如何高效将Shapefile划分为等面积网格？转换步骤耗时过长

我需要将一份Shapefile划分为等大小的网格（多边形），当前的实现步骤如下：

# 加载Shapefile
library(geodata)
library(terra)

can_shp <- geodata::gadm('CAN', level = 1, path = file.path(dir_ls$input, 'shapefile'))
can_shp <- can_shp[can_shp$NAME_1 == 'British Columbia']

# 根据Shapefile范围创建栅格
temp_raster <- terra::rast(xmin = ext(can_shp)[1], 
                           xmax = ext(can_shp)[2], 
                           ymin = ext(can_shp)[3], 
                           ymax = ext(can_shp)[4],
                           resolution = 0.008333333,
                           crs = crs(can_shp),
                           val = 0)

# 保留Shapefile边界内的栅格单元
temp_raster <- terra::mask(temp_raster, can_shp)
temp_raster <- terra::crop(temp_raster, can_shp)  

# 将栅格转换为网格多边形
temp_grid <- as.polygons(temp_raster, trunc = FALSE, dissolve = FALSE) 

最终得到的temp_grid即为我需要的、位于边界内的等大小网格，但最后一步转换耗时数小时，请问我的操作是否存在问题，或是有更高效的实现方法？

优化方案 #

当前方法的核心问题 #

你当前流程的瓶颈在于高分辨率栅格转多边形的步骤：0.008333333度的分辨率下，不列颠哥伦比亚省范围内的栅格单元数量超过百万级，as.polygons需要逐个将栅格单元转换为多边形几何对象，内存开销和计算量都极大，因此耗时极长。

更高效的实现方法 #

1. 跳过栅格环节，直接生成矢量网格（推荐）

直接基于目标Shapefile的范围生成矢量网格，再裁剪到边界内，完全避免栅格转多边形的巨大开销：

library(geodata)
library(terra)

# 加载并筛选不列颠哥伦比亚省数据
can_shp <- geodata::gadm('CAN', level = 1, path = file.path(dir_ls$input, 'shapefile'))
can_shp <- can_shp[can_shp$NAME_1 == 'British Columbia']

# 定义网格分辨率
grid_res <- 0.008333333

# 直接生成覆盖目标区域的矢量网格
grid <- terra::vect(ext(can_shp), res = grid_res, crs = crs(can_shp))

# 裁剪并保留边界内的网格
grid <- terra::crop(grid, can_shp)
grid <- terra::intersect(grid, can_shp)

2. 若保留原流程，优化栅格转多边形参数

如果必须沿用栅格中转的方式，可通过以下方式提速：

• 设置trunc = TRUE：减少多边形顶点数量，降低计算和内存负载
• 使用filename参数直接写入文件：避免在内存中存储大量多边形对象，减少内存交换

temp_grid <- as.polygons(temp_raster, trunc = TRUE, dissolve = FALSE, filename = "bc_grid.shp", overwrite = TRUE)

3. 内存优化

确保R进程有足够的内存分配：

• Windows系统可通过memory.limit(size = 16384)（单位为MB）调整内存上限
• Linux/macOS可通过启动R时设置环境变量R_MAX_VSIZE提升内存限制，避免因内存不足导致的磁盘交换拖慢速度

内容的提问来源于stack exchange，提问作者89_Simple