读取绘制全球生态区Shapefile过慢，求数据集聚合/简化方案

下面是几个针对你的问题的可行方案，全部基于sf包（你已经加载了该包），比传统的rgdal+fortify流程更高效：

1. 直接使用sf读取并简化几何图形 #

readOGR和fortify是较旧的空间数据处理方式，sf包的函数更高效且能直接与ggplot2兼容。你可以用st_read读取数据，再用st_simplify减少多边形顶点数，大幅降低数据量：

library(ggplot2)
library(sf)
library(rnaturalearth)

# 用sf读取Shapefile（替代readOGR）
eco.regions <- st_read(paste0(getwd(),"/tm_ecoregions_2017/"), "tm_ecoregions_2017")

# 简化几何图形，tolerance值越大，简化程度越高（单位与数据坐标系一致，通常是米）
eco.simplified <- st_simplify(eco.regions, dTolerance = 10000, preserveTopology = TRUE)

# 获取世界边界（sf格式）
world <- ne_countries(returnclass = "sf")

# 用geom_sf绘图，比geom_polygon高效得多
ggplot() +
  geom_sf(data = eco.simplified, aes(fill = BIOME_NAME), alpha = 1, linetype = 1) +
  geom_sf(data = world, fill = NA, lwd = 1, color = "white")

注：dTolerance可根据你的绘图需求调整，比如10000代表10公里的简化阈值，数值越大，数据量越小，图形精度越低。

2. 按生物群系聚合几何图形 #

因为你只需要绘制14种生物群系，无需保留原始的细分生态区，可以直接按BIOME_NAME聚合合并多边形，将同一生物群系的区域合并为单个（或多个）多边形：

library(dplyr)
library(sf)
library(ggplot2)
library(rnaturalearth)

eco.regions <- st_read(paste0(getwd(),"/tm_ecoregions_2017/"), "tm_ecoregions_2017")

# 按BIOME_NAME聚合并合并几何图形
eco_aggregated <- eco.regions %>%
  group_by(BIOME_NAME) %>%
  summarise(geometry = st_union(geometry), .groups = "drop")

# 可选：再对聚合后的图形进行简化
eco_aggregated_simplified <- st_simplify(eco_aggregated, dTolerance = 10000, preserveTopology = TRUE)

world <- ne_countries(returnclass = "sf")

ggplot() +
  geom_sf(data = eco_aggregated_simplified, aes(fill = BIOME_NAME), alpha = 1, linetype = 1) +
  geom_sf(data = world, fill = NA, lwd = 1, color = "white")

这个方法能将数据量从69万行直接压缩到14行左右（每个生物群系一行），绘图速度会极大提升。

3. 禁用不必要的ggplot特性 #

如果上述方法还不够，绘图时可以关闭一些耗性能的选项：

• 去掉alpha = 1（本来就是不透明，无需计算透明度）
• 简化linetype，比如用linetype = 0去掉内部边框（如果不需要的话）
• 输出图形时选择合适的分辨率，比如用ggsave指定dpi = 300而不是更高

内容的提问来源于stack exchange，提问作者Xine Li