我有两个多边形 shapefile，我想看看观察到的重叠量在多大程度上是偶然的。
我正在考虑某种排列测试，但不确定进行的最佳方式。
一种想法是将一个 shapefile 中的多边形随机重新定位到新位置，测量相交的总面积，然后重复此操作一千次左右以获得相交区域的分布。然后我可以测量观察到的区域与随机区域分布的可能性有多大。我最近有一个与这种方法有关的GIS 问题，这是对该问题的评论激发了这个问题。
另一种思路是将两个polgyon shapefile合并成一个shapefile，然后随机重新分配两种多边形的label，在新的labeling方案下测量相交的总面积，然后重复，如上。
具体的用例是这样的：一个多边形 shapefile 包含人类活动区域的多边形（几个较大的多边形）。另一个多边形 shapefile 包含岩石轮廓的多边形（许多较小的多边形）。问题是观察到的岩石排列是否由活动区域决定：人们是在他们的活动区域放置岩石还是我们只是在观察岩石的自然分布？
这两个想法中的任何一个都可以在正确的轨道上进行测试，还是我应该考虑完全不同的东西？任何见解都将受到欢迎！
在这种情况下，您应该使用空间模式分析来识别人类活动与岩石分布之间的关系。岩石必须表示为一个点 shp 文件。为岩石分布添加另一个抽象级别（使它们成为多边形而不是点）是一种非常值得怀疑的方法，似乎对分析没有任何帮助。您将需要一个用于 R 和QGIS的spatstat包（带有很棒的教程） 。
rhohat它的功能。如果岩石的分布确实取决于人类活动地点，那么您案例中的图表应该类似于：
这里的 o-win 对象再次将是整个研究区域。将distfun人类活动多边形的函数用作 中的协变量rhohat。这是我的一个项目的第三步的一些示例代码：
library(maptools)
library(rgdal)
library(spatstat)
spatstat.options(gpclib=TRUE)
gpclibPermit()
# load point shp-file for analysis
S <- readShapePoints("/dumps.shp",
proj4string= CRS("your_+proj_sting_here"))
SP <- as(S, "SpatialPoints")
P <- as(SP, "ppp")
# load boundary layer and make it o-win object
Z <- readShapePoly("/boundaries.shp",
proj4string= CRS("your_+proj_sting_here"))
Z1 <- as(Z, "SpatialPolygons")
W <- as.owin(Z1)
P <- P[W]
# in my case covariate polygons were quite small so I loaded them as lines
# to avoid spatstat issue with polygons. You should represent your
# human activity polygons as points as will be described below
c <- readShapeLines("/ccovariate.shp",
proj4string= CRS("your_+proj_sting_here"))
cr <- as.psp(c)
cr <- cr[W]
# create a distance function
сrdist <- distfun(cr)
# create and plot your graph
plot(rhohat(P, сrdist, covname="quarry"),
xlab= "Расстояние до карьера, м",
legendpos = "topright", ##see help(plot.fv)
main = NULL)
差不多就是这样。现在一些重要的细节。
rhohat函数的协变量存在问题（spatstat有时不能很好地与多边形一起使用）。您可以按照上一段中的建议将多边形替换为点图层，但使用常规点而不是随机点。PS您可以采取其他方法（从教程中获得灵感spatatat），但在这种情况下必须使用点模式分析，而不是岩石位置的某些多边形。