按sf对象的距离聚合特征

Question

我有两个sf对象：多边形county和点monitor2。第一项任务是将monitor2至county中的特征连接在一起。我是用st_is_within_distance和st_join完成的。请参见下面的代码。我将距离设置为50公里。

new = st_join(county, monitor2,
            join = st_is_within_distance, dist = 50)

这是第二项任务。我需要根据距多边形质心的距离来聚合该50 km缓冲区内不同点的要素。如何完成此任务？

欢迎任何评论。

Answer 1

[如果没有可复制的数据，很难确切地知道您想要什么，但是这里试图显示您如何做到这一点。

获取示例数据。我们在这里将经度/纬度重新投影为米，以便我们可以进行基于距离的空间运算。我们将使用样本数据中的3个县，并使用中间县作为要测量的距离的主要多边形，并添加散布在三个县中的点的随机样本。

library(sf)
nc <- st_read(system.file("shape/nc.shp", package="sf"))
nc <- st_transform(nc, 32119) # NC state plane projection in metres
county = st_cast(nc[2,],"POLYGON")
p1 = st_as_sf(st_sample(nc[1:3, ], 200)) # random points

# Visualize
plot(st_geometry(nc)[1:3])
plot(county, col = "grey80", add = TRUE)

我们只希望集中在距目标县有一定距离的点上。让我们通过使用st_buffer添加缓冲区来查看外观。

plot(st_buffer(county, dist = 10000), col = NA, border = "red", lty = 3, add = TRUE)
我们可以使用st_is_within_distance来对中心县10000m以内的点进行子集化，这与与st_buffer对象进行相交的效果相同。 

p1_10 <- p1[st_is_within_distance(county,p1,dist = 10000, sparse = FALSE),]
质心与该子集的每个元素之间的距离是直截了当的。然后，我们可以将距离测量值分配为子空间对象中的变量。 

p1_10$distance_to_centroid <- as.vector(st_distance(st_centroid(county), p1_10))
这里是全部绘制的样子

plot(st_geometry(nc)[1:3])
plot(county, col = "grey80", add = TRUE)
plot(p1, add = TRUE, pch = 19)
plot(st_buffer(county, dist = 10000), col = NA, border = "red", lty = 3, add = TRUE)
plot(st_centroid(county), col = "red", pch = 15, cex = 1, axes = TRUE, add = TRUE)
plot(p1_10["distance_to_centroid"], add = TRUE, pch = 19)
这就是p1_10 obj的样子：

> p1_10
Simple feature collection with 78 features and 1 field
geometry type:  POINT
dimension:      XY
bbox:           xmin: 389967.6 ymin: 293489.4 xmax: 448197.1 ymax: 315140.7
CRS:            EPSG:32119
First 10 features:
                           x distance_to_centroid
1  POINT (437228.1 294079.7)           21703.5425
2  POINT (425029.8 305656.7)            5868.4917
3  POINT (425131.4 309137.8)            6665.0253
4  POINT (409851.2 294971.7)           14549.0585
5  POINT (393070.6 303879.7)           26207.5651
6  POINT (436666.3 296282.2)           20070.5879
7  POINT (442623.8 295976.3)           25549.5662
8  POINT (400517.2 307897.4)           18746.6918
9    POINT (418763.7 306728)             724.6165
10 POINT (405001.4 294845.7)           18125.0738
因此，您可以从此处使用所需的任何方法按距离聚合要素。在dplyr中，它非常简单。假设在这里我想以5公里为间隔进行汇总。

library(dplyr)
p1_10 %>% 
  mutate(dist_group = ceiling(distance_to_centroid/5000)) %>% 
  group_by(dist_group) %>% 
  tally() %>% # stop here if you want the result to retain geography
  as_tibble() %>% 
  select(dist_group, n)
# A tibble: 7 x 2
  dist_group     n
       <dbl> <int>
1          1     7
2          2    15
3          3    22
4          4    13
5          5    11
6          6     9
7          7     1