geo_polygon_to_s2cells()
Calcula los tokens de celda S2 que cubren un polígono o multipolygon en la Tierra. Esta función es una herramienta de combinación geoespacial útil.
Obtenga más información sobre la jerarquía de celdas S2.
Sintaxis
geo_polygon_to_s2cells(polygon [, level[, radius]])
Obtenga más información sobre las convenciones de sintaxis.
Parámetros
| Nombre | Type | Obligatorio | Descripción |
|---|---|---|---|
| polígono | dynamic |
✔️ | Polígono o multipolygon en formato GeoJSON. |
| level | int |
Define el nivel de celda solicitado. Los valores admitidos están en el intervalo [0, 30]. Si no se especifica, se usa el valor predeterminado 11. |
|
| radio | real |
Radio de búfer en metros. Si no se especifica, se usa el valor predeterminado 0. |
Devoluciones
Matriz de cadenas de token de celda S2 que cubren un polígono o un multipolygon. Si radius se establece en un valor positivo, la cubierta será, además de la forma de entrada, de todos los puntos dentro del radio de la geometría de entrada. Si el polígono, el nivel, el radio no es válido o el recuento de celdas supera el límite, la consulta generará un resultado nulo.
Nota:
- Cubrir el polígono con tokens de celda S2 puede ser útil en la coincidencia de coordenadas con polígonos que podrían incluir estas coordenadas y los polígonos coincidentes con los polígonos.
- Los tokens de cobertura de polígono son del mismo nivel de celda S2.
- El número máximo de tokens por polígono es 65536.
- La referencia geodética utilizada para las mediciones en la Tierra es una esfera. Los bordes de polígono son geodesics en la esfera.
- Si los bordes de polígono de entrada son líneas cartesianas rectas, considere la posibilidad de usar geo_polygon_densify() para convertir bordes planar a geodesics.
Motivación para cubrir polígonos con tokens de celda S2
Sin esta función, este es un enfoque que podríamos adoptar para clasificar las coordenadas en polígonos que contienen estas coordenadas.
let Polygons =
datatable(description:string, polygon:dynamic)
[
"New York", dynamic({"type":"Polygon","coordinates":[[[-73.85009765625,40.85744791303121],[-74.16046142578125,40.84290487729676],[-74.190673828125,40.59935608796518],[-73.83087158203125,40.61812224225511],[-73.85009765625,40.85744791303121]]]}),
"Seattle", dynamic({"type":"Polygon","coordinates":[[[-122.200927734375,47.68573021131587],[-122.4591064453125,47.68573021131587],[-122.4755859375,47.468949677672484],[-122.17620849609374,47.47266286861342],[-122.200927734375,47.68573021131587]]]}),
"Las Vegas", dynamic({"type":"Polygon","coordinates":[[[-114.9,36.36],[-115.4498291015625,36.33282808737917],[-115.4498291015625,35.84453450421662],[-114.949951171875,35.902399875143615],[-114.9,36.36]]]}),
];
let Coordinates =
datatable(longitude:real, latitude:real)
[
real(-73.95), real(40.75), // New York
real(-122.3), real(47.6), // Seattle
real(-115.18), real(36.16) // Las Vegas
];
Polygons | extend dummy=1
| join kind=inner (Coordinates | extend dummy=1) on dummy
| where geo_point_in_polygon(longitude, latitude, polygon)
| project longitude, latitude, description
Salida
| longitude | latitude | descripción |
|---|---|---|
| -73.95 | 40.75 | Ciudad de Nueva York |
| -122.3 | 47.6 | Seattle |
| -115.18 | 36.16 | Las Vegas |
Aunque este método funciona en algunos casos, es ineficaz. Este método realiza una combinación cruzada, lo que significa que intenta hacer coincidir cada polígono con cada punto. Este proceso consume una gran cantidad de recursos de memoria y proceso. En su lugar, nos gustaría hacer coincidir cada polígono con un punto con una alta probabilidad de éxito de contención y filtrar otros puntos.
Esta coincidencia se puede lograr mediante el siguiente proceso:
- Convertir polígonos en celdas S2 de nivel k,
- Convertir puntos en el mismo nivel de celdas S2 k,
- Unión en celdas S2,
- Filtrado por geo_point_in_polygon(). Esta fase se puede omitir si alguna cantidad de falsos positivos es correcta. El error máximo será el área de las celdas s2 en el nivel k más allá del límite del polígono.
Elección del nivel de celda S2
- Idealmente, queremos cubrir todos los polígonos con una o solo algunas celdas únicas, de modo que ningún dos polígonos compartan la misma celda.
- Si los polígonos están cerca entre sí, elija el nivel de celda S2 de forma que su borde de celda sea menor (4, 8, 12 veces más pequeño) que el borde del polígono promedio.
- Si los polígonos están lejos entre sí, elija el nivel de celda S2 de forma que su borde de celda sea similar o mayor que el borde del polígono medio.
- En la práctica, cubrir un polígono con más de 10 000 celdas podría no producir un buen rendimiento.
- Casos de uso de ejemplo:
- El nivel de celda S2 5 podría resultar bueno para cubrir países o regiones.
- El nivel de celda S2 16 puede cubrir vecindarios densos y relativamente pequeños de Manhattan (Nueva York).
- El nivel de celda S2 11 se puede usar para cubrir suburbios de Australia.
- El tiempo de ejecución de la consulta y el consumo de memoria pueden diferir considerablemente debido a distintos valores de nivel de celda S2.
Advertencia
Cubrir un polígono de área grande con celdas de área pequeña puede dar lugar a una gran cantidad de celdas cubiertas. Como resultado, la consulta podría devolver null.
Nota:
Sugerencias de mejora del rendimiento:
- Si es posible, reduzca el tamaño de la tabla de coordenadas antes de unirse, mediante la agrupación de coordenadas muy cercanas entre sí mediante la agrupación en clústeres geoespaciales o mediante el filtrado de coordenadas nonesesary debido a la naturaleza de los datos o las necesidades empresariales.
- Si es posible, reduzca el número de polígonos debido a la naturaleza de los datos o las necesidades empresariales. Filtre los polígonos innecesarios antes de unirse, ámbito al área de interés o unifique polígonos.
- En el caso de polígonos muy grandes, reduzca su tamaño mediante geo_polygon_simplify().
- Cambiar el nivel de celda S2 puede mejorar el rendimiento y el consumo de memoria.
- Cambiar el tipo de combinación y la sugerencia puede mejorar el rendimiento y el consumo de memoria.
- Si se establece un radio positivo, puede intentar mejorar el rendimiento revirtiendo al radio 0 en forma almacenada en búfer mediante geo_polygon_buffer().
Ejemplos
En el ejemplo siguiente se clasifican las coordenadas en polígonos.
let Polygons =
datatable(description:string, polygon:dynamic)
[
'Greenwich Village', dynamic({"type":"Polygon","coordinates":[[[-73.991460000000131,40.731738000000206],[-73.992854491775518,40.730082566051351],[-73.996772,40.725432000000154],[-73.997634685522883,40.725786309886963],[-74.002855946639244,40.728346630056791],[-74.001413,40.731065000000207],[-73.996796995070824,40.73736378205173],[-73.991724524037934,40.735245208931886],[-73.990703782359589,40.734781896080477],[-73.991460000000131,40.731738000000206]]]}),
'Upper West Side', dynamic({"type":"Polygon","coordinates":[[[-73.958357552055688,40.800369095633819],[-73.98143901556422,40.768762584141953],[-73.981548752788598,40.7685590292784],[-73.981565335901905,40.768307084720796],[-73.981754418060945,40.768399727738668],[-73.982038573548124,40.768387823012056],[-73.982268248204349,40.768298621883247],[-73.982384797518051,40.768097213086911],[-73.982320919746599,40.767894461792181],[-73.982155532845766,40.767756204474757],[-73.98238873834039,40.767411004834273],[-73.993650353659021,40.772145571634361],[-73.99415893763998,40.772493009137818],[-73.993831082030937,40.772931787850908],[-73.993891252437052,40.772955194876722],[-73.993962585514595,40.772944653908901],[-73.99401262480508,40.772882846631894],[-73.994122058082397,40.77292405902601],[-73.994136652588594,40.772901870174394],[-73.994301342391154,40.772970028663913],[-73.994281535134448,40.77299380206933],[-73.994376552751078,40.77303955110149],[-73.994294029824005,40.773156243992048],[-73.995023275860802,40.773481196576356],[-73.99508939189289,40.773388475039134],[-73.995013963716758,40.773358035426909],[-73.995050284699261,40.773297153189958],[-73.996240651898916,40.773789791397689],[-73.996195837470992,40.773852356184044],[-73.996098807369748,40.773951805299085],[-73.996179459973888,40.773986954351571],[-73.996095245226442,40.774086186437756],[-73.995572265161172,40.773870731394297],[-73.994017424135961,40.77321375261053],[-73.993935876811335,40.773179512586211],[-73.993861942928888,40.773269531698837],[-73.993822393527211,40.773381758622882],[-73.993767019318497,40.773483981224835],[-73.993698463744295,40.773562141052594],[-73.993358326468751,40.773926888327956],[-73.992622663865575,40.774974056037109],[-73.992577842766124,40.774956016359418],[-73.992527743951555,40.775002110439829],[-73.992469745815342,40.775024159551755],[-73.992403837191887,40.775018140390664],[-73.99226708903538,40.775116033858794],[-73.99217809026365,40.775279293897171],[-73.992059084937338,40.775497598192516],[-73.992125372394938,40.775509075053385],[-73.992226867797001,40.775482211026116],[-73.992329346608813,40.775468900958522],[-73.992361756801131,40.775501899766638],[-73.992386042960277,40.775557180424634],[-73.992087684712729,40.775983970821372],[-73.990927174149746,40.777566878763238],[-73.99039616003671,40.777585065679204],[-73.989461267506471,40.778875124584417],[-73.989175778438053,40.779287524015778],[-73.988868617400072,40.779692922911607],[-73.988871874499793,40.779713738253008],[-73.989219022880576,40.779697895209402],[-73.98927785904425,40.779723439271038],[-73.989409054180143,40.779737706471963],[-73.989498614927044,40.779725044389757],[-73.989596493388234,40.779698146683387],[-73.989679812902509,40.779677568658038],[-73.989752702937935,40.779671244211556],[-73.989842247806507,40.779680752670664],[-73.990040102120489,40.779707677698219],[-73.990137977524839,40.779699769704784],[-73.99033584033225,40.779661794394983],[-73.990430598697046,40.779664973055503],[-73.990622199396725,40.779676064914298],[-73.990745069505479,40.779671328184051],[-73.990872114282197,40.779646007643876],[-73.990961672224358,40.779639683751753],[-73.991057472829539,40.779652352625774],[-73.991157429497036,40.779669775606465],[-73.991242817404469,40.779671367084504],[-73.991255318289745,40.779650782516491],[-73.991294887120119,40.779630209208889],[-73.991321967649895,40.779631796041372],[-73.991359455569423,40.779585883337383],[-73.991551059227476,40.779574821437407],[-73.99141982585985,40.779755280287233],[-73.988886144117032,40.779878898532999],[-73.988939656706265,40.779956178440393],[-73.988926103530844,40.780059292013632],[-73.988911680264692,40.780096037146606],[-73.988919261468567,40.780226094343945],[-73.988381050202634,40.780981074045783],[-73.988232413846987,40.781233144215555],[-73.988210420831663,40.781225482542055],[-73.988140000000143,40.781409000000224],[-73.988041288067166,40.781585961353777],[-73.98810029382463,40.781602878305286],[-73.988076449145055,40.781650935001608],[-73.988018059972219,40.781634188810422],[-73.987960792842145,40.781770987031535],[-73.985465811970457,40.785360700575431],[-73.986172704965611,40.786068452258647],[-73.986455862401996,40.785919219081421],[-73.987072345615601,40.785189638820121],[-73.98711901394276,40.785210319004058],[-73.986497781023601,40.785951202887254],[-73.986164628806279,40.786121882448327],[-73.986128422486075,40.786239001331111],[-73.986071135219746,40.786240706026611],[-73.986027274789123,40.786228964236727],[-73.986097637849426,40.78605822569795],[-73.985429321269592,40.785413942184597],[-73.985081137732209,40.785921935110366],[-73.985198833254501,40.785966552197777],[-73.985170502389906,40.78601333415817],[-73.985216218673656,40.786030501816427],[-73.98525509797993,40.785976205511588],[-73.98524273937646,40.785972572653328],[-73.98524962933017,40.785963139855845],[-73.985281779186749,40.785978620950075],[-73.985240032884533,40.786035858136792],[-73.985683885242182,40.786222123919686],[-73.985717529004575,40.786175994668795],[-73.985765660297687,40.786196274858618],[-73.985682871922691,40.786309786213067],[-73.985636270930442,40.786290150649279],[-73.985670722564691,40.786242911993817],[-73.98520511880038,40.786047669212785],[-73.985211035607492,40.786039554883686],[-73.985162639946992,40.786020999769754],[-73.985131636312062,40.786060297019972],[-73.985016964065125,40.78601423719563],[-73.984655078830457,40.786534741807841],[-73.985743787901043,40.786570082854738],[-73.98589227228328,40.786426529019593],[-73.985942854994988,40.786452847880334],[-73.985949561556794,40.78648711396653],[-73.985812373526713,40.786616865357047],[-73.985135209703174,40.78658761889551],[-73.984619428584324,40.786586016349787],[-73.981952458164173,40.790393724337193],[-73.972823037363767,40.803428052816756],[-73.971036786332192,40.805918478839672],[-73.966701,40.804169000000186],[-73.959647,40.801156000000113],[-73.958508540159471,40.800682279767472],[-73.95853274080838,40.800491362464697],[-73.958357552055688,40.800369095633819]]]}),
'Upper East Side', dynamic({"type":"Polygon","coordinates":[[[-73.943592454622546,40.782747908206574],[-73.943648235390199,40.782656161333449],[-73.943870759887162,40.781273026571704],[-73.94345932494096,40.780048275653243],[-73.943213862652243,40.779317588660199],[-73.943004239504688,40.779639495474292],[-73.942716005450905,40.779544169476175],[-73.942712374762181,40.779214856940001],[-73.942535563208608,40.779090956062532],[-73.942893408188027,40.778614093246276],[-73.942438481745029,40.777315235766039],[-73.942244919522594,40.777104088947254],[-73.942074188038887,40.776917846977142],[-73.942002667222781,40.776185317382648],[-73.942620205199006,40.775180871576474],[-73.94285645694552,40.774796600349191],[-73.94293043781397,40.774676268036011],[-73.945870899588215,40.771692257932997],[-73.946618690150586,40.77093339256956],[-73.948664164778933,40.768857624399587],[-73.950069793030679,40.767025088383498],[-73.954418260786071,40.762184104951245],[-73.95650786241211,40.760285256574043],[-73.958787773424007,40.758213471309809],[-73.973015157270069,40.764278692864671],[-73.955760332998182,40.787906554459667],[-73.944023,40.782960000000301],[-73.943592454622546,40.782747908206574]]]}),
];
let Coordinates =
datatable(longitude:real, latitude:real)
[
real(-73.9741), 40.7914, // Upper West Side
real(-73.9950), 40.7340, // Greenwich Village
real(-73.9584), 40.7688, // Upper East Side
];
let Level = 16;
Polygons
| extend covering = geo_polygon_to_s2cells(polygon, Level) // cover every polygon with s2 cell token array
| mv-expand covering to typeof(string) // expand cells array such that every row will have one cell mapped to its polygon
| join kind=inner hint.strategy=broadcast // assume that Polygons count is small (In some specific case)
(
Coordinates
| extend covering = geo_point_to_s2cell(longitude, latitude, Level) // cover point with cell
) on covering // join on the cell, this filters out rows of point and polygons where the point definitely does not belong to the polygon
| where geo_point_in_polygon(longitude, latitude, polygon) // final filtering for exact result
| project longitude, latitude, description
Salida
| longitude | latitude | descripción |
|---|---|---|
| -73.9741 | 40.7914 | Upper West Side |
| -73.995 | 40.734 | Greenwich Village |
| -73.9584 | 40.7688 | Upper East Side |
Esta es aún más la mejora de la consulta anterior. Recuento de eventos de tormenta por estado de EE. UU. La consulta siguiente realiza una combinación muy eficaz porque no lleva polígonos a través de la combinación y usa el operador de búsqueda.
let Level = 6;
let polygons = materialize(
US_States
| project StateName = tostring(features.properties.NAME), polygon = features.geometry, id = new_guid());
let tmp =
polygons
| project id, covering = geo_polygon_to_s2cells(polygon, Level)
| mv-expand covering to typeof(string)
| join kind=inner hint.strategy=broadcast
(
StormEvents
| project lng = BeginLon, lat = BeginLat
| project lng, lat, covering = geo_point_to_s2cell(lng, lat, Level)
) on covering
| project-away covering, covering1;
tmp | lookup polygons on id
| project-away id
| where geo_point_in_polygon(lng, lat, polygon)
| summarize StormEventsCountByState = count() by StateName
Salida
| StateName | StormEventsCountByState |
|---|---|
| Florida | 960 |
| Georgia | 1085 |
| ... | ... |
En el ejemplo siguiente se filtran los polígonos que no se intersecan con el área del polígono de interés. El error máximo es diagonal de longitud s2cell. Este ejemplo se basa en un archivo ráster nocturno poligonizado de tierra.
let intersection_level_hint = 7;
let area_of_interest = dynamic({"type": "Polygon","coordinates": [[[-73.94966125488281,40.79698248639272],[-73.95841598510742,40.800426144169315],[-73.98124694824219,40.76806170936614],[-73.97283554077148,40.7645513650551],[-73.94966125488281,40.79698248639272]]]});
let area_of_interest_covering = geo_polygon_to_s2cells(area_of_interest, intersection_level_hint);
EarthAtNight
| project value = features.properties.DN, polygon = features.geometry
| extend covering = geo_polygon_to_s2cells(polygon, intersection_level_hint)
| mv-apply c = covering to typeof(string) on
(
summarize is_intersects = take_anyif(1, array_index_of(area_of_interest_covering, c) != -1)
)
| where is_intersects == 1
| count
Salida
| Count |
|---|
| 83 |
Recuento de celdas que se necesitarán para cubrir algún polígono con celdas S2 de nivel 5.
let polygon = dynamic({"type":"Polygon","coordinates":[[[0,0],[0,50],[100,50],[0,0]]]});
print s2_cell_token_count = array_length(geo_polygon_to_s2cells(polygon, 5));
Salida
| s2_cell_token_count |
|---|
| 286 |
Cubrir un polígono de área grande con celdas de área pequeña devuelve null.
let polygon = dynamic({"type":"Polygon","coordinates":[[[0,0],[0,50],[100,50],[0,0]]]});
print geo_polygon_to_s2cells(polygon, 30);
Salida
| print_0 |
|---|
Cubrir un polígono de área grande con celdas de área pequeña devuelve null.
let polygon = dynamic({"type":"Polygon","coordinates":[[[0,0],[0,50],[100,50],[0,0]]]});
print isnull(geo_polygon_to_s2cells(polygon, 30));
Salida
| print_0 |
|---|
| 1 |
Comentarios
Próximamente: A lo largo de 2024 iremos eliminando gradualmente las Cuestiones de GitHub como mecanismo de retroalimentación para el contenido y lo sustituiremos por un nuevo sistema de retroalimentación. Para más información, consulta: https://aka.ms/ContentUserFeedback.
Enviar y ver comentarios de