如何遍历SpatRaster像元值？terra包高效实现及性能疑问

别用嵌套循环遍历像元——terra的内置函数都是底层C实现的矢量化操作，效率比R层面的循环高几个数量级，针对你的百万级像元和24个条件场景，推荐以下几种方案：

1. 用ifel做嵌套条件判断 #

ifel是terra专为栅格设计的条件函数，支持多层嵌套，直接批量处理所有像元：

library(terra)

# 示例：假设输入栅格为r，输出栅格out按条件赋值
out <- ifel(r == 1, 10,
            ifel(r == 2, 20,
                 ifel(r == 3, 30,
                      # 依次添加剩余21个条件
                      0))) # 未匹配条件的默认值

如果是范围类条件（如r > 0 & r <= 5），直接把判断式放进ifel的第一个参数即可。

2. 用classify做批量分类映射 #

如果你的24个条件是“值/区间→对应输出值”的映射关系，用classify更简洁，只需先构建规则表：

# 构建规则矩阵：每行是（条件值/区间下限，区间上限，输出值）
# 离散值的话，上下限填同一个数即可
rules <- matrix(c(
  1, 1, 10,
  2, 2, 20,
  3, 3, 30,
  # 补充剩余21组规则
  -Inf, Inf, 0 # 默认匹配规则
), ncol=3, byrow=TRUE)

# 执行分类赋值
out <- classify(r, rules)

3. 转向量后用case_when处理复杂逻辑 #

如果你的条件逻辑特别复杂（比如多栅格联合判断），可以先把栅格值提取为向量，用dplyr的case_when做矢量化判断，再转回栅格：

library(terra)
library(dplyr)

# 提取栅格值为向量
r_vals <- values(r)

# 批量处理所有值
out_vals <- case_when(
  r_vals == 1 ~ 10,
  r_vals == 2 ~ 20,
  r_vals == 3 ~ 30,
  # 依次添加剩余条件
  TRUE ~ 0
)

# 创建同参数的输出栅格并赋值
out <- r
values(out) <- out_vals

以上三种方法都是批量处理，完全避开了R层面的逐个像元循环，百万级像元的处理速度会比嵌套循环快几十甚至上百倍。

内容的提问来源于stack exchange，提问作者Yuri