r - 我可以通过多边形绑定(bind) st_distance 调用吗？

Question

我看过关于此主题的类似帖子(例如，参见 here 和 here)，但不是特定于 sf-tidyverse 生态系统的帖子。

我有一系列湖泊，每个湖泊内有一系列样本点，每个湖泊中都有一个“焦点”，表示船只下水的位置。 我想计算从船下水到每个采样点的“划船者的最短行程距离”。但是，我想以某种方式使用湖泊多边形“绑定(bind)”这些距离，这样就无法计算陆地上的距离。我可以想象这是通过让“直线”蛇沿着湖边一直延伸到它可以恢复为直线之前所需的时间来完成的。我还可以想象“直线”被分解成围绕任何中间土地弯曲的线段。我对各种实现持开放态度!

我在其他地方(例如 here)看到了将边界多边形转换为栅格的想法，使水成为一个值，使土地成为另一个更高的值，然后执行“最小成本距离”，越过土地的成本高得令人望而却步。但是，我不知道如何在 raster/sf 生态系统中实际执行此操作。

这是我用来制作这张 map 的代码:

library(dplyr)
library(sf)
library(ggplot2)
Moose.ssw = sswMN.sf %>% filter(lake == "Moose")
Moose.lake = MN_lakes4 %>% filter(str_detect(map_label, "Moose")) %>% filter(cty_name == "Beltrami") 
Moose.access = try3 %>% filter(LAKE_NAME == "Moose") %>%  filter(COUNTYNAME == "Beltrami")
Moose.box = st_bbox(Moose.ssw)

ggplot() +
  geom_sf(data = Moose.lake, color="lightblue") + 
  geom_sf(data = Moose.access, color = "red", size = 2) +
  geom_sf(data = Moose.ssw, mapping = aes(color= Nitellopsis_obtusa_n)) +
  coord_sf(xlim = c(Moose.box[1], Moose.box[3]), ylim = c(Moose.box[2], Moose.box[4]))

这里有一些代码可以出色地计算直线距离——也许它可以以某种方式包装？

Moose.pt.dists = st_distance(Moose.access, Moose.ssw, by_element = TRUE)

制作上述数据对象所需的文件可以从我的 Github 页面中提取(它们是通过 dput() 生成的文件。Link to my Github。

我是一个扎实的 R 程序员，但我是地理空间工作的新手，所以如果我能被指出一个富有成果的方向，我可能能够通过编程来摆脱这个!

Answer 1

这是一个使用 sfnetworks 的解决方案，这很适合 tidyverse。

下面的代码应该

• 定期对湖泊的边界框进行采样(创建均匀分布的点)
• 将他们与最近的邻居联系起来
• 删除跨越陆地的连接
• 沿着剩余的线找到从船下水到样本位置的最短路径。

结果不准确，但非常接近。您可以通过增加采样点的数量来提高精度。下面使用 1000 点。

library(tidyverse)
library(sf)
library(sfnetworks)
library(nngeo)

# set seed to make the script reproducible,
#  since there is random sampling used
set.seed(813)

# Getting your data:
x <- dget("https://raw.githubusercontent.com/BajczA475/random-data/main/Moose.lake")
# Subset to get just one lake
moose_lake <- x[5,]
boat_ramp <- dget("https://raw.githubusercontent.com/BajczA475/random-data/main/Moose.access")
sample_locations <- dget("https://raw.githubusercontent.com/BajczA475/random-data/main/Moose.ssw")
sample_bbox <- dget("https://raw.githubusercontent.com/BajczA475/random-data/main/Moose.box")


# sample the bounding box with regular square points, then connect each point to the closest 9 points
#  8 should've worked, but left some diagonals out.
sq_grid_sample <- st_sample(st_as_sfc(st_bbox(moose_lake)), size = 1000, type = 'regular') %>% st_as_sf() %>%
  st_connect(.,.,k = 9)

# remove connections that are not within the lake polygon
sq_grid_cropped <- sq_grid_sample[st_within(sq_grid_sample, moose_lake, sparse = F),]

# make an sfnetwork of the cropped grid
lake_network <- sq_grid_cropped %>% as_sfnetwork()

# find the (approximate) distance from boat ramp to point 170 (far north)
pt170 <- st_network_paths(lake_network, 
                          from = boat_ramp,
                          to = sample_locations[170,]) %>%
  pull(edge_paths) %>%
  unlist()

lake_network %>% 
  activate(edges) %>%
  slice(pt170) %>%
  st_as_sf() %>%
  st_combine() %>%
  st_length()
#> 2186.394 [m]

看起来从船下水点到湖最北端的采样位置 170 大约有 2186 米。

# Plotting all of the above, path from boat ramp to point 170:

ggplot() + 
  geom_sf(data = sq_grid_sample, alpha = .05) +
  geom_sf(data = sq_grid_cropped, color = 'dodgerblue') + 
  geom_sf(data = moose_lake, color = 'blue', fill = NA) +
  geom_sf(data = boat_ramp, color = 'springgreen', size = 4) + 
  geom_sf(data = sample_locations[170,], color = 'deeppink1', size = 4) +
  geom_sf(data = lake_network %>% 
            activate(edges) %>%
            slice(pt170) %>%
            st_as_sf(),
          color = 'turquoise',
          size = 2) +
  theme_void()

虽然上面只找到并绘制了从船下水点到一个样本点的距离，但网络可以找到所有距离。您可能需要使用 *apply 或 purrr，也许还需要一个小的自定义函数来查找发射到所有样本点的“一对多”距离。

This page sfnetworks 将有助于编写一对多解决方案。

编辑:

要找到从船下水点到样本点的所有距离:

st_network_cost(lake_network,
                from = boat_ramp,
                to = sample_locations)

这对我来说比 for 循环或下面发布的 sp 解决方案快得多。采样中的一些代码可能需要调整，因为 st_network_cost 将删除任何重复的距离。 sample_locations(或@bajcz 回答中的Moose.ssw)也需要清理以删除重复的点。 322行中有180个唯一点。