Question

我有一个包含15,000个空间线的巨大数据集，我使用37,000个点的所有组合创建了这些数据集。 对于每个空间线，我想提取线接触的多边形（或栅格 - 更快）的最大值。本质上，这是Arc术语中非常大的“空间连接”。如果在多边形图层上覆盖线条，则输出将是所有属性字段中空间线条的最大值 - 每个字段代表一年中的一个月。我已经包含了一个栅格数据集，该栅格数据集仅在1990年1月创建的多边形文件的分辨率为~30m - 栅格代表了一种我认为可以节省时间的替代方法。多边形＆amp;栅格图层代表一个大的空间区域：大约30km×10km。数据可用here。我在.zip中包含的空间线数据集只有9900行，从15亿行的整个数据集中随机抽样。

首先阅读数据

#polygons

 poly<-readShapePoly("ls_polys_bin",proj4string=CRS("+proj=utm +zone=21 +south +datum=WGS84 +units=m +no_defs"))
 poly$SP_ID<-NULL #deleting this extra field in prep for overlay

#raster - this represents only one month (january 1990)
   #raster created from polygon layer but one month only

     raster.jan90<-readGDAL("rast_jan90.tif") 
     raster.jan90<-raster(raster.jan90) #makes it into a raster

#lines (9900 of 1.5 billion included)

     lines<-readShapeLines("l_spatial",proj4string=CRS("+proj=utm +zone=21 +south +datum=WGS84 +units=m +no_defs"))

要使线数据更易于管理，请采样50行

 lines.50<-lines[sample(nrow(lines),50),]

将所有三个图层拼接在一起

plot(raster.jan90)#where green=1
plot(poly, axes=T,cex.axis=0.75, add=T)
plot(lines.50, col="red", add=TRUE)

首先我尝试了叠加层，但按照目前的速度，15亿的整个数据集在我的机器上运行大约需要844天

 ptm <- proc.time() #start clock
 overlays.all<-over(lines.50,poly, fn=max)
 ptm.sec.overlay<-proc.time() - ptm # stop clock
 ptm.sec.overlay #.56 sec w/ n=12 lines; 2.3 sec w/ 50 lines

接下来，我将多边形转换为栅格（仅一个月 - 1990年1月），我使用空间线运行了一个extract（），但这需要更多时间。

 ptm <- proc.time() # Start clock
 ext.rast.jan90<-extract(raster.jan90,lines.50, fun=max, method=simple)
 ptm.sec.ext<-proc.time() - ptm # stop clock
 ptm.sec.ext #32 sec w/ n=12 lines; 191 sec w/ n=50 lines

我尝试将所有“0”单元转换为“NA”似乎没有节省时间。 是否有另一种方法可以更有效地执行这种怪异的叠加或提取（）？请注意，这些数据当前被分类为“1”或“0”，但最终我想运行此代码运行0：300的连续变量。

Answer 1

我认为最快速的方法是将光栅栅格化为与栅格数据相同的栅格。

但是我不会在R中光栅化它们。我会写一些C代码来获取光栅和37,000点位置的数据，然后使用Bresenham线条绘制算法来获取线条的栅格位置。在这些位置对栅格进行采样，并根据需要对该数据执行任何操作。 Bresenham算法的快速代码应该很容易获得，你甚至可以找到在GPU上运行的版本，以实现大规模的加速。绘制直线比图形卡更快的是什么？

我假设您的空间线是两点之间的单个直线段。

或者只需从亚马逊（或其他一些云提供商）租用1000台服务器半天。

Answer 2

这是 hack ，应该给出一个很好的近似值。它可能会得到改善（getCrds需要花费很多时间），包括采取更大的步骤（不管你是否可以，我不知道）。

library(raster)
raster.jan90 <- raster("rast_jan90.tif") 
lines <- shapefile("l_spatial.shp", p4s="+proj=utm +zone=21 +south +datum=WGS84 +units=m +no_defs")  
lines.50<-lines[sample(nrow(lines),50),]

test <- function(lns) {

  getCrds <- function(i) {
    p <- z[[i]][[1]]
    s <- (p[2,] - p[1,]) / res(raster.jan90)
    step <- round(max(abs(s)))
    if ( step < 1 ) {
        # these probably should not exist, but they do
        return( cbind(i, cellFromXY(raster.jan90, p[1, , drop=FALSE])) )
    }
    x <- seq(p[1,1], p[2,1], length.out=step)
    y <- seq(p[1,2], p[2,2], length.out=step)
    cbind(i, unique(cellFromXY(raster.jan90, cbind(x, y))))
  }

  z <- coordinates(lns)
  crd <- sapply(1:length(z), getCrds )
  crd <- do.call(rbind, crd)

  e <- extract(raster.jan90, crd[, 2])
  tapply(e, crd[,1], max)
}

system.time(res <- test(lines.50))
#  user  system elapsed 
#  0.53    0.01    0.55 

system.time(res <- test(lines))
#  user  system elapsed 
#  59.72    0.85   60.58

（684481500 * 60.58 /长度（行））/（3600 * 24）约为50天......

50台计算机上只有1天

请注意，使用更多行时效率会相对更高（因为要查询的唯一单元格相对较少）。

更有效地覆盖多边形或从空间线提取（）栅格数据

2 个答案: