固定R中的孤立孔

在合并两个相邻的shapefile之后，我试图在一个公共字段上执行并集。shapefile最终在它们之间至少留有一小段空间。尝试并集时，出现以下孤立孔错误：

createPolygonsComment（p）中的错误：rgeos_PolyCreateComment：孤立的孔，在索引17处找不到包含孔的多边形

我在此链接上将可复制的示例上传到Dropbox 。

这是重新创建问题的代码：

#loading required packages
require(sp)    
require(rgdal)
require(maptools)
require(rgeos)

#load example data, set "dsn=" to your working directory or specify the path
example <- readOGR(dsn=".",layer="ReproducibleExample")

#Attempting a UnionSpatialPolygons based on the COUNTY field
example.df <- as(example, "data.frame")
countycol <- example.df$COUNTY
example.diss <- unionSpatialPolygons(example, countycol)

返回值：

createPolygonsComment（p）中的错误：rgeos_PolyCreateComment：孤立的孔，在索引17处找不到包含孔的多边形

尝试在此处和此处提出的修复程序：

slot(example, "polygons") <- lapply(slot(example, "polygons"), checkPolygonsHoles)

这将返回来自联合尝试的相同错误，但索引号不同：

rgeos_PolyCreateComment：孤立的孔，在索引30处找不到包含孔的多边形

尝试在Roger Bivand的有用教程中提出的修复程序

fix <- slot(example, "polygons")
fixa <- lapply(fix, checkPolygonsHoles)

返回与上面的索引30相同的错误。

其他人在这里和这里都提出了这个问题，尽管上面提出的解决方案在某些情况下似乎可行，但其他情况却无法解决。一位用户使用QGIS解决了该问题，另一位用户修复了3项中的2项，但没有解决最后一项的解决方案。

尽管该代码不时起作用，但人们似乎仍然遇到问题。有人在R中找到解决方案吗？

我已经在ArcGIS中执行了“修复几何体”工具，它纠正了该问题，但是似乎应该在R中进行修复。

我分析了附加数据的几何问题，而且现在看来，这不仅有orphaned holes也geometry validity issues。的确orphaned hole是几何几何有效性问题，但是rgeos不能以相同的方式处理它，对于孤立的孔，会引发错误，而不是简单的警告。正如您所指出的那样，它们是检查多边形孔的提示，但为修复孤立孔而应用时并非总是成功。

那么让我们：

1. 清理您的数据（如果您希望像联合一样进行地理处理，这是必需的）

2. 在合并过程中使用清理的数据

1.清洁几何 体在R 中修复几何体有时可能会很困难，因此我试图构建一个实验性R包（请参阅https://github.com/eblondel/cleangeo），旨在促进sp物体的清洁（目前仅限于多边形）。您可以通过以下方式安装软件包：

require(devtools)
install_github("eblondel/cleangeo")
require(cleangeo)

首先，最好查看源数据中存在哪些几何问题。为此，您可以运行以下命令（您的数据很大，因此可能需要一些时间）：

#get a report of geometry validity & issues for a sp spatial object
report <- clgeo_CollectionReport(sp)
summary <- clgeo_SummaryReport(report)
issues <- report[report$valid == FALSE,]

这样，您将看到数据有两种问题：orphaned holes和geometry validity issues。这两个（不仅是孤立的孔）都可能使union过程失败，因此应该在可能的情况下以自动方式清除数据。为了快速重现，下面的第一个示例代码仅采用标记为可疑的功能子集（最新的功能除外，在原始数据中索引为9002-请参阅下面的我的注释）

#get suspicious features (indexes)
nv <- clgeo_SuspiciousFeatures(report)
mysp <- sp[nv[-14],]

#try to clean data
mysp.clean <- clgeo_Clean(mysp, print.log = TRUE)

#check if they are still errors
report.clean <- clgeo_CollectionReport(mysp.clean)
summary.clean <- clgeo_SummaryReport(report.clean)

如果clgeo_Clean做得好，您现在应该使所有几何有效。您可以将其应用于完整的数据集（特征索引= 9002除外）

#try to clean data
mysp <- sp[-9002,]
mysp.clean <- clgeo_Clean(mysp, print.log = TRUE)

#check if they are still errors
report.clean <- clgeo_CollectionReport(mysp.clean)
summary.clean <- clgeo_SummaryReport(report.clean)

2.联合过程 现在，让我们看看union该数据集是否适用：

#Attempting a UnionSpatialPolygons based on the COUNTY field
mysp.df <- as(mysp, "data.frame")
countycol <- mysp.df$COUNTY
mysp.diss <- unionSpatialPolygons(mysp.clean, countycol)

注意：如前所述，我已经删除了一个功能（索引= 9002）。通过绘制它：plot(sp[9002,])，您将看到此功能非常非常复杂。我之所以从样本中排除它，只是因为检查孔花了太多时间。现在让我们看看使用readShapePoly（from maptools）读取数据是否发生相同的问题...

3.切换到readShapePoly和readOGR来读取数据（更新）

readOGR不是唯一可读取shapefile的函数。您还可以使用readShapePolyfrom maptools软件包，通常比第一个软件包具有更高的性能：

require(maptools)
mysp <- readShapePoly("ReproducibleExample.shp")

除了运行速度更快：

• 如果您使用基于的上述代码clgeo_CollectionReport，则不会出现孤立孔的问题，但是仍然存在几何问题。

• 清洗几何体clgeo_Clean也运行良好，现在它不会卡在特征索引9002上

• 而且...联合程序有效。

参见下面的绘图结果：

#plot the result
plot(mysp, border= "lightgray")
plot(mysp.diss, border="red", add = TRUE)

结论：首选使用maptools读取shapefile数据，并考虑在任何地理处理之前使用cleangeo清洁数据。

在R中对我有用的一个方便的解决方案是应用零宽度缓冲区：

#loading required packages
require(sp)    
require(rgdal)
require(maptools)
require(rgeos)

#load example data, set "dsn=" to your working directory or specify the path
example <- readOGR(dsn=".",layer="ReproducibleExample")

#project your data (I'm using California Albers here) and apply a zero-width buffer
example <- spTransform(example, CRS("+init=epsg:3310"))
example <- gBuffer(example, byid = T, width = 0)

#Attempting a UnionSpatialPolygons based on the COUNTY field
example.df <- as(example, "data.frame")
countycol <- example.df$COUNTY
example.diss <- unionSpatialPolygons(example, countycol)

unionSpatialPolygons需要一些时间来处理此数据集，但似乎工作得很好。