Question

我一直在使用extract包中的raster函数，使用shapefile定义的区域从栅格文件中提取数据。但是，我遇到了此过程现在需要的内存量问题。我确实有大量的shapefile（~1000）。光栅文件很大（~1.6gb）

我的流程是：

shp <- mclapply(list.files(pattern="*.shp",full.names=TRUE), readShapePoly,mc.cores=6)
ndvi <- raster("NDVI.dat")
mc<- function(y) {
temp <- gUnionCascaded(y)
extract <- extract(ndvi,temp)
mean <- range(extract, na.rm=T )[1:2]
leng <- length(output)
}
output <- lapply(shp, mc)

我可以做些什么来减少内存负载吗？我尝试加载较少的shapefile，在记忆再次刺激之前工作约5分钟。它的四核计算机2.4ghz，8gb ram

Answer 1

我会这样做（未经测试）：

## Clearly we need these packages, and their dependencies
library(raster)
library(rgeos)
shpfiles <- list.files(pattern="*.shp",full.names=TRUE)
ndvi <- raster("NDVI.dat")
## initialize an object to store the results for each shpfile
res <- vector("list", length(shpfiles))
names(res) <- shpfiles
## loop over files
for (i in seq_along(shpfiles)) {
  ## do the union
  temp <- gUnionCascaded(shpfiles[i])
  ## extract for this shape data (and don't call it "extract")
  extracted <- extract(ndvi,temp)
  ## further processing, save result
  mean <- range(extracted, na.rm = TRUE )[1:2]
  res[[i]] <- mean  ## plus whatever else you need
}

上面的mc（）的返回值是什么并不清楚，所以我忽略了它。这将比您最初尝试的内存高效且快速。我怀疑在这里使用并行的东西是值得的。

使用过多的内存从{raster}包中提取

1 个答案: