## 读取数据
# 数据格式：降水、最高气温、最低气温、风速。txt文件
vic_clim_forcing_read <- function(txtpath,staion_lat,station_lon,time_start,time_end,
                                  savepath){
    # 变量的初始化
    path <- txtpath
    lat <- staion_lat
    lon <- station_lon
    from <- time_start
    to <- time_end
    # 定位文件所在的位置
    filename <- dir(path)
    filePath <- paste(path,filename,sep='/')
    # 批量读取数据
    time <- seq(as.Date(from), as.Date(to),by = 'day')
    data <- list()
    for (i in 1:length(filePath)) {
      
        data[[i]] <- read.table(filePath[i],header = F,sep = '')
        time <- seq(as.Date(from), as.Date(to),by = 'day')
        long <- rep(lon[i],length(data[[i]]))
        latg <- rep(lat[i],length(data[[i]]))
        data[[i]] <- data.frame(latg,long,time,data[[i]])
    }
    a <- data.frame()
    for (k in 1:length(time)){ # 时间
        for (j in 1:length(data)){  #  数据
            a[j,1:7] <- subset(data[[j]], data[[j]]$time == time[k])
            filename <- paste(time[k], '.csv',sep = '')
            filepath <- savepath
            file <- paste(filepath, filename, sep = '/')
            write.csv(assign(paste('data_', time[k], sep = ''),a),file = file, sep = ',')
            message('正在保存', k)  
            #    assign(paste('data_', time[k], sep = ''), 分配变量名给数据
        }
    }
}
## 反距离插值
vic_clim_forcing_idw <- function(data_path,point_path,save_path){
    library(sp)
    library(gstat)
    path<-data_path
    filename <- dir(path)
    filepath <- paste(path,filename,sep = '/')
    n <- length(filepath)
    dataCsv <- list()
    for (i in 1:n) {
        dataCsv[[i]]<-read.csv(filepath[i],header = T,sep = ',')
    }
    # 插值求值idw
    unknow<-read.csv(point_path,header = T,sep = ',')# 待插值点的经纬度
    coordinates(unknow)  <- ~ lat+lon
    e <- data.frame()
    # 获取每一天139个点的插值结果
    for (j in 1:length(dataCsv)) {  # 循环每一天对每一天进行插值
        for (k in 4:7) { # 提取要插值的列  手动修改需要插值的数据所在的列
            f <- dataCsv[[j]]  # 提取第一天
            coordinates(f) <- ~ latg + long
            data1 <- f@data                  # 准备每一天的数据
            idwmodel = idw(data1[,k-1] ~1, f, unknow,
                           maxdist = Inf, idp = 2)    # 对每一列进行插值
            e[1:139, k-3] <- idwmodel@data$var1.pred  # 保存每一列的数据到数据框
            filename1 <- paste(substr(filename[j],1,10), '.csv', sep = '')
            filepath <- save_path
            file <- paste(filepath, filename1, sep = '/')
            write.csv(e, file = file, sep = '')
            message('正在保存', j) 
        }
    }
}
##数据的写出
vic_clim_forcing_outTxt <- function(data_path,point_path,save_path){
    path1<- data_path
    filename1 <- dir(path1)
    filepath1 <- paste(path1,filename1,sep = '/')
    n<-length(filepath1)
    dataCsv1 <- list()
    for (i in 1:n) {
        dataCsv1[[i]] <- read.csv(filepath1[i],header = T,sep = ',')
    }
    # 插值点的经纬度数据，用于输出文件的name
    unknow <- read.csv(point_path,header = T,sep = ',')#
    d <- data.frame()
    for (m in 1:length(unknow[,1])) {
        for (ii in 1:length(dataCsv1)) {
            d[ii,1:5] <- subset(dataCsv1[[ii]],dataCsv1[[ii]]$X == m)
            name<-paste('data',unknow[m,2],unknow[m,1],sep = '_')
            fil <- paste(save_path,
                         name,sep = '/')
            write.table(round(d[,2:5],3),row.names = F,col.names = F,file = fil,sep = ' ')
            message('正在保存',ii)
        }
    }
}
##函数的调用方式
# 由于R的内核是单线程单核心计算方式，所哟采用并行提高计算的速度
library(parallel)
staion_lat <-c(37.1833,
        37.3833 ,
        38.8,
        37.2 ,
        37.9167,
        38.2333 )
station_lon <- c(104.05, 
    101.6167,
    101.0833,
    102.8667, 
    102.6667 ,
    101.9667 
)
system.time({
    c1 <- detectCores(logical = F)-1
    c2<-makeCluster(c1)
    clusterEvalQ(c2, library(xts))
    clusterMap(c2, vic_clim_forcing_read, txtpath<-'C:/Users/zhufe/Desktop/dd/上游流域',
               MoreArgs=list(staion_lat,station_lon,
                             time_start<-'2010/1/1',
                             time_end<-'2012/12/31',
                             savepath<-'C:/Users/zhufe/Desktop/dd/data'))
    stopCluster(c2)
})
#
system.time({
    c1 <- detectCores(logical = F)-1
    c2<-makeCluster(c1)
    clusterEvalQ(c2, library(xts))
    clusterMap(c2,vic_clim_forcing_idw , data_path<-'C:/Users/zhufe/Desktop/dd/data',
               MoreArgs=list(point_path<-'C:/Users/zhufe/Desktop/point.csv',
                             save_path<-'C:/Users/zhufe/Desktop/dd/data1'))
    stopCluster(c2)
})
#
system.time({
    c1 <- detectCores(logical = F)-1
    c2<-makeCluster(c1)
    clusterEvalQ(c2, library(xts))
    clusterMap(c2,vic_clim_forcing_outTxt , data_path<-'C:/Users/zhufe/Desktop/dd/data1',
               MoreArgs=list(point_path<-'C:/Users/zhufe/Desktop/point.csv',
                             save_path<-'D:/data4'))
    stopCluster(c2)
})
插值的版本是最低的！！！
可以完善修改！！！
                                                                          2019-3-2