pg数据库初探-河北省-县级行政区划

之前在Cesium三维地球开发时,经常在河北上方做功能测试。无意间发现河北相对与别的省份来说,县级行政区划个数特别的多。

河北省面积约19万平方千米,至2017年未辖11地级市,47个市辖区、20个县级市、95县及6个自治县,共121个县级行政区划,是我国县级行政单位最多的省份之一!比相邻的河南及山东两省数量都多!河北中南部地区县城密集,平均20~30km左右的间距,该地区开发历史较早,地形平坦,南部又为赵国故地,历史悠久,自然县级行政区划就多了!相反,河北北部由于受地形(冀北高原山地)、及开发较晚等影响,市县很少,人口也较少!

河北124个县级行政区划(图片来源-大地理馆)

河北与山东县级行政区对比(图片来源-大地理馆)

全国县级行政密度图(图片来源-大地理馆)

从这两张图可以看出河北主要的县级行政区划主要集中在太行山以西的华北平原上。
综合考虑大概有这几方面的原因:

  • 平原地形是基础——水土条件好,农业基础好;
  • 山前大道是关键——河北省太行山前这片区域,就成了早期华北平原上最安全的地带;
  • 历史文化太厚重——华北平原是中华文化发源地。

现在抛开历史和地理因素的影响,单纯的从GIS角度考虑。这么多的县级行政区划点做聚类的展示,使用PostGIS数据库中的Voronoi多边形分析。在多个点的影响下,如何对行政区进行等面积的划分。

对河北省数据进行处理,得到县级行政区划的点数据、河北省级行政区划面

(感谢遥想公瑾大神的搬运)

导入到pg数据库中->
使用ST_GeneratePoints函数将河北省面数据插入点(插入点的数量自己控制)->
使用ST_ClusterKMeans方法将这些转换后的点聚合成k簇->
使用ST_Centroid方法求出每一簇中心点->
将求出的均值中心作为ST_VoronoiPolygons方法的输入参数,可以计算出每个点映射出的Polygon面->
使用ST_Intersection将这些映射的面和初始化的Polygon做切割处理。

这一番操作就可以将河北省的面进行Voronoi多边形的切割。


获取点

切分后的效果
CREATE TABLE hebei_points AS SELECT (ST_Dump(ST_GeneratePoints(geom, 1000))).geom AS geom FROM hebei;

CREATE TABLE hebei_pts_clustered AS SELECT geom, ST_ClusterKMeans(geom, 10) over () AS cluster FROM hebei_points;

CREATE TABLE hebei_centers AS SELECT cluster, ST_Centroid(ST_collect(geom)) AS geom FROM hebei_pts_clustered GROUP BY cluster;

CREATE TABLE hebei_voronoi AS SELECT (ST_Dump(ST_VoronoiPolygons(ST_collect(geom)))).geom AS geom FROM hebei_centers;

CREATE TABLE hebei_divided AS SELECT ST_Intersection(a.geom, b.geom) AS geom FROM hebei a CROSS JOIN hebei_voronoi b;

对数据进行地图的展示

在地图展示部分选用的是Leaflet的聚类展示。大量点数据展示,使用聚类展示更加简洁明了。
展示效果:


聚类效果

同时加载了切分后的面数据。


不同等分切换(本来做了155等分,图层不在本机。后面补上)

代码如下:
<!DOCTYPE html>
<html>
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>河北县级行政</title>
    <link rel="stylesheet" href="https://unpkg.com/leaflet@1.0.3/dist/leaflet.css" integrity="sha512-07I2e+7D8p6he1SIM+1twR5TIrhUQn9+I6yjqD53JQjFiMf8EtC93ty0/5vJTZGF8aAocvHYNEDJajGdNx1IsQ==" crossorigin="" />
    <script src="https://unpkg.com/leaflet@1.0.3/dist/leaflet-src.js" integrity="sha512-WXoSHqw/t26DszhdMhOXOkI7qCiv5QWXhH9R7CgvgZMHz1ImlkVQ3uNsiQKu5wwbbxtPzFXd1hK4tzno2VqhpA==" crossorigin=""></script>
    <link rel="stylesheet" href="css/screen.css" />
    <link rel="stylesheet" href="css/MarkerCluster.css" />
    <link rel="stylesheet" href="css/MarkerCluster.Default.css" />
    <script src="js-src/leaflet.markercluster-src.js"></script>
    <script src="JSON/pointJson.js"></script>
    <script src="JSON/hebei_divided.js"></script>
    <style>
        #map,html,body{
            height: 100%;
            width: 100%;
            padding: 0;
            margin: 0;
        }
    </style>
</head>
<body>
<div id="map"></div>
</body>
<script type="text/javascript">
    var tiles = L.tileLayer('https://{s}.tile.openstreetmap.org/{z}/{x}/{y}.png', {
        maxZoom: 18,
        //attribution: '&copy; <a href="https://www.openstreetmap.org/copyright">OpenStreetMap</a> contributors'
    });

    var heBei_xian = L.tileLayer.wms("http://localhost:8088/geoserver/hebei/wms",{
        layers: 'hebei:hebei_xian',
        format: 'image/png',
        transparent: true,
        zoom: 15
    });

    var heBei_xian = L.tileLayer.wms("http://localhost:8088/geoserver/hebei/wms",{
        layers: 'hebei:hebei_xian',
        format: 'image/png',
        transparent: true
    });

    var heBei_V = L.tileLayer.wms("http://localhost:8088/geoserver/hebei_N/wms",{
        layers: 'hebei_N:hebei_divided',
        format: 'image/png',
        transparent: true
    });

    var heBei = L.tileLayer.wms("http://localhost:8088/geoserver/hebei/wms",{
        layers: 'hebei:hebei_divided',
        format: 'image/png',
        transparent: true
    });

    var map = L.map('map');
    map.addLayer(tiles);
    map.addLayer(heBei_V);
    map.addLayer(heBei_xian);
    map.addLayer(heBei);

    var markers = L.markerClusterGroup();

    var geoJsonLayer = L.geoJson(geoJsonSample, {
        onEachFeature: function (feature, layer) {
            layer.bindPopup(feature.properties.NAME);
        }
    });
    markers.addLayer(geoJsonLayer);

    //设置加载GeoJSON面的格式
    var myStyle = {
        "color": "#b3b4ff",
        "weight": 3,
        "opacity": 0.8
    };

    L.geoJSON(divided, {
        style: myStyle
    }).addTo(map);

    map.addLayer(markers);
    map.fitBounds(markers.getBounds());

    var baseLayers = {
        "河北Vorino155切分": heBei_V,
        "河北Vorino10切分": heBei,
        "河北县级行政区划": heBei_xian
    };


    L.control.layers(baseLayers).addTo(map);
    map.setView(new L.LatLng(38.827739,115.448818),6);
</script>
</html>
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 158,117评论 4 360
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 66,963评论 1 290
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 107,897评论 0 240
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 43,805评论 0 203
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,208评论 3 286
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,535评论 1 216
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,797评论 2 311
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,493评论 0 197
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,215评论 1 241
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,477评论 2 244
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,988评论 1 258
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,325评论 2 252
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,971评论 3 235
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,055评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,807评论 0 194
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,544评论 2 271
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,455评论 2 266

推荐阅读更多精彩内容