如何加快从光栅中提取缓冲区中土地覆盖类型的比例？

Question

我想提取10公里的空间数据，大约30000个SpatialLines类物体，并计算缓冲线周围每种土地覆盖类型的比例。第一次，我使用函数crop来裁剪我的光栅。然后，利用extract (package )函数计算了10种土地覆盖类型的比例。这是我的代码：

lapply(1:nrow(tab_lines), FUN=function(k){

第一步:在线路周围建立一个10公里的缓冲区。

buf_line <- gBuffer(seg_line[k], width=10000) ## seg_line =  Lines objects

第二步:从栅格中提取缓冲区中的土地覆盖类型。

ha <-extract(x=data_raster,y=buf_line)

第三步:计算10种土地覆盖类型的比例。

每一种土地覆被类型的比例必须在列中(一栏=一种土地覆盖类型)。

    ha_1 <-length(ha[[1]][ha[[1]]==1])/length(ha[[1]])
    ha_2 <-length(ha[[1]][ha[[1]]==2])/length(ha[[1]])
    ha_3 <-length(ha[[1]][ha[[1]]==3])/length(ha[[1]])
    ha_4 <-length(ha[[1]][ha[[1]]==4])/length(ha[[1]])
    ha_5 <-length(ha[[1]][ha[[1]]==5])/length(ha[[1]])
    ha_6 <-length(ha[[1]][ha[[1]]==6])/length(ha[[1]])
    ha_7 <-length(ha[[1]][ha[[1]]==7])/length(ha[[1]])
    ha_8 <-length(ha[[1]][ha[[1]]==8])/length(ha[[1]])
    ha_9 <-length(ha[[1]][ha[[1]]==9])/length(ha[[1]])
    ha_10 <-length(ha[[1]][ha[[1]]==10])/length(ha[[1]])

     return(cbind(ha_1, ha_2, ha_3, ha_4, ha_5, ha_6, ha_7, ha_8, ha_9, ha_10))  
    })

如何加快30000条空间线的处理时间？在R中是否有其他包可以为这种类型的提取提供更快的处理？

Answer 1

这里有一个更简洁的表述

library(raster)
library(rgeos)

buf_line <- gBuffer(seg_line, width=10000, byid=TRUE)
ha <- extract(x=data_raster, y=buf_line)
h <- sapply(ha, function(x) tabulate(x, 10))
h <- h / colSums(h)

但我不认为这会快得多。而不是提取，您可以尝试sp::over

根据您的计算机，第一次运行可能会加快速度。

beginCluster()