如何提高处理大型光栅堆栈的 R 处理速度？

Question

我正在处理大型光栅堆栈，我需要重新采样并裁剪它们。我阅读了 Tiff 文件列表并创建了堆栈：

files <- list.files(path=".", pattern="tif", all.files=FALSE, full.names=TRUE) 
s <- stack(files)
r <- raster("raster.tif")
s_re <- resample(s, r,method='bilinear')
e <- extent(-180, 180, -60, 90)
s_crop <- crop(s_re, e)

这个过程需要几天才能完成！但是，使用 ArcPy 和 python 速度要快得多。我的问题是：为什么在 R 中这个过程这么慢，是否有办法加快这个过程？（我使用 snow 包进行并行处理，但这也没有帮助）。这些是 r 和 s 层：

> r
class       : RasterLayer 
dimensions  : 3000, 7200, 21600000  (nrow, ncol, ncell)
resolution  : 0.05, 0.05  (x, y)
extent      : -180, 180, -59.99999, 90.00001  (xmin, xmax, ymin, ymax)
coord. ref. : +proj=longlat +datum=WGS84 +no_defs +ellps=WGS84 +towgs84=0,0,0 

> s
class       : RasterStack 
dimensions  : 2160, 4320, 9331200, 365  (nrow, ncol, ncell, nlayers)
resolution  : 0.08333333, 0.08333333  (x, y)
extent      : -180, 180, -90, 90  (xmin, xmax, ymin, ymax)
coord. ref. : +proj=longlat +datum=WGS84 +no_defs +ellps=WGS84 +towgs84=0,0,0

Answer 1

我支持@JoshO'Brien 的直接使用 GDAL 的建议，gdalUtils 使这变得简单明了。

下面是一个使用与您尺寸相同的双精度网格的示例。对于 10 个文件，在我的系统上大约需要 55 秒。它是线性扩展的，因此 365 个文件大约需要 33 分钟。

library(gdalUtils)
library(raster)

# Create 10 rasters with random values, and write to temp files
ff <- replicate(10, tempfile(fileext='.tif'))
writeRaster(stack(replicate(10, {
  raster(matrix(runif(2160*4320), 2160), 
         xmn=-180, xmx=180, ymn=-90, ymx=90) 
})), ff, bylayer=TRUE)

# Define clipping extent and res
e <- bbox(extent(-180, 180, -60, 90))
tr <- c(0.05, 0.05)

# Use gdalwarp to resample and clip 
# Here, ff is my vector of tempfiles, but you'll use your `files` vector
# The clipped files are written to the same file names as your `files`
#  vector, but with the suffix "_clipped". Change as desired.
system.time(sapply(ff, function(f) {
  gdalwarp(f, sub('\.tif', '_clipped.tif', f), tr=tr, r='bilinear', 
           te=c(e), multi=TRUE)
}))

##    user  system elapsed 
##    0.34    0.64   54.45

您可以进一步并行化，例如 parLapply:

library(parallel)
cl <- makeCluster(4)
clusterEvalQ(cl, library(gdalUtils))
clusterExport(cl, c('tr', 'e'))

system.time(parLapply(cl, ff, function(f) {
  gdalwarp(f, sub('\.tif', '_clipped.tif', f), tr=tr, 
           r='bilinear', te=c(e), multi=TRUE)
}))

##    user  system elapsed 
##    0.05    0.00   31.92

stopCluster(cl)

10 个网格的 32 秒（使用 4 个同步进程），您正在查看 365 个文件的大约 20 分钟。实际上，它应该比这更快，因为两个线程可能最后什么都不做（10 不是 4 的倍数）。

Answer 2

为了比较，这是我得到的：

library(raster)
r <- raster(nrow=3000, ncol=7200, ymn=-60, ymx=90) 
s <- raster(nrow=2160, ncol=4320) 
values(s) <- 1:ncell(s)
s <- writeRaster(s, 'test.tif')

x <- system.time(resample(s, r, method='bilinear'))
#   user  system elapsed 
#  15.26    2.56   17.83

10 个文件需要 150 秒。所以我预计 365 个文件需要 1.5 小时 --- 但我没有尝试过。

如何提高处理大型光栅堆栈的 R 处理速度？

How to increase R processing speed dealing with large raster stacks?

parallel-processing

r

raster

snow