请优化下面代码 library(raster) library(zoo) # 读取tif文件 files <- list.files(path = "E:/LAI/GLASS_LAI/IWEMS_LAI/8118x", pattern = "*.tif", full.names = TRUE) rasters <- lapply(files, raster) lapply(rasters, class) # 将栅格数据转换为时间序列 ts_list <- lapply(rasters, function(x) { ts <- as.zoo(x) index(ts) <- as.POSIXct(strptime(index(ts), format = "yyyymmdd")) ts }) # 生成一个每小时的时间序列 start_time <- as.POSIXct(strptime("1981-01-01 00:00:00", format = "%Y-%m-%d %H:%M:%S")) end_time <- as.POSIXct(strptime("1981-12-31 23:00:00", format = "%Y-%m-%d %H:%M:%S")) hourly_ts <- zoo(, seq(start_time, end_time, by = "hour")) # 将每8天的数据插值为每小时的数据 for (i in seq_along(ts_list)) { ts_hourly <- na.approx(ts_list[[i]], xout = index(hourly_ts)) hourly_ts <- merge(hourly_ts, ts_hourly, all = TRUE) } # 将每小时的数据导出为tif文件 for (i in seq_along(hourly_ts)) { tif_name <- paste0("hourly_", format(index(hourly_ts)[i], "%Y%m%d%H%M"), ".tif") writeRaster(raster(hourly_ts[[i]]), filename = tif_name, format = "GTiff") }

可以使用parallel::mclapply函数来并行读取和转换栅格数据，加速代码运行。同时，可以使用lubridate包的函数快速生成时间序列，避免手动设置时间序列。

以下是优化后的代码：

library(raster)
library(zoo)
library(parallel)
library(lubridate)

# 读取tif文件
files <- list.files(path = "E:/LAI/GLASS_LAI/IWEMS_LAI/8118x", pattern = "*.tif", full.names = TRUE)
rasters <- mclapply(files, raster, mc.cores = detectCores())

# 将栅格数据转换为时间序列
ts_list <- mclapply(rasters, function(x) {
  ts <- as.zoo(x)
  index(ts) <- ymd(sprintf("%08d", index(ts)))
  ts
})

# 生成一个每小时的时间序列
start_time <- ymd_hms("1981-01-01 00:00:00")
end_time <- ymd_hms("1981-12-31 23:00:00")
hourly_ts <- zoo(, seq(start_time, end_time, by = "hour"))

# 将每8天的数据插值为每小时的数据
ts_hourly_list <- mclapply(ts_list, function(ts) {
  na.approx(ts, xout = index(hourly_ts))
})
hourly_ts <- do.call(merge, c(list(hourly_ts), ts_hourly_list))

# 将每小时的数据导出为tif文件
mclapply(seq_along(hourly_ts), function(i) {
  tif_name <- paste0("hourly_", format(index(hourly_ts)[i], "%Y%m%d%H%M"), ".tif")
  writeRaster(raster(hourly_ts[[i]]), filename = tif_name, format = "GTiff")
}, mc.cores = detectCores())