résolution: 10, 10 (x, y) étendue: 505755, 620515, 8555432, 8651792 (xmin, xmax, ymin, ymax) coord. réf. : + proj = longlat + datum = WGS84 + ellps = WGS84 + towgs84 = 0,0,0

setor

classe: SpatialPolygonsDataFrame: 5419 étendue: 505755, 620515.4, 8555429, 8651792 (xmin, xmax, ymin, ymax) coord. réf. : + proj = utm + zone = 24 + south + ellps = GRS80 + units = m + no_defs variables: 6 noms: ID, CD_GEOCODI, TIPO, dens_imov, area_m, domicilios1 valeurs min: 35464, 290110605000001, RURAL, 0.00000003,100004, 1,0000 valeurs maximales: 58468, 293320820000042, URBANO, 0,54581673,99996, 99,0000

Impression de setor

J'ai essayé de "paralléliser" la fonction en rasterizeutilisant le Rpackage parallelde cette manière:

1. diviser l' objet SpatialPolygonsDataFrame en nparties
2. rasterize chaque partie séparément
3. fusionner toutes les pièces en un seul raster

Dans mon ordinateur, la rasterizefonction parallélisée prenait 2,75 fois moins que la fonction non parallélisée rasterize.

Remarque: le code ci-dessous télécharge un fichier de formes polygonales (~ 26,2 Mo) depuis le Web. Vous pouvez utiliser n'importe quel objet SpatialPolygonDataFrame. Ce n'est qu'un exemple.

Charger des bibliothèques et des exemples de données:

# 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

Figure 1: Graphique SpatialPolygonsDataFrame du Brésil

Exemple de thread simple

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

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

Temps dans mon ordinateur portable:

# Output:
# user  system elapsed 
# 23.883    0.010   23.891

Exemple de thread multithread

# 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)

Figure 2: tracé matriciel du Brésil

Temps dans mon ordinateur portable:

# Output:
# user  system elapsed 
# 0.203   0.033   8.688 

Plus d'informations sur la parallélisation dans R :

• comment-aller-parallele-en-r-conseils de base
• calcul-parallèle-en-r
• exécution-de-travaux-rapidement-sur-plusieurs-machines
• Exemple de parallélisation et de clustering dans R