我有一个巨大的数据集,由37000个点的所有组合生成了15亿个空间线。对于每个空间线,我想提取它所接触到的多边形(或栅格 - 以更快的方式为准)的最大值。本质上,这是一个非常大的“空间连接”在Arc术语中。如果将线覆盖在多边形图层上,则输出将是所有属性字段的空间线的最大值 - 每个字段代表一年中一个月。我还包括了一个栅格数据集,它是从多边形文件1990年1月份的数据以约30m分辨率创建的 - 栅格代表了我认为可以节省时间的另一种方法。多边形和栅格图层表示一个大的空间区域:大约30km x 10km。数据可在此处获得。我在.zip中包含的空间线数据集仅有9900条线,是从15亿条线的整个数据集中随机抽样的。
首先读入数据。
为了更方便管理行数据,取样50行。
我的尝试将所有“0”单元格转换为“NA”似乎没有节省时间。是否有另一种更高效的方法来处理这个庞大的覆盖或提取(extract())?请注意,这些数据目前被分为“1”或“0”,但最终我想对一个连续变量运行0:300的代码。
首先读入数据。
#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"))
为了更方便管理行数据,取样50行。
lines.50<-lines[sample(nrow(lines),50),]
将三个图层一起绘制
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,我尝试使用叠加,但按照当前速度,在我的机器上运行全部数据集的15亿条数据需要大约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图像(仅限1990年1月),并使用空间线运行了一个extract(),但这需要更长的时间。
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
我的尝试将所有“0”单元格转换为“NA”似乎没有节省时间。是否有另一种更高效的方法来处理这个庞大的覆盖或提取(extract())?请注意,这些数据目前被分为“1”或“0”,但最终我想对一个连续变量运行0:300的代码。