我一直在使用extract
函数从raster
包使用 shapefile 定义的区域从光栅文件中提取数据。但是,我对该过程现在所需的内存量存在问题。我确实有大量 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)
我可以做一些改变来减少内存负载吗?我尝试加载更少的 shapefile,该文件运行了大约 5 分钟,然后内存再次激增。它是一台四核计算机 2.4GHz 和 8GB 内存
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
}
根本不清楚上面 mc() 的返回值是什么意思,所以我忽略它。这将比您最初尝试的内存效率更高、速度更快。我怀疑这里是否值得使用并行的东西。
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)