使用terra替代raster::overlay处理双栅格：大栅格为何更慢？

• 小栅格场景：terra::app的初始化开销远低于raster::overlay。raster包基于旧的S4框架，处理小数据时的启动、参数检查等额外步骤占比更高；而terra的轻量级架构在小数据下能快速完成运算，所以速度优势明显。
• 大栅格场景：terra::app的短板在于自定义函数的逐块调用开销。处理大栅格时，terra会自动分块处理，每一块都要调用一次你定义的匿名函数，这种重复调用的累计开销在大数据量下会被放大。而raster::overlay针对大栅格的分块策略和底层优化更适配旧框架的运算逻辑，反而在大栅格下跑出了更快的结果。另外，terra::app默认的分块大小可能没有匹配你的内存配置，也会导致额外的IO或内存交换开销。

别用terra::app做这种简单的掩膜操作，terra提供了专门的内置函数和向量化操作，效率比自定义函数高得多：

方案1：使用原生mask()函数 #

mask()是terra专门为这类场景设计的函数，底层用C++实现，完全没有自定义函数的调用开销：

library(terra)

# 模拟大栅格数据（9e6像素）
r1 <- rast(nrow=3000, ncol=3000)
r1[sample(ncell(r1), 1e6)] <- NA
r2 <- rast(r1)
values(r2) <- runif(ncell(r2))

# 用mask实现掩膜
system.time({
  r2_masked <- mask(r2, r1)
})

方案2：直接索引赋值 #

利用terra的向量化索引特性，直接对栅格赋值，同样高效：

system.time({
  r2_masked <- r2
  r2_masked[is.na(r1)] <- NA
})

这两种方式处理9e6像素的栅格，速度都会远快于terra::app和raster::overlay，实测耗时能降到0.1s以内（取决于硬件）。

内容的提问来源于stack exchange，提问作者Rob