我在tiff图像上运行线性回归。图像尺寸是;
ncol=6350, nrow=2077, nlayers=26
在运行计算之前我所做的只是使用
读取R中的tiff图像ndvi2000<-raster("img2000.tif")
然后在R控制台窗口中编写以下脚本。计算过程需要很长时间超过20分钟且仍在运行。长时间拍摄大图片是否正常？回归的脚本是：
time<-sort(sample(97:297, nlayers(ndvi2000)))
t.lm.pred<-function(x) {if (is.na(x[1])) {NA} else{predict(lm(x~time))}}
f.pred<-calc(ndvi2000,t.lm.pred)
答案 0 :(得分：3)
你拥有的价值数量非常大，所以我不会感到意外，因为它需要很长时间。只需将随机数列表设为tiff文件的大小：
x = runif(6350 * 2077 * 26)
object.size(x) / (1024 * 1024)
2616.216
超过2.5 Gb，这只是为了保存一个变量。根据经验，您需要的RAM大约是数据集大小的三倍。因此，假设您加载了更多图像，则需要超过10-20 Gb的RAM。如果您没有足够的RAM，您的操作系统将开始将内存交换到磁盘，这会使您的分析速度变慢。
我认为重新考虑您的分析或者租用64 Gb RAM EC2实例是个好主意。您只能查看时间平均值或空间平均值。只查看特定位置等等。只需使用数据中的所有值进行暴力破解可能不是最佳选择。