用rgeos加速多边形溶解

我在

R

中有一个300个空间多边形数据帧的列表，我希望以几何方式分解这些数据帧。每个

SpatialPolygonsDataFrame

包含大约500个多边形。 我已经尝试了rgeos软件包中包含的功能

gUnion

和

gUnaryUnion

使用

gUnion

进行处理的方式如下：

dissolved <- gUnion(tilelist[[1]], tilelist[[2]], byid=FALSE, id=NULL)
for(k in 1:length(tilelist)){
  dissolved <- gUnion(dissolved, tilelist[[k]], byid=FALSE, id=NULL)
} 

---

这两种方法都需要数小时来执行溶解（在Win 64、16 GB RAM上）。关于如何提高处理时间有什么算法想法吗？

关于

version\u GEOS0（）

或

version\u GEOS（）

的输出是什么？

version\u GEOS（）

的输出是

“3.3.8-CAPI-1.7.8”

您有一个最新版本的GEOS，因此与此无关。但如果没有您的数据或类似数据，则很难判断。如何使用

maptools:：unionSpatialPolygons

并尝试使用

gpclib

（参数

avoidGEOS=TRUE

）并比较两个选项谢谢您的建议。但是，根据文档，

maptools

中的

unionSpatialPolygons

函数使用

rgeos中的
gUnaryUnion
。此外，我希望避免使用
gpclib
，因为它的许可证受到限制。好的，因此我们必须测试此性能是否与
GEOS
或
R
（I/O开销）直接相关。您是否有权访问
PostGIS
或
SpatiaLite
或
GRASS
？
flatpolygon=list()
for(k in 1:length(tilelist)){
  flatpolygon[[k]] <- tilelist[[k]]@polygons
}
mypoly <- SpatialPolygons(unlist(flatpolygon))
final <- gUnaryUnion(mypoly, id = NULL)