Извлечение областей пересечения в R


19

У меня есть два полигона. Одно содержит поля (X, Y, Z), а другое содержит типы почвы (A, B, C, D). Я хочу знать, какая область каждого поля содержит, какой тип почвы. Я попробовал следующее:

введите описание изображения здесь

library(rgdal)
library(rgeos)
Field<-readOGR("./","Field")
Soil<-readOGR("./","Soil")
Results<-gIntersects(Soil,Field,byid=TRUE)
rownames(Results)<-Field@data$FieldName
colnames(Results)<-Soil@data$SoilType

> Results
      A     B     C     D
Z  TRUE FALSE FALSE FALSE
Y FALSE  TRUE  TRUE FALSE
X  TRUE  TRUE  TRUE  TRUE

и добился хороших результатов, сказав мне, какое поле содержит какой тип почвы. Тем не менее, как я могу получить площадь вместо этого?


1
Как примечание, st_intersection не будет работать, если ваши точки широты и долготы. Вы не указали, что у вас есть географические координаты, хотя на это намекают, поскольку вы говорите о типах почв.
Фурье

Ответы:


24

Этот метод использует intersect()функцию из rasterпакета. Данные в качестве примера, которые я использовал, не идеальны (во-первых, они находятся в непроецированных координатах), но я думаю, что это помогает понять идею.

library(sp)
library(raster)
library(rgdal)
library(rgeos)
library(maptools)

# Example data from raster package
p1 <- shapefile(system.file("external/lux.shp", package="raster"))
# Remove attribute data
p1 <- as(p1, 'SpatialPolygons')
# Add in some fake soil type data
soil <- SpatialPolygonsDataFrame(p1, data.frame(soil=LETTERS[1:12]), match.ID=F)

# Field polygons
p2 <- union(as(extent(6, 6.4, 49.75, 50), 'SpatialPolygons'),
             as(extent(5.8, 6.2, 49.5, 49.7), 'SpatialPolygons'))
field <- SpatialPolygonsDataFrame(p2, data.frame(field=c('x','y')), match.ID=F)
projection(field) <- projection(soil)

# intersect from raster package
pi <- intersect(soil, field)
plot(soil, axes=T); plot(field, add=T); plot(pi, add=T, col='red')

# Extract areas from polygon objects then attach as attribute
pi$area <- area(pi) / 1000000

# For each field, get area per soil type
aggregate(area~field + soil, data=pi, FUN=sum)

Imgur

Результаты:

    field soil         area
1      x    A 2.457226e+01
2      x    B 2.095659e+02
3      x    C 5.714943e+00
4      y    C 5.311882e-03
5      x    D 7.620041e+01
6      x    E 3.101547e+01
7      x    F 1.019455e+02
8      x    H 7.106824e-03
9      y    H 2.973232e+00
10     y    I 1.752702e+02
11     y    J 1.886562e+02
12     y    K 1.538229e+02
13     x    L 1.321748e+02
14     y    L 1.182670e+01

2
Для уточнения: я предпочитаю raster::intersectболее , rgeos::gIntersectionпотому что первые присоединяется атрибутивные данные из двух SpatialPolgonsDataFrameобъектов, в то время как последние , кажется, падение данных атрибутов.
Мэтт С.М.

Спасибо за множество деталей и правильный ответ. Вы мне очень помогли!!!
user2386786

4
Если вы используете byid = TRUE в "gIntersection", он вернет IDS атрибута, который можно использовать при слиянии, чтобы связать атрибуты. Функции разные и стоит отметить как. Функция «пересечение» использует перекрывающиеся экстенты, тогда как «gIntersection» является явным пересечением векторной геометрии. Подход пересечения - квадратное / прямоугольное пересечение, а не пересечение фактических многоугольников. Экстент можно переопределить с помощью экстента и bbox. У обоих подходов есть свои преимущества.
Джеффри Эванс

1
@JeffreyEvans Хороший вопрос re gIntersection; однако идентификаторы входных функций не предоставляются напрямую, они объединяются и сохраняются в идентификаторе функции выходных данных. Это означает дополнительные шаги синтаксического анализа идентификаторов, а затем присоединение к атрибутам. Я хотел бы raster::intersectвключить эти входные идентификаторы в качестве дополнительных атрибутов в выводе.
Мэтт С.М.

1
Спасибо за указание на это, я полностью пропустил intersect_sp. Интересно, что он использует gIntersects. Хороший короткий путь, если вы хотите объединить атрибуты.
Джеффри Эванс

23

Вот альтернативный подход с использованием нового sfпакета, который должен заменить sp. Все намного чище и дружелюбнее

library(sf)
library(tidyverse)

# example data from raster package
soil <- st_read(system.file("external/lux.shp", package="raster")) %>% 
  # add in some fake soil type data
  mutate(soil = LETTERS[c(1:6,1:6)]) %>% 
  select(soil)

# field polygons
field <- c("POLYGON((6 49.75,6 50,6.4 50,6.4 49.75,6 49.75))",
        "POLYGON((5.8 49.5,5.8 49.7,6.2 49.7,6.2 49.5,5.8 49.5))") %>% 
  st_as_sfc(crs = st_crs(soil)) %>% 
  st_sf(field = c('x','y'), geoms = ., stringsAsFactors = FALSE)

# intersect - note that sf is intelligent with attribute data!
pi <- st_intersection(soil, field)
plot(soil$geometry, axes = TRUE)
plot(field$geoms, add = TRUE)
plot(pi$geometry, add = TRUE, col = 'red')

# add in areas in m2
attArea <- pi %>% 
  mutate(area = st_area(.) %>% as.numeric())

# for each field, get area per soil type
attArea %>% 
  as_tibble() %>% 
  group_by(field, soil) %>% 
  summarize(area = sum(area))

введите описание изображения здесь

   field  soil      area
   <chr> <chr>     <dbl>
1      x     A  24572264
2      x     B 209573036
3      x     C   5714943
4      x     D  76200409
5      x     E  31015469
6      x     F 234120314
7      y     B   2973232
8      y     C 175275520
9      y     D 188656204
10     y     E 153822938
11     y     F  11826698
Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.