R具有一定公差的重叠点和多边形

使用R，我想覆盖一些空间点和多边形，以便为这些点指定我考虑过的地理区域的一些属性

我通常使用

sp

包的

命令。我的问题是，我正在处理全球范围内发生的大量地理参考事件，在某些情况下（特别是在沿海地区），经纬度组合略低于国家/地区边界。
这里有一个基于此的可复制示例

这与@Gilles在其回答中提出的输出完全相同。
我只是想知道是否还有比这更有效的方法。
我认为你不能在
或其他常见的相交算法上添加“容差”。
通过缓冲多边形，可以添加一些公差，但有些点可能会落入两个不同的多边形中

一种可能是在多边形区域外的点周围创建缓冲区，将这些缓冲区与多边形相交，计算面积，并为每个点仅保留面积最大的线。与您建议的方法（查找最近的多边形）相比，这种方法的优点是，您不必计算所有多边形的距离

可能还有更直接的可能性

下面是一个使用
sf
操纵空间对象的示例，但是您当然可以使用
sp
和
rgeos
操纵空间对象

一个困难是找到合适的“容差”（缓冲区大小）级别。这里我使用了2km的公差

##你的例子
种子（1）
图书馆（光栅）
#>正在加载所需的包：sp
图书馆（rgdal）
图书馆（sp）
p以下是我使用sf的尝试。如果您盲目地想要将多边形特征连接到构成其最近邻的点，则使用
join=st\u nearest\u特征调用
st\u join
就足够了

library(sf)

# convert data to sf
pts_sf = st_as_sf(pts)
p_sf = st_as_sf(p)

# this is enough for joining polygon attributes to points from their nearest neighbor
st_join(pts_sf, p_sf, join = st_nearest_feature)

如果您希望能够设置一些公差，以便距离此公差更远的点不会连接任何多边形属性，我们需要创建自己的连接函数

st_nearest_feature2 = function(x, y, tolerance = 100) {
  isec = st_intersects(x, y)
  no_isec = which(lengths(isec) == 0)

  for (i in no_isec) {
    nrst = st_nearest_points(st_geometry(x)[i], y)
    nrst_len = st_length(nrst)
    nrst_mn = which.min(nrst_len)
    isec[i] = ifelse(as.vector(nrst_len[nrst_mn]) > tolerance, integer(0), nrst_mn)
  }

  unlist(isec)

}

st_join(pts_sf, p_sf, join = st_nearest_feature2, tolerance = 1000)

这与预期一样有效，即当您将
公差设置为零时，您将得到与over相同的结果，对于较大的值，您将接近上面的
st_最近_特征
结果
 示例数据-

set.seed(1)
library(raster)
library(rgdal)
library(sp)
p <- shapefile(system.file("external/lux.shp", package="raster"))
p2 <- as(0.30*extent(p), "SpatialPolygons")
proj4string(p2) <- proj4string(p)
pts1 <- spsample(p2-p, n=3, type="random")
pts2<- spsample(p, n=10, type="random")
pts<-rbind(pts1, pts2)

## Plot to visualize
plot(p, col=colorRampPalette(blues9)(12))
plot(pts, pch=16, cex=.5,col="red", add=TRUE)

显示连接了哪些多边形和点的绘图-

# Visuzlize join
l = st_connect(pts, p, dist = 1)
plot(st_geometry(p))
plot(st_geometry(pts), add = TRUE)
plot(st_geometry(l), col = "red", lwd = 2, add = TRUE)


编辑：

# Spatial join with 100 meters threshold
p2 = st_join(pts, p, join = st_nn, maxdist = 100)
p2
## Simple feature collection with 13 features and 5 fields
## geometry type:  POINT
## dimension:      XY
## bbox:           xmin: 5.795068 ymin: 49.54622 xmax: 6.518138 ymax: 50.1426
## epsg (SRID):    4326
## proj4string:    +proj=longlat +datum=WGS84 +no_defs
## First 10 features:
##   ID_1       NAME_1 ID_2           NAME_2 AREA                  geometry
## 1    NA         <NA> <NA>             <NA>   NA POINT (6.235953 49.91801)
## 2    NA         <NA> <NA>             <NA>   NA POINT (6.251893 49.92177)
## 3     1     Diekirch    4          Vianden   76  POINT (6.236712 49.9023)
## 4     1     Diekirch    1         Clervaux  312  POINT (6.090294 50.1426)
## 5     1     Diekirch    5            Wiltz  263  POINT (5.948738 49.8796)
## 6     2 Grevenmacher   12     Grevenmacher  210 POINT (6.302851 49.66278)
## 7     2 Grevenmacher    6       Echternach  188 POINT (6.518138 49.76773)
## 8     3   Luxembourg    9 Esch-sur-Alzette  251 POINT (6.116905 49.56184)
## 9     1     Diekirch    3          Redange  259 POINT (5.932418 49.78505)
## 10    2 Grevenmacher    7           Remich  129 POINT (6.285379 49.54622)

#与100米阈值的空间连接
p2=st_连接（pts，p，连接=st_nn，最大距离=100）
p2
##具有13个功能和5个字段的简单功能集合
##几何图形类型：点
##尺寸：XY
##bbox:xmin:5.795068 ymin:49.54622 xmax:6.518138 ymax:50.1426
##epsg（SRID）：4326
##proj4string:+proj=longlat+datum=WGS84+no_defs
##前10个功能：
##ID\u 1名称\u 1 ID\u 2名称\u 2区域几何图形
##1纳纳点（6.235953 49.91801）
##2纳纳点（6.251893 49.92177）
##迪基尔奇4维亚登76点（6.236712 49.9023）
##4迪基尔奇1克莱沃312点（6.090294 50.1426）
##5 1迪基尔奇5威尔茨263点（5.948738 49.8796）
##6 2格雷文马赫12格雷文马赫210分（6.302851 49.66278）
##7.2格雷文马赫6埃切特纳赫188点（6.518138 49.76773）
##8 3卢森堡9埃什苏尔阿尔泽特251点（6.116905 49.56184）
##9 1迪基尔奇3 Redange 259点（5.932418 49.78505）
##102格雷文马赫7雷米奇129分（6.285379.54622）
Hi@Gilles，非常感谢您的尝试。这将完成工作，但这仍然是一个相当长的过程。我将继续悬赏，寻找其他（更有效的）解决方案。是的，当然。。。我也很想看到其他的方法。您应该考虑方法的简单性（较短/更简单的代码）和计算效率……关于<代码>的输出超过，我的歉意，我错误地报告了<代码> SET。我现在将编辑我的问题，使其与您的回答一致。要清楚，当您说寻找最近的邻居是一个缓慢的过程时，您的意思是从运行时的角度？对我来说是乏味的code@CalumYou，无论是在运行时还是在编码方面。我的意思是编码非常简单和直接，但是最好在
上有一个选项，它可以避免额外的编码来分配非常接近多边形边界的点，这是非常好的答案！请注意，要使st_nearest_功能正常工作，您需要最新的R软件包版本（不是在CRAN上，而是在github上）：sf>=0.6.4和units>=0.6.0。您还需要GEOS>3.6。1@TimSalabim：回答得很好。这看起来是最有效的方法@吉勒斯：说得好。目前在CRAN（0.6-3版）中可用的
sf
软件包中没有
st\u最近点功能
和
st\u最近点
软件包sf的发布周期约为2个月，所以应该不会太长away@TimSalabim谢谢！我会等到明天再接受你的回答（并分配赏金），这样最终也可以提出和考虑其他方法。嗨，迈克尔。非常感谢这个非常好的答案。我喜欢这种简单的方法。我只有一点（次要）的意见：从你的绘图来看，即使是落在多边形内的点也被指定给最近的邻居，事实并非如此，因为你在空间连接中正确地计算了。现在，我在接受您的答案（基于当前可用的软件包）和@TimSalabim的答案（该答案还提供了设置公差半径的可能性）之间进行了辩论。这些都是我的时刻
set.seed(1)
library(raster)
library(rgdal)
library(sp)
p <- shapefile(system.file("external/lux.shp", package="raster"))
p2 <- as(0.30*extent(p), "SpatialPolygons")
proj4string(p2) <- proj4string(p)
pts1 <- spsample(p2-p, n=3, type="random")
pts2<- spsample(p, n=10, type="random")
pts<-rbind(pts1, pts2)

## Plot to visualize
plot(p, col=colorRampPalette(blues9)(12))
plot(pts, pch=16, cex=.5,col="red", add=TRUE)

library(nngeo)

# Convert to 'sf'
pts = st_as_sf(pts)
p = st_as_sf(p)

# Spatial join
p1 = st_join(pts, p, join = st_nn)
p1

## Simple feature collection with 13 features and 5 fields
## geometry type:  POINT
## dimension:      XY
## bbox:           xmin: 5.795068 ymin: 49.54622 xmax: 6.518138 ymax: 50.1426
## epsg (SRID):    4326
## proj4string:    +proj=longlat +datum=WGS84 +no_defs
## First 10 features:
##   ID_1       NAME_1 ID_2           NAME_2 AREA                  geometry
## 1     1     Diekirch    4          Vianden   76 POINT (6.235953 49.91801)
## 2     1     Diekirch    4          Vianden   76 POINT (6.251893 49.92177)
## 3     1     Diekirch    4          Vianden   76  POINT (6.236712 49.9023)
## 4     1     Diekirch    1         Clervaux  312  POINT (6.090294 50.1426)
## 5     1     Diekirch    5            Wiltz  263  POINT (5.948738 49.8796)
## 6     2 Grevenmacher   12     Grevenmacher  210 POINT (6.302851 49.66278)
## 7     2 Grevenmacher    6       Echternach  188 POINT (6.518138 49.76773)
## 8     3   Luxembourg    9 Esch-sur-Alzette  251 POINT (6.116905 49.56184)
## 9     1     Diekirch    3          Redange  259 POINT (5.932418 49.78505)
## 10    2 Grevenmacher    7           Remich  129 POINT (6.285379 49.54622)

# Visuzlize join
l = st_connect(pts, p, dist = 1)
plot(st_geometry(p))
plot(st_geometry(pts), add = TRUE)
plot(st_geometry(l), col = "red", lwd = 2, add = TRUE)

# Spatial join with 100 meters threshold
p2 = st_join(pts, p, join = st_nn, maxdist = 100)
p2
## Simple feature collection with 13 features and 5 fields
## geometry type:  POINT
## dimension:      XY
## bbox:           xmin: 5.795068 ymin: 49.54622 xmax: 6.518138 ymax: 50.1426
## epsg (SRID):    4326
## proj4string:    +proj=longlat +datum=WGS84 +no_defs
## First 10 features:
##   ID_1       NAME_1 ID_2           NAME_2 AREA                  geometry
## 1    NA         <NA> <NA>             <NA>   NA POINT (6.235953 49.91801)
## 2    NA         <NA> <NA>             <NA>   NA POINT (6.251893 49.92177)
## 3     1     Diekirch    4          Vianden   76  POINT (6.236712 49.9023)
## 4     1     Diekirch    1         Clervaux  312  POINT (6.090294 50.1426)
## 5     1     Diekirch    5            Wiltz  263  POINT (5.948738 49.8796)
## 6     2 Grevenmacher   12     Grevenmacher  210 POINT (6.302851 49.66278)
## 7     2 Grevenmacher    6       Echternach  188 POINT (6.518138 49.76773)
## 8     3   Luxembourg    9 Esch-sur-Alzette  251 POINT (6.116905 49.56184)
## 9     1     Diekirch    3          Redange  259 POINT (5.932418 49.78505)
## 10    2 Grevenmacher    7           Remich  129 POINT (6.285379 49.54622)