最近,我在RspaceEco中遇到了这个库。我想为R中的栅格堆栈计算Kendall tau统计信息。但是,这将花费很多时间,因为该库仅使用计算机上的一个核(我计划使用的栅格在全球范围内为250 m解析度)
library(raster)
library(spatialEco)
r.logo <- stack(system.file("external/rlogo.grd", package="raster"),
system.file("external/rlogo.grd", package="raster"),
system.file("external/rlogo.grd", package="raster"))
# Calculate trend slope with p-value and confidence level(s)
start_time <- Sys.time()
logo.trend <- raster.kendall(r.logo, tau = TRUE, intercept = TRUE, p.value = TRUE,
z.value = TRUE, confidence = TRUE)
end_time <- Sys.time()
end_time - start_time
names(logo.trend) <- c("slope","tau", "intercept", "p.value", "z.value", "LCI", "UCI")
plot(logo.trend)
是否可以使用类似的库library(parallel)
来计算栅格堆栈上的趋势?是否有必要将数据转换为矩阵然后使用这些库?
spatialEco::raster.kendall()
调用,raster::overlay()
并且可以并行运行:
从spatialEco::raster.kendall()
以下位置获取相关功能:
trend.slope <- function(y, p.value.pass = TRUE, z.pass = TRUE,
tau.pass = TRUE, confidence.pass = TRUE, intercept.pass = TRUE) {
options(warn = -1)
fit <- EnvStats::kendallTrendTest(y ~ 1)
fit.results <- fit$estimate[2]
if (tau.pass == TRUE) {
fit.results <- c(fit.results, fit$estimate[1])
}
if (intercept.pass == TRUE) {
fit.results <- c(fit.results, fit$estimate[3])
}
if (p.value.pass == TRUE) {
fit.results <- c(fit.results, fit$p.value)
}
if (z.pass == TRUE) {
fit.results <- c(fit.results, fit$statistic)
}
if (confidence.pass == TRUE) {
ci <- unlist(fit$interval["limits"])
if (length(ci) == 2) {
fit.results <- c(fit.results, ci)
}
else {
fit.results <- c(fit.results, c(NA, NA))
}
}
options(warn = 0)
return(fit.results)
}
使用n
节点启动集群。
beginCluster(n=2)
并行进行计算。
logo.trend.parallel <- clusterR(r.logo, overlay, args=list(fun=trend.slope))
停止集群。
endCluster()
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句