我需要在很多大栅格（28000个单元，181层）上做计算。我在一个小子集（24cell，181层）上尝试了我的代码。我从这个论坛得到了帮助，尽我所能优化。
现在我在光栅包中使用砖块，因为我读到砖块被加载到内存中，并且处理起来更快。但是有些人认为terra比光栅更好更容易。
我用两个软件包来运行我的代码，我发现光栅在我的情况下更快（9分钟比16分钟）。现在这个时间是一个小数据集。当我运行它的原始数据的计算机永远。当我检查CPU和RAM使用的计算机在这个过程中分别约16%和约1GB。即使我的代码是低效的，为什么R不使用可用的RAM和CPU。
我尝试做的是实现一个模型，我必须使用样条函数将Landsat NDVI插值到每天的时间步长。然后使用数学方程计算不同的变量。有些非常简单明了，但有些非常复杂。
我想要的是一种计算不同变量的有效方法。
如果有人能解释一下，我们将不胜感激：
1.即使我的代码效率很低，我相信计算机应该使用最大的可用资源，有办法做到吗？
1.光栅包在我的情况下更好吗？
1.我看到一些人在推荐并行处理。因为我不是程序员，所以我必须在实现之前阅读它。虽然我知道它是什么。
很抱歉没有提出的问题，因为他们应该是第一次。希望这是在更好的形状现在。谢谢
下面是可复制的terra代码（特别感谢Robert Hijmans）：

library(terra)
b <- r1 <- r2 <- rast(ncols=5, nrows=5, nl=5, vals=NA)
set.seed(0)
values(b) <- runif(size(b))
b[c(1,2,3,22,23,24,25)] <- NA

p  <- 0.15
p1 <- p/3
p2 <- p-(p/3)
fc <- 0.3
weather <- c(0.1, 0, 0, 0, 0.3)

r2[[1]] <- ifel(is.na(b[[1]]), NA, 0.3)

for (i in 1:nlyr(b)) {
    varr1 <- b[[i]] * (((r2[[i]] - p1)/p2)^2)
    r1[[i]] <- ifel(r2[[i]] > p, b[[i]], varr1)
    for (k in 2:nlyr(b)) {
        r2[[k]] <- min(r2[[k-1]] + (weather[k-1] - r1[[k-1]]) /100, fc)
    }
}

以下是可复制的光栅代码：

library(raster)
b <- brick(ncols=5, nrows=5, nl=5)
inBrick <- setValues(b, runif(ncell(b) * nlayers(b)))
inBrick[c(1,2,3,22,23,24,25)] <- NA
outBrick1 <- inBrick
outBrick1[] <- NA
outBrick2 <- outBrick1

ini <- 0.3
p <- 0.15
p1 <- p/3
p2 <- p-(p/3)
fc <- 0.3
var1 <- which(!is.na(inBrick[[1]][]))

outBrick2[[1]][var1] <- ini
### now outBrick2 has initial values in 1st layer
weather <- c(0.1, 0, 0, 0, 0.3)
var3 <- 1:ncell(inBrick)
### outBrick1 Calculations
for (i in 1:nlayers(inBrick)) {
varr1 <- inBrick[[i]][]*(((outBrick2[[i]][]-p1)/(p2))^2)
for (j in 1:ncell(inBrick)) {
if(!is.na(outBrick2[[i]][j])){
  if(outBrick2[[i]][j]>p){
     outBrick1[[i]][j] <- inBrick[[i]][j]
  }else{
     outBrick1[[i]][j] <- varr1[j]
    }
  }
}
###outBrick2 Calculations
for (k in 2:nlayers(inBrick)) {
var2 <- outBrick2[[k-1]][] + (weather[k-1]-outBrick1[[k-1]][])/100
 for(l in 1:ncell(inBrick)){
  var3[l] <- min(fc, var2[l])
 }
 outBrick2[[k]][] <- var3
 }
}