Processando vetor para rasterizar mais rápido com R

Estou convertendo vetor para varredura em R. No entanto, o processo foi muito longo. Existe a possibilidade de colocar o script no processamento multithread ou GPU para fazer isso mais rapidamente?

Meu script para vetor 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

classe: RasterLayer dimensões: 9636, 11476, 110582736 (nrow, ncol, ncell) resolução: 10, 10 (x, y) extensão: 505755, 620515, 8555432, 8651792 (xmin, xmax, ymin, ymax) coord. ref. : + proj = longlat + datum = WGS84 + ellps = WGS84 + towgs84 = 0,0,0

setor

classe: SpatialPolygonsDataFrame features: 5419 extension: 505755, 620515.4, 8555429, 8651792 (xmin, xmax, ymin, ymax) coord. ref. : + proj = utm + zona = 24 + sul + ellps = GRS80 + unidades = m + no_defs variáveis: 6 nomes: ID, CD_GEOCODI, TIPO, dens_imov, area_m, domicilios1 min values: 35464, 290110605000001, RURAL, 0.00000003,100004, 1.0000 valores máximos: 58468, 293320820000042, URBANO, 0.54581673,99996, 99.0000

Impressão de setor

Eu tentei "paralelizar" a função rasterizeusando o Rpacote paralleldesta maneira:

1. divida o objeto SpatialPolygonsDataFrame em npartes
2. rasterize cada parte separadamente
3. mesclar todas as partes em uma varredura

No meu computador, a rasterizefunção paralelizada levou 2,75 vezes menos que a rasterizefunção não paralelizada .

Nota: o código abaixo faz o download de um shapefile de polígono (~ 26,2 MB) da Web. Você pode usar qualquer objeto SpatialPolygonDataFrame. Este é apenas um exemplo.

Carregue bibliotecas e dados de exemplo:

# 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 Brasil SpatialPolygonsDataFrame

Exemplo de thread simples

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

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

Tempo no meu laptop:

# Output:
# user  system elapsed 
# 23.883    0.010   23.891

Exemplo de thread multithread

# 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: Gráfico Brasil Raster

Tempo no meu laptop:

# Output:
# user  system elapsed 
# 0.203   0.033   8.688 

Mais informações sobre paralelização em R :

• Como-fazer-um-paralelo-em-r-dicas-básicas
• computação paralela em r
• executando-r-trabalhos-rapidamente-em-muitas-máquinas
• Exemplo de paralelização e clustering em R