R中的成對柵格比較：for循環的替代方法？

Question

如何有效地比較成對的分布柵格（僅包含 0 和 1 的raster圖層）？ 我需要衡量大約 6500 個單獨的全球柵格之間的相似性。 SDMTools Istat應該可以完成這項工作。

這是我的代碼：

library(raster)
library(SDMTools)

創建可重現的示例數據：值為 0 和 1 的柵格

# first raster
r1 <- raster(nrow=1800, ncol=3600, xmn=-18000000, xmx=18000000, ymn=-9000000, ymx=9000000, 
             crs="+proj=moll +lon_0=0 +x_0=0 +y_0=0 +ellps=WGS84 +units=m +no_defs", 
             resolution=10000, vals=0)
r2 <- raster(nrow=1800, ncol=3600, xmn=-18000000, xmx=0, ymn=0, ymx=9000000, 
             crs="+proj=moll +lon_0=0 +x_0=0 +y_0=0 +ellps=WGS84 +units=m +no_defs", 
             resolution=10000, vals=2)
r12 <- mosaic(r1, r2, fun=mean)

# second raster
r3 <- raster(nrow=1800, ncol=3600, xmn=-18000000, xmx=18000000, ymn=-9000000, ymx=9000000, 
             crs="+proj=moll +lon_0=0 +x_0=0 +y_0=0 +ellps=WGS84 +units=m +no_defs", 
             resolution=10000, vals=0)
r4 <- raster(nrow=1800, ncol=3600, xmn=-12000000, xmx=15000000, ymn=2000000, ymx=3000000, 
             crs="+proj=moll +lon_0=0 +x_0=0 +y_0=0 +ellps=WGS84 +units=m +no_defs", 
             resolution=10000, vals=2)
r34 <- mosaic(r3, r4, fun=mean)

列出柵格

files_list <- list(r12, r34)

創建空矩陣以填充循環中的數據

ras_comp <- matrix(NA, nrow=length(files_list), ncol=length(files_list))
ras_comp
# label rows and columns of matrix
rownames(ras_comp) <- c("r12", "r34")
colnames(ras_comp) <- c("r12", "r34")
ras_comp

循環比較所有可能的矩陣/柵格對

for (i in 1:length(files_list)) {
  # load raster i
  ras_i <- as.matrix(files_list[[i]])

  for (j in 1:length(files_list)) {
    # load raster j
    ras_j <- as.matrix(files_list[[j]])

    # compare both rasters
    ras_Istat <- Istat(ras_i, ras_j, old=F)

    # write value into matrix
    ras_comp[i,j] <- ras_Istat
  }
}

檢查最終矩陣

ras_comp
> ras_comp
          r12       r34
r12 1.0000000 0.1814437
r34 0.1814437 1.0000000

使用as.matrix將柵格轉換為矩陣可以顯着減少計算時間，並且生成的最終表正是我所需要的，但是為數千個柵格執行此操作需要永遠完成。 如何優化代碼以便以更有效的方式比較柵格？

Answer 1

Istat在進行簡單計算之前會進行大量測試和縮放。 如果您知道這些測試通過了，您可以一次性進行縮放並處理縮放后的值。 它確實：

if (length(which(dim(x) == dim(y))) != 2) 
    stop("matrix / raster objects must be of the same extent")
if (min(c(x, y), na.rm = T) < 0) 
    stop("all values must be positive")

然后它檢查兩個柵格的“有限”位置，其中包括NA值：

pos = which(is.finite(x) & is.finite(y))

然后計算柵格的縮放值：

px = x[pos]/sum(x[pos])
py = y[pos]/sum(y[pos])
H = sqrt(sum((sqrt(px) - sqrt(py))^2))

如果old=FALSE像你一樣，那么它返回：

    return(1 - (H^2)/2)

> Istat(r12,r34)
[1] 0.1814437

如果我刪除測試並編寫一個適用於縮放值的函數，我可以將其歸結為：

fIstat = function(px,py){
    1 - (sum((sqrt(px) - sqrt(py))^2))/2
}

通過縮放柵格並運行來測試：

r12px = r12[]/sum(r12[])
r34px = r34[]/sum(r34[])
fIstat(r12px, r34px)
# [1] 0.1814437

相同的價值。 很好，但它更快嗎？

> microbenchmark(fIstat(r12px, r34px), Istat(r12,r34))
Unit: milliseconds
                 expr        min         lq       mean     median         uq
 fIstat(r12px, r34px)   49.95867   78.28649   78.10863   79.45235   80.85234
      Istat(r12, r34) 1084.84825 1181.31116 1217.64122 1212.93180 1263.50811
       max neval
  106.6803   100
 1349.0239   100

是的，在很大程度上。

所以...如果你的數據沒有缺失值或無窮，創造files_list這些縮放柵格值的，叫我fIstat ，僅比上三角循環，你應該10倍加速此。