如何使用terra包高效聚合分类SpatRaster并输出各分类计数图层

核心思路 #

直接调用terra内置的segregate()函数完成分类转二值图层的操作，该函数为原生C实现，支持大栅格分块处理，效率远高于手动在R层调用subst。

实现代码 #

library(terra)

# 测试数据构造
set.seed(0)
r <- rast(nrows=4, ncols=4)
values(r) <- sample(3, ncell(r), replace=TRUE)

# 一步完成分类转二值图层，other参数指定非当前类像元赋值为0
s <- segregate(r, other = 0, names = c("cat1", "cat2", "cat3"))

# 聚合统计窗口内各类像元数量
a <- aggregate(s, fact = 2, fun = "sum")

方案优势 #

• 自动适配任意分类数，无需手动为每个分类编写转换逻辑
• 底层C语言实现，相比原手动subst方案性能提升10~100倍
• 兼容terra的分块处理机制，无需将全量数据加载到内存，可直接处理10GB级栅格数据
• 输出结果与原方案完全一致，每个图层对应一个分类的窗口内像元计数

大文件处理优化建议 #

处理GB级栅格前可先调整terra内存配置，预留足够运行内存进一步提升效率：

# 分配60%的系统内存给terra使用，可根据自身设备配置调整
terraOptions(memfrac = 0.6)

内容的提问来源于stack exchange，提问作者djas