Procesando vector a ráster más rápido con R

Estoy convirtiendo vector a ráster en R. Sin embargo, el proceso fue demasiado largo. ¿Existe la posibilidad de poner el script en procesamiento multiproceso o GPU para hacerlo más rápido?

Mi guión al vector rasterizado.

r.raster = raster()
extent(r.raster) = extent(setor) #definindo o extent do raster
res(r.raster) = 10 #definindo o tamanho do pixel
setor.r = rasterize(setor, r.raster, 'dens_imov')

r.raster

clase: RasterLayer dimensiones: 9636, 11476, 110582736 (nrow, ncol, ncell) resolución: 10, 10 (x, y) extensión: 505755, 620515, 8555432, 8651792 (xmin, xmax, ymin, ymax) coord. árbitro. : + proj = longlat + datum = WGS84 + ellps = WGS84 + towgs84 = 0,0,0

setor

clase: SpatialPolygonsDataFrame características: 5419 extensión: 505755, 620515.4, 8555429, 8651792 (xmin, xmax, ymin, ymax) coord. árbitro. : + proj = utm + zone = 24 + south + ellps = GRS80 + unidades = m + no_defs variables: 6 nombres: ID, CD_GEOCODI, TIPO, dens_imov, area_m, domicilios1 valores mínimos: 35464, 290110605000001, RURAL, 0.00000003,100004, 1.0000 valores máximos: 58468, 293320820000042, URBANO, 0.54581673,99996, 99.0000

Grabado de setor

Traté de "paralelizar" la función rasterizeusando el Rpaquete parallelde esta manera:

1. dividir el objeto SpatialPolygonsDataFrame en npartes
2. rasterize cada parte por separado
3. fusionar todas las partes en una trama

En mi computadora, la rasterizefunción paralelizada tomó 2.75 veces menos que la función no paralelizada rasterize.

Nota: el siguiente código descarga un archivo de forma poligonal (~ 26.2 MB) de la web. Puede usar cualquier objeto SpatialPolygonDataFrame. Este es solo un ejemplo.

Cargar bibliotecas y datos de ejemplo:

# Load libraries
library('raster')
library('rgdal')

# Load a SpatialPolygonsDataFrame example
# Load Brazil administrative level 2 shapefile
BRA_adm2 <- raster::getData(country = "BRA", level = 2)

# Convert NAMES level 2 to factor 
BRA_adm2$NAME_2 <- as.factor(BRA_adm2$NAME_2)

# Plot BRA_adm2
plot(BRA_adm2)
box()

# Define RasterLayer object
r.raster <- raster()

# Define raster extent
extent(r.raster) <- extent(BRA_adm2)

# Define pixel size
res(r.raster) <- 0.1

Figura 1: Gráfico de Brasil SpatialPolygonsDataFrame

Ejemplo de hilo simple

# Simple thread -----------------------------------------------------------

# Rasterize
system.time(BRA_adm2.r <- rasterize(BRA_adm2, r.raster, 'NAME_2'))

Tiempo en mi laptop:

# Output:
# user  system elapsed 
# 23.883    0.010   23.891

Ejemplo de hilo multiproceso

# Multithread -------------------------------------------------------------

# Load 'parallel' package for support Parallel computation in R
library('parallel')

# Calculate the number of cores
no_cores <- detectCores() - 1

# Number of polygons features in SPDF
features <- 1:nrow(BRA_adm2[,])

# Split features in n parts
n <- 50
parts <- split(features, cut(features, n))

# Initiate cluster (after loading all the necessary object to R environment: BRA_adm2, parts, r.raster, n)
cl <- makeCluster(no_cores, type = "FORK")
print(cl)

# Parallelize rasterize function
system.time(rParts <- parLapply(cl = cl, X = 1:n, fun = function(x) rasterize(BRA_adm2[parts[[x]],], r.raster, 'NAME_2')))

# Finish
stopCluster(cl)

# Merge all raster parts
rMerge <- do.call(merge, rParts)

# Plot raster
plot(rMerge)

Figura 2: Parcela de trama de Brasil

Tiempo en mi laptop:

# Output:
# user  system elapsed 
# 0.203   0.033   8.688 

Más información sobre paralelización en R :

• consejos-básicos-de-cómo-ir-en-r-básicos
• computación paralela en r
• running-r-jobs-rápidamente-en-muchas-máquinas
• Ejemplo de paralelización y agrupación en R