如何基于多年份RasterBrick计算逐月平均降水量？

方法一：分月份提取后计算均值 #

1. 收集所有目标RasterBrick对象
   先把所有以mnthly.sum.开头的年份RasterBrick存入列表，避免逐个手动输入：

   # 匹配所有格式为mnthly.sum.XXXX（XXXX为4位年份）的对象名
   brick_names <- ls(pattern = "^mnthly.sum\\.\\d{4}$")
   # 将这些对象加载到列表中
   brick_list <- mget(brick_names)
   

2. 按月份提取并合并对应图层
   循环12个月份，把所有年份的同一月份图层合并为单独的RasterStack：

   monthly_stacks <- lapply(1:12, function(month) {
     do.call(stack, lapply(brick_list, function(brick) brick[[month]]))
   })
   

3. 计算逐月逐像元均值并合并
   对每个月份的Stack计算均值，再组合成最终的12层RasterBrick：

   monthly_avg_brick <- brick(lapply(monthly_stacks, mean))
   # 给图层命名，方便区分
   names(monthly_avg_brick) <- paste0("avg_", c("jan", "feb", "mar", "apr", "may", "jun", 
                                                "jul", "aug", "sep", "oct", "nov", "dec"))
   

方法二：用stackApply高效计算（推荐大数据量场景） #

如果你的数据量较大，直接合并后用stackApply按分组计算更高效，还能自动处理分块运算节省内存：

# 合并所有年份的RasterBrick为一个大Stack
all_monthly_data <- do.call(stack, brick_list)
# 创建分组索引：每个年份的12个月对应1-12的重复序列
group_idx <- rep(1:12, length(brick_list))
# 按分组（月份）计算逐像元均值
monthly_avg_brick <- stackApply(all_monthly_data, indices = group_idx, fun = mean)
# 重命名图层
names(monthly_avg_brick) <- paste0("avg_", c("jan", "feb", "mar", "apr", "may", "jun", 
                                             "jul", "aug", "sep", "oct", "nov", "dec"))

内容的提问来源于stack exchange，提问作者Thomas