如何加快从栅格中提取缓冲区中土地覆盖类型比例的速度？

我想提取 10 公里缓冲区中大约 30 000 个 SpatialLines 类对象的空间数据，并计算缓冲线周围每种土地覆盖类型的比例。我第一次使用这个功能crop裁剪我的光栅。然后，我使用了该功能extract（包栅格）计算 10 种土地覆盖类型的比例。这是我的代码：

lapply(1:nrow(tab_lines), FUN=function(k){

第一步：建设沿线10公里缓冲区

buf_line <- gBuffer(seg_line[k], width=10000) ## seg_line =  Lines objects

第二步：从栅格中提取缓冲区中的土地覆盖类型

ha <-extract(x=data_raster,y=buf_line)

第三步：计算10种土地覆盖类型的比例

每种土地覆盖类型的比例必须在列中（一列 = 一种土地覆盖类型）

    ha_1 <-length(ha[[1]][ha[[1]]==1])/length(ha[[1]])
    ha_2 <-length(ha[[1]][ha[[1]]==2])/length(ha[[1]])
    ha_3 <-length(ha[[1]][ha[[1]]==3])/length(ha[[1]])
    ha_4 <-length(ha[[1]][ha[[1]]==4])/length(ha[[1]])
    ha_5 <-length(ha[[1]][ha[[1]]==5])/length(ha[[1]])
    ha_6 <-length(ha[[1]][ha[[1]]==6])/length(ha[[1]])
    ha_7 <-length(ha[[1]][ha[[1]]==7])/length(ha[[1]])
    ha_8 <-length(ha[[1]][ha[[1]]==8])/length(ha[[1]])
    ha_9 <-length(ha[[1]][ha[[1]]==9])/length(ha[[1]])
    ha_10 <-length(ha[[1]][ha[[1]]==10])/length(ha[[1]])

     return(cbind(ha_1, ha_2, ha_3, ha_4, ha_5, ha_6, ha_7, ha_8, ha_9, ha_10))  
    })

如何加快 30 000 条空间线的处理时间？ R 中是否有其他包可以为此类提取提供更快的处理？

这是一个更简洁的表述

library(raster)
library(rgeos)

buf_line <- gBuffer(seg_line, width=10000, byid=TRUE)
ha <- extract(x=data_raster, y=buf_line)
h <- sapply(ha, function(x) tabulate(x, 10))
h <- h / colSums(h)

但我不认为这会快得多。你可以尝试而不是提取sp::over

根据您的计算机，第一次运行可能会加快速度

beginCluster()