如何在R的terra包中仅对spatRaster的AOI区域运行app()函数？

完全可以通过裁剪+掩码的方式锁定AOI内的像素，避免无效计算，大幅提升运行效率，具体操作如下：

1. 预处理：过滤出AOI范围内的栅格像素 #

先通过crop缩小栅格范围（即使AOI外接矩形和原栅格一致，这一步也能减少后续数据加载的冗余），再用mask保留AOI多边形内的有效像素，其余设为NA：

library(terra)

# 假设你的时序栅格为r，AOI矢量为aoi
r_cropped <- crop(r, aoi)
r_masked <- mask(r_cropped, aoi)

2. 针对有效像素运行app() #

方法一：在自定义函数中跳过NA #

直接对掩码后的栅格调用app()，并在自定义函数中判断跳过NA像素：

# 示例自定义函数：计算时序均值（仅处理非NA像素）
my_fun <- function(x) {
  if (all(is.na(x))) return(NA)
  mean(x, na.rm = TRUE)
}

# 仅AOI内的像素会执行计算，外部直接返回NA
result <- app(r_masked, my_fun)

方法二：提取有效像素批量处理（更高效） #

针对超大型时序栅格，先提取AOI内的非NA像素矩阵，批量处理后再回填到结果栅格，这种方式能减少app()的内部循环开销：

# 提取AOI内的非NA像素时序值（每一行对应一个像素的所有时序数据）
vals <- values(r_masked, na.rm = TRUE)
# 对矩阵每行运行自定义函数
processed_vals <- apply(vals, 1, my_fun)
# 创建结果栅格并回填数据
result <- r_masked[[1]]  # 以原栅格第一列为模板
values(result) <- NA
result[!is.na(r_masked[[1]])] <- processed_vals

额外优化提示 #

• 自定义函数尽量用向量化操作，比如用rowMeans()替代apply(..., mean)，能进一步提速；
• 如果AOI是频繁使用的区域，可以提前将掩码后的栅格保存为本地文件，避免重复预处理。

内容的提问来源于stack exchange，提问作者Terry B