时间戳

首页 > 解决方案 > Terra R - 使用自定义函数加速栅格数据的聚合（）

r - Terra R - 使用自定义函数加速栅格数据的聚合（）

问题描述

我想使用包中的aggregate函数terra R以分位数方法聚合栅格作为聚合函数。下面，我使用quantile函数 fromR base使用本地包目录中的栅格计算第 50 个百分位数（即中位数）。我选择了第 50 个百分位数与中位数进行比较，但我的目标确实是计算其他分位数......

library(terra)
# load elevation coming with the terra pakage
r <- rast( system.file("ex/elev.tif", package="terra") )

plot(r)

# number of iteration
n_it <- 20

# with a custom function
start_time <- Sys.time()
for (i in 1:n_it){
ra <- aggregate(r, 2 , fun = function(x) quantile(x, probs = .5, na.rm = T))
}
end_time <- Sys.time()

我的电脑花了大约。6秒做20次。

print(end_time-start_time)

时差 6.052727 秒

当我aggregate使用中值内置函数运行相同的运行时，大约需要。执行相同的 20 次迭代的时间减少了 40 倍！

# with a built-in function
start_time <- Sys.time()
for (i in 1:n_it){
  ra <- aggregate(r, 2 , fun = median)
}
end_time <- Sys.time()
print(end_time-start_time)

时间差 0.1456101 秒

由于我想计算第 50 位以外的其他百分位数，有人可以提供一些建议来加快aggregate使用自定义函数的速度吗？

标签： rr-rasterterra

解决方案

aggregate()使用自定义函数本身并不慢。quantile()相反，使用而不是median()获得中位数更昂贵。这可能是由于计算本身的成本（terra 使用C++ 实现来计算比任意分位数更快的中位数），并且还因为quantile()执行更多检查并因此在过程中调用更多附加函数。当操作被多次执行时，这种更高的计算成本会增加aggregate。

如果您有一个更大的栅格，则使用该cores参数将计算分布在多个核心上可能是有益的，请参阅?terra::aggregate. 但是，我认为这不是elev数据的选择，因为开销太大。

如果你想调用aggregate许多不同probs的，你可以并行化循环，例如使用foreach包。

推荐阅读