R terra包：栅格栈跨图层带重置条件的累积求和优化

原代码通过逐图层循环实现需求，但当图层数量极多时，频繁的栅格图层读写会导致效率低下。以下是两种更高效的实现方案：

方案一：使用terra包（推荐，性能更优） #

terra是替代旧版raster包的新一代栅格处理工具，内存管理和运算效率大幅提升，适合处理大栅格数据集：

library(terra)

# 若原数据是raster包的Stack，先转换为SpatRaster
A_terra <- rast(A)

# 定义逐像素的累积求和重置函数
cumulative_sum_reset <- function(x) {
  current <- 0
  res <- numeric(length(x))
  for (i in seq_along(x)) {
    current <- max(current + x[i], 0)
    res[i] <- current
  }
  res
}

# 对每个像素的所有图层值批量运算
B_terra <- app(A_terra, cumulative_sum_reset)

方案二：使用raster包的calc函数 #

如果仍依赖raster包，可通过数组维度转换，按像素批量处理：

library(raster)

# 将栅格栈转为三维数组（行×列×图层）
A_array <- as.array(A)

# 按像素维度执行累积运算
cumulative_process <- function(arr) {
  apply(arr, c(1, 2), function(pixel_vals) {
    current <- 0
    sapply(pixel_vals, function(val) {
      current <<- max(current + val, 0)
      current
    })
  })
}

# 转换回栅格栈
B_array <- cumulative_process(A_array)
B <- stack(B_array)

效率提升原理 #

原代码的循环是逐图层遍历整个栅格，每次循环都要读写完整的栅格图层，IO开销极大。而上述方案是按像素维度批量处理：将每个像素的所有图层值作为一个向量一次性运算，减少了栅格对象的频繁读写，同时利用向量运算的优势降低循环开销，尤其在图层数量较多时，效率提升非常明显。

内容的提问来源于stack exchange，提问作者tabumis