将大型Formal类SpatRaster转换为dataframe时遇内存分配错误求助

问题背景与操作代码 #

尝试将大型Formal类SpatRaster对象转换为DataFrame时出现内存相关错误，操作代码如下：

# 加载包
library(terra)
library(raster)
library(geodata)

# 定义分析范围（美洲区域）
extent_obj <- extent(x = c(-160, -34, -46, 50))

# 下载世界气候数据（注：下载耗时最长可达4小时，仅为保证可复现性）
bioclim_all <- worldclim_global(var = "bio",
                                res = 0.5,
                                path = "data/")

# 裁剪数据到目标范围
crop_bioclim_all <- crop(x = bioclim_all, y = extent)

# 尝试转换为DataFrame
data_frame_bio_all <- terra::as.data.frame(crop_bioclim_all)

报错信息 #

Error in x@ptr$readValues(row - 1, nrows, col - 1, ncols) : 
  std::bad_alloc

补充说明：该数据文件约10GB，手动下载后执行代码仍报错；但使用同网站提供的res=10低分辨率数据时，代码可在2分钟内正常运行。

错误成因 #

1. 系统内存不足：std::bad_alloc是C++层抛出的内存分配失败异常，核心原因是系统剩余内存无法支撑将整个10GB的SpatRaster一次性转换为DataFrame。

   • terra包的SpatRaster默认采用延迟加载机制，仅在需要时读取部分数据；但as.data.frame()会强制将所有栅格单元的所有波段数据全部加载到内存中。
   • 原始栅格文件通常经过压缩存储，而DataFrame是未压缩的结构化格式，加上每个数据点的额外存储开销，实际内存需求会远大于10GB，超出系统可用内存上限。

2. 低分辨率数据正常运行的逻辑：res=10的栅格数据分辨率更低，总栅格单元数量大幅减少，所需内存远低于系统可用内存阈值，因此可以顺利完成转换。

3. 潜在附加因素：若系统同时运行其他高内存占用程序，或R的内存限制设置过低（默认无硬性限制，但受系统物理内存约束），会进一步加剧内存不足的问题。

内容的提问来源于stack exchange，提问作者Cameron