Question

G'day，我正在处理一个大型数据集，其中包含约125,000个lon / lat位置和日期，用于物种存在/缺失记录。对于每个地点，我想弄清楚日期和日期前3个月内每个地点的天气状况。为此，我已经下载了在采集数据的5年期间给定天气变量（例如，最高温度）的每日天气数据。我总共有1,826个光栅文件，全部在2-3mb之间。

我原计划堆叠所有光栅文件，然后从每个光栅（1,826）中为每个点提取一个值。这将产生一个巨大的文件，我可以用它来搜索我需要的日期。但是，这是不可能的，因为我无法堆叠那么多栅格。我尝试将栅格分成500个堆叠，这可行，但它产生的文件大约是1Gb而且很慢（行，125,000;列，500）。此外，当我尝试将所有这些文件都放入R来创建一个大数据框时，它不起作用。

我想知道是否有办法在R中处理这么多数据，或者是否有一个我可以用来帮助的包。我可以使用像ff这样的包吗？有没有人有任何建议采用功耗较低的方法来做我想做的事情？我曾经考虑过像lapply函数这样的东西，但之前从未使用过，我不确定从哪里开始。

任何帮助都会非常棒，感谢您的时间。我目前使用的代码没有成功，如下所示。

亲切的问候，亚当

library(raster)
library(rgdal)
library (maptools)
library(shapefiles)

# To create weather data files, first set the working directory to the appropriate location (i.e., maxt)
# list of raster weather files
files<- list.files(getwd(), pattern='asc')
length(files)

memory.size(4000)  
memory.limit(4000)

# read in lon/lat data
X<-read.table(file.choose(), header=TRUE, sep=',')
SP<- SpatialPoints(cbind(X$lon, X$lat)) 

#separate stacks into mannageable sizes
s1<- stack(files[1:500])
i1 <- extract( s1,SP, cellnumbers = True, layer = 1, nl = 500)
write.table(i1, file="maxt_vals_all_points_all_dates_1.csv", sep=",", row.names= FALSE, col.names= TRUE)
rm(s1,i1)
s2<- stack(files[501:1000])
i2 <- extract( s2,SP, cellnumbers = True, layer = 1, nl = 500)
write.table(i2, file="maxt_vals_all_points_all_dates_2.csv", sep=",", row.names= FALSE, col.names= TRUE)
rm(s2,i2)
s3<- stack(files[1001:1500])
i3 <- extract( s3,SP, cellnumbers = True, layer = 1, nl = 500)
write.table(i3, file="maxt_vals_all_points_all_dates_3.csv", sep=",", row.names= FALSE, col.names= TRUE)
rm(s3,i3)
s4<- stack(files[1501:1826])
i4 <- extract( s4,SP, cellnumbers = True, layer = 1, nl =325)
write.table(i4, file="maxt_vals_all_points_all_dates_4.csv", sep=",", row.names= FALSE, col.names= TRUE)
rm(s4,i4)

# read files back in to bind into final file !!! NOT WORKING FILES ARE TOO BIG!!
i1<-read.table(file.choose(),header=TRUE,sep=',')
i2<-read.table(file.choose(),header=TRUE,sep=',')
i3<-read.table(file.choose(),header=TRUE,sep=',')
i4<-read.table(file.choose(),header=TRUE,sep=',')

vals<-data.frame(X, i1, i2, i3 ,i4)
write.table(vals, file="maxt_master_lookup.csv", sep=",", row.names= FALSE, col.names= TRUE)

Answer 1

我会一次提取一个光栅文件，然后将结果追加到文件中。

我作弊制作一个矩阵列表，但由于栅格可以采用文件名或矩阵（除其他外），你可以用字符向量上的“[[”索引它在你的情况下应该工作几乎相同。

files <- list(volcano, volcano * 2, volcano * 3)
library(sp)
SP <- SpatialPoints(structure(c(0.455921585146703, 0.237608166502031, 0.397704673508124, 0.678393354622703, 0.342820219769366, 0.554888036966903, 0.777351335399613, 0.654684656824567), .Dim = c(4L, 2L)))

library(raster)
for (i in seq_len(length(files))) {

    r <- raster(files[[i]])
    e <- extract(r, SP)
    ## print(e)  ## print for debugging
    write.table(data.frame(file = i, extract = e),"cellSummary.csv", col.names = i == 1, append = i > 1, sep = ",", row.names = FALSE)
}

Answer 2

我正在使用并行处理和基于单元格编号的裁剪形式。此函数将采用任何空间点或多边形，并从大型栅格堆栈返回值。这是代码good example for large polygons的变体。

对于我的数据，使用extract需要大约350秒，或者在16核linux服务器上需要32秒。希望它可以帮助别人！

 # Define Functions
  extract_value_point_polygon = function(point_or_polygon, raster_stack, num_workers){
          # Returns list containing values from locations of spatial points or polygons
          lapply(c('raster','foreach','doParallel'), require, character.only = T)
          registerDoParallel(num_workers)
          ply_result = foreach(j = 1:length(point_or_polygon),.inorder=T) %do%{
                print(paste('Working on feature: ',j,' out of ',length(point_or_polygon)))
                get_class= class(point_or_polygon)[1]
                if(get_class=='SpatialPolygons'|get_class=='SpatialPolygonsDataFrame'){
                    cell = as.numeric(na.omit(cellFromPolygon(raster_stack, point_or_polygon[j], weights=F)[[1]]))}
                if(get_class=='SpatialPointsDataFrame'|get_class=='SpatialPoints'){
                    cell = as.numeric(na.omit(cellFromXY(raster_stack, point_or_polygon[j,])))}
                if(length(cell)==0)return(NA)
                r = rasterFromCells(raster_stack, cell,values=F)
                result = foreach(i = 1:dim(raster_stack)[3],.packages='raster',.inorder=T) %dopar% {
                   crop(raster_stack[[i]],r)
                }
                result=as.data.frame(getValues(stack(result)))
                return(result)
          }
          endCluster()
          return(ply_result)
  }

使用R中的大量数据和大量栅格？

2 个答案: