r语言是空间地理数据分析领域最常用的工具之一，raster作为处理栅格数据的核心包，几乎是所有空间分析项目的基础依赖，但不少新手甚至资深用户都会在安装环节遇到问题，本文整理了目前成功率最高的几种安装方法，覆盖不同使用场景。

普通cran源标准安装方法

对于网络环境正常、r版本在3.5以上的用户，优先推荐使用cran官方源安装。打开r或rstudio后，直接在控制台输入命令：`install.packages("raster")`，等待系统自动完成下载安装即可。如果遇到下载超时或连接失败，大概率是国内网络访问cran官方源延迟过高导致，只需进入rstudio的tools→global options→packages，将镜像源更换为清华大学或中国科学技术大学的cran镜像，更换后重新执行安装命令即可解决九成以上的基础安装问题。

github源码安装解决cran安装失败

如果cran安装提示依赖缺失、版本不兼容，可以选择从rspatial官方github仓库安装源码版本。首先需要提前安装remotes工具包：`install.packages("remotes")`，安装完成后执行`remotes::install_github("rspatial/raster")`即可。需要注意的是，源码安装需要编译环境支持：windows用户需要提前安装对应r版本的rtools，mac用户需要提前安装xcode命令行工具，否则会直接出现编译失败报错。

conda环境一键安装方法

如果是使用conda管理r环境，或是在无root权限的linux服务器上安装，推荐直接使用conda源一键安装，只需要执行命令`conda install -c conda-forge r-raster`，conda会自动处理好所有依赖和编译环境，无需额外配置，对新手和服务器用户十分友好。

安装完成后，输入`library(raster)`验证安装结果，控制台无报错即说明安装成功。绝大多数raster包安装问题都源于镜像配置错误、r版本过低或编译环境缺失，对照上述场景调整对应配置，即可顺利完成安装。（全文约610字）