在 R SF 中交叉大型空间数据集

我有两个空间数据集。一个数据集包含许多多边形（总共超过 150k），指定不同的特征，如河流、植被。另一个数据集包含更少的指定不同区域的多边形 (500)。 我需要将这两个数据集相交以获得不同区域的特征。 我可以根据不同的特征对第一个数据集进行子集化。如果我使用小要素（2,500 个多边形）的子集，与区域的相交速度相当快（5 分钟）。但如果我想要更大的特征子集（20,000 个多边形），计算会运行很长时间（我在两个小时后终止了它）。这甚至不是我需要相交的最大特征（50,000 个多边形）。

这是我运行的代码片段：

    clean_intersect_save = function(geo_features, areas) {

  # make geometries valid
  data_valid_geoms = st_parallel(sf_df = st_geometry(geo_features), 
                                 sf_func = st_make_valid, 
                                 n_cores = 4)

  # remove unnecessary columns
  data_valid = st_drop_geometry(x) %>% select("feature")
  data_valid = st_sf(data_clean, geometry = data_valid_geoms)

  # intersect the geo-features and areas
  data_valid_split = st_parallel(sf_df = bezirke, 
                                 sf_func = st_intersection, 
                                 n_cores = 4,
                                 data_clean)

  # save shp file
  st_write(data_valid_split, "data_valid_splir.shp")

  return(data_valid_split)
}

其中两个输入都是 sf 数据帧。 st_parallel是我发现的一个函数here https://www.spatialanalytics.co.nz/post/2017/09/11/a-parallel-function-for-spatial-analysis-in-r/.

我的问题是：经验丰富的空间数据人员通常如何解决这样的任务？我只需要更多的核心和/或更耐心吗？我用sf错了吗？ R/sf 是错误的工具吗？

谢谢你的帮助。 这是我的第一个空间数据分析项目，如果我监督了一些明显的想法，我很抱歉。

由于这个模糊的问题可能不会有真正的答案，我会自己回答。

感谢@Chris 和@TimSalabim 的帮助。我最终结合了这两种想法。

我最终使用了 PostGIS，根据我的经验，这是一种处理空间数据的非常直观的方式。 对我来说加快交集计算速度的三件事是：

• 在我的追逐中，从 shapefile 加载时，空间数据存储在 MULTIPOLYGONS 中。我使用 ST_DUMP 将它们扩展为 POLYGONS：https://postgis.net/docs/ST_Dump.html https://postgis.net/docs/ST_Dump.html
• 我在多边形上创建了一个空间索引：https://postgis.net/workshops/postgis-intro/indexing.html https://postgis.net/workshops/postgis-intro/indexing.html
• 我使用 ST_Intersection 和 ST_Intersects 的组合，仅在真正需要时调用昂贵的 ST_Intersection （正如 @TimSalabim 建议的那样，这种方法也可以加快 R 中的速度......但我目前没有时间测试这种方法）：https://postgis.net/2014/03/14/tip_intersection_faster/ https://postgis.net/2014/03/14/tip_intersection_faster/