创建密度栅格并按多边形特征提取总和

Question

我有一个多边形 (zones) 和一组坐标 (points)。我想为整个多边形创建一个空间核密度栅格，并按区域提取密度总和。多边形之外的点应该被丢弃。

library(raster)
library(tidyverse)
library(sf)
library(spatstat)
library(maptools)

load(url("https://www.dropbox.com/s/iv1s5butsx2v01r/example.RData?dl=1"))
# alternatively, links to gists for each object
# https://gist.github.com/ericpgreen/d80665d22dfa1c05607e75b8d2163b84
# https://gist.github.com/ericpgreen/7f4d3cee3eb5efed5486f7f713306e96

ggplot() +
  geom_sf(data = zones) +
  geom_sf(data = points) +
  theme_minimal()

我尝试使用 {spatstat} 转换为 ppp，然后使用 density()，但我对结果中的单位感到困惑。我认为问题与地图的单位有关，但我不确定如何进行。

更新

这是重现我创建的密度图的代码：

zones_owin <- as.owin(as_Spatial(zones))
pts <- st_coordinates(points)
p <- ppp(pts[,1], pts[,2], window=zones_owin, unitname=c("metre","metres"))
ds <- density(p) 
r <- raster(ds)
plot(r)

Answer 1

当您直接使用地理坐标（经度、纬度）时，单位很困难。如果可能，您应该转换为平面坐标（这是spatstat 的要求）并从那里开始。平面坐标通常以米为单位，但我想这取决于特定的投影和底层椭球等。您可以查看this answer，了解如何使用sf 投影到平面坐标并使用spatstat 格式导出maptools。 注意：您必须手动选择一个合理的投影（您可以使用http://epsg.io 找到一个），并且您必须同时投影多边形和点。

一旦所有内容都采用spatstat 格式，您就可以使用density.ppp 进行内核平滑。生成的网格值（im 类的对象）是点的强度，即每平方单位（例如平方米）的点数。如果您想聚合某个区域，您可以使用integral.im(..., domain = ...) 来获取该区域中具有给定强度的点过程模型的预期点数。

Answer 2

我不确定这是否能回答您的所有问题，但应该是一个好的开始。如果您需要不同类型的输出，请在评论或您的问题中澄清。

它会删除不在“区域”多边形之一内的所有点，按区域对它们进行计数，并根据落在其中的点数绘制区域。

library(raster)
library(tidyverse)
library(sf)
#> Linking to GEOS 3.6.2, GDAL 2.2.3, PROJ 4.9.3
library(spatstat)

library(maptools)
#> Checking rgeos availability: TRUE

load(url("https://www.dropbox.com/s/iv1s5butsx2v01r/example.RData?dl=1"))
# alternatively, links to gists for each object
# https://gist.github.com/ericpgreen/d80665d22dfa1c05607e75b8d2163b84
# https://gist.github.com/ericpgreen/7f4d3cee3eb5efed5486f7f713306e96

p1 <- ggplot() +
  geom_sf(data = zones) +
  geom_sf(data = points) +
  theme_minimal()

#Remove points outside of zones
points_inside <- st_intersection(points, zones)
#> although coordinates are longitude/latitude, st_intersection assumes that they are planar
#> Warning: attribute variables are assumed to be spatially constant throughout all
#> geometries
nrow(points)
#> [1] 308
nrow(points_inside)
#> [1] 201

p2 <- ggplot() + 
  geom_sf(data = zones) + 
  geom_sf(data = points_inside)

points_per_zone <- st_join(zones, points_inside) %>%
  count(LocationID.x)
#> although coordinates are longitude/latitude, st_intersects assumes that they are planar

p3 <- ggplot() + 
  geom_sf(data = points_per_zone, 
          aes(fill = n)) + 
  scale_fill_viridis_c(option = 'C')

points_per_zone
#> Simple feature collection with 4 features and 2 fields
#> geometry type:  POLYGON
#> dimension:      XY
#> bbox:           xmin: 34.0401 ymin: -1.076718 xmax: 34.17818 ymax: -0.9755066
#> epsg (SRID):    4326
#> proj4string:    +proj=longlat +ellps=WGS84 +no_defs
#> # A tibble: 4 x 3
#>   LocationID.x     n                                                    geometry
#> *        <dbl> <int>                                               <POLYGON [°]>
#> 1           10   129 ((34.08018 -0.9755066, 34.0803 -0.9757393, 34.08046 -0.975…
#> 2           20    19 ((34.05622 -0.9959458, 34.05642 -0.9960835, 34.05665 -0.99…
#> 3           30    29 ((34.12994 -1.026372, 34.12994 -1.026512, 34.12988 -1.0266…
#> 4           40    24 ((34.11962 -1.001829, 34.11956 -1.002018, 34.11966 -1.0020…

cowplot::plot_grid(p1, p2, p3, nrow = 2, ncol = 2)

看来我低估了你的问题的难度。您正在寻找类似于下图（和基础数据）的内容吗？

它使用具有 ~50x50 网格的 raster、具有 9x9 窗口的 raster::focal 使用均值插值数据。