Linux环境下用Raster::reclassify处理CropScapeR数据遇异常求助

问题根源 #

tempfile()生成的临时文件仅在当前R会话有效，会话结束后会被系统自动清理。你保存的RasterLayer对象本质是对该临时文件的引用，重启R后文件已不存在，GDAL无法读取数据，进而引发底层C栈溢出错误。

解决方案 #

1. 改用永久路径保存TIFF文件（推荐） #

避免使用临时文件，指定固定路径存储下载的TIFF，确保重启R后文件仍存在：

library(CropScapeR)    
library(httr)    
library(raster)    
library(sf)    

httr::set_config(httr::config(ssl_verifypeer = 0L))    
# 指定永久路径，比如当前工作目录下的文件
tif_file <- "./ST_CDL_2021.tif"    
ST_CDL <- GetCDLData(aoi = '34007', year = 2021, type = 'f', save_path = tif_file)    

# 保存RData（此时RasterLayer引用的是永久路径文件）
save(ST_CDL, file = "ST_CDL.RData")

重启R后加载RData，直接运行重分类即可，GDAL能找到对应的TIFF文件。

2. 将栅格数据加载到内存后保存（适合小栅格） #

如果栅格数据量不大，用readAll()把数据读入内存，保存RData时会包含实际数据，不依赖外部文件：

# 下载后将数据读入内存
ST_CDL <- readAll(ST_CDL)
# 保存RData
save(ST_CDL, file = "ST_CDL.RData")

重启R加载后，无需依赖外部文件，直接运行重分类代码。

3. 重启R后重新读取本地TIFF #

若已用永久路径保存TIFF，重启R后可直接读取文件，跳过加载RData的步骤：

library(raster)
# 直接读取本地TIFF文件
ST_CDL <- raster("./ST_CDL_2021.tif")
# 执行重分类
ST_CDL_blueberries <- 
  raster::reclassify(ST_CDL,
                     c(-0.1,241.9,NA,
                       242.1,255.1,NA),
                     progress="text")

补充说明 #

C栈溢出错误是GDAL无法找到文件后的连锁反应，解决文件路径问题后，该错误会自动消失。优先推荐使用永久路径保存TIFF，既适合大栅格（节省内存），也能避免会话依赖问题。

内容的提问来源于stack exchange，提问作者RobertoAS