处理两个栅格时出现std::bad_alloc错误，需合并并分析数据

错误根源 #

1. 栅格合并方式错误：你用c(class, data)合并栅格是不正确的，base包的c()函数无法正确保留栅格的空间图层结构，会把栅格拆解为底层原始数据结构，既没完成有效合并，还会加剧后续处理的内存负担。
2. 内存过载：std::bad_alloc是内存分配失败的错误，哪怕更换高配置机器，当栅格像素量达到千万/亿级时，直接将全量像素转为数据框会瞬间占满可用内存——数据框会把每个像素的坐标、各图层数值都存储为独立列，内存占用远大于栅格本身的压缩存储形式。

正确解决步骤 #

第一步：正确合并栅格 #

放弃c()，使用栅格专用的合并函数：

• 若使用raster包：

library(raster)
# 将两个栅格合并为带图层结构的RasterStack
class_data <- stack(class, data)

• 若使用更高效的terra包（推荐替代raster）：

library(terra)
# 合并为SpatRaster
class_data <- c(class, data)

第二步：避免全量转数据框 #

根据你的需求选择以下方案：

1. 只提取非NA像素：如果栅格存在大量无值区域，转数据框时跳过NA，可大幅减少数据量：

# terra包用法
class_data_df <- as.data.frame(class_data, na.rm = TRUE)

# raster包用法
class_data_df <- as.data.frame(class_data, na.rm = TRUE)

2. 随机抽样分析：若不需要全量数据，抽取部分样本即可满足分析需求：

# raster包：抽取10%的非NA像素
sample_df <- sampleRandom(class_data, size = ncell(class_data)*0.1, na.rm = TRUE, sp = FALSE)

# terra包：随机抽取50000个像素
sample_df <- spatSample(class_data, size = 50000, na.rm = TRUE, as.data.frame = TRUE)

3. 分块批量处理：把栅格拆成小块分别转数据框，再合并结果：

# raster包示例
blocks <- blockSize(class_data)
df_list <- list()
for (i in 1:blocks$n) {
  # 逐块提取值并转数据框
  block_vals <- getValues(class_data, row = blocks$row[i], nrows = blocks$nrows[i])
  df_list[[i]] <- as.data.frame(block_vals, na.rm = TRUE)
}
# 合并所有块的结果
class_data_df <- do.call(rbind, df_list)

4. 直接基于栅格对象分析：很多数据分析无需转数据框即可完成——比如计算图层相关性、统计不同森林类型的火灾频率，都可以用raster或terra的内置函数实现，从根源避免内存爆炸问题。

内容的提问来源于stack exchange，提问作者Emma OliHum