raster::resample处理Sentinel-2影像重采样速度极慢问题求助

raster::resample 处理大体积Sentinel-2影像时运行极慢是该函数的常见问题，核心原因是raster包底层优化不足，默认全量加载栅格到内存计算，没有充分利用CPU多核能力和分块读写优化，处理单景全幅Sentinel-2影像时很容易出现长时间无响应的情况，和QGIS调用GDAL做了底层优化的重采样逻辑效率差距非常大。

• 使用terra包（优先推荐）
  terra是raster包原作者推出的下一代栅格处理包，底层做了大量性能优化，重采样效率和QGIS基本持平，适配R语言生态的同时操作逻辑和raster包高度接近，迁移成本极低。
  示例代码：

# 加载terra包
library(terra)
# 读取两个待匹配的Sentinel-2波段
r1 <- rast("你的Sentinel-2 B8波段文件路径.tif") # 10m分辨率
r2 <- rast("你的Sentinel-2 B12波段文件路径.tif") # 20m分辨率
# 执行重采样，method="near"对应原方法的ngb邻近法
r2_resample <- resample(r2, r1, method = "near")
# 导出重采样后的结果
writeRaster(r2_resample, "B12_10m分辨率.tif", overwrite = TRUE)

• 直接调用GDAL命令行工具
  如果追求最高处理效率，可以直接使用GDAL的gdalwarp工具执行重采样，纯C++实现的底层逻辑是目前栅格处理效率最高的方案之一，适合批量处理场景。
  示例命令：
  gdalwarp -tr 10 10 -r near 输入B12波段路径.tif 输出B12_10m.tif
  其中-tr 10 10指定输出分辨率为10m，-r near指定邻近法重采样。
• 使用stars包
  如果需要处理超大规模的时序Sentinel-2数据，可选择stars包，支持分块并行处理，可进一步降低大体积数据的运算耗时。

额外优化提示：如果你的研究区仅为Sentinel-2全幅影像的一部分，建议先执行裁剪操作再重采样，可大幅降低运算量，进一步缩短处理时间。

内容的提问来源于stack exchange，提问作者Denny