我有一个光栅砖（ncell=28536和nlayers=181）。我需要运行数学函数在原来的砖和创建两个相同大小的砖。其中两个输出砖是相互依赖的。
inputBrick有181层，每层有28536个单元格。outputBrick 1将通过分析outputBrick 2的第1层来计算其第1层的值。然后outputBrick 2将通过分析outputBricks 1的第1层来计算其第2层的值，依此类推。
我创建了一个函数，它在24个单元格和181个层上工作得很好。但是在28000个单元格和181个层上却要花很长时间。我知道我不应该为此使用for循环，但是因为我不是一个程序员，所以我很挣扎。
以下是一个小得多的数据集的一些示例数据。有3个RasterBrick。输入具有值，而两个输出均为空

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)

我想进行计算，但不知道如何在不使用for循环的情况下高效地进行计算

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
 }
}

现在，我想基本了解一下处理这种情况的最佳方法是什么。我也尝试过通过以下命令来增加内存

rasterOptions(maxmemory = 5.17e+10)
rasterOptions(memfrac = 0.8)
rasterOptions(chunksize = 5.17e+10)

但是当我看到CPU和RAM的使用率分别只有6%和10%。R只使用5%的CPU和1GB RAM。我的系统有64 GB RAM，16 GB GPU。