R语言【rgbif】——occ_search对待字符长度大于1500的WKT的特殊处理真的有必要吗？

news2024/11/23 12:16:35

一句话结论：只要有网有流量，直接用长WKT传递给参数【geometry】、参数【limit】配合参数【start】获取所有记录。

当我在阅读【rgbif】给出的用户手册时，注意到【occ_search】强调了参数【geometry】使用的wkt格式字符串长度。

文中如是写道：

当处理 长WKT字符串（>1500个字符） 时，可以通过参数geom_big进行设置：

asis：此值为默认值。不做任何处理，只传递WKT字符串。

axe：这个选项将使用sf包将WKT字符串切割成数个多边形，然后根据每个多边形块单独进行数据请求，然后将所有数据组合在一起返回。
	请注意，如果WKT字符串不是多边形类型，将退回到asis，因为没有办法分割线字符串等。这个选项在大多数情况下会比其他两个选项慢。
	但是，这种多边形分割方法不会像使用bbox选项那样存在想要多少记录和实际返回多少记录之间脱节的问题。
	该方法使用sf::st_make_grid和sf::st_intersection，它们有两个参数cellsize和n。
	您可以通过调整geom_size和geom_n来调整这些参数。
	在切换返回的WKT字符串的数量方面，geom_size似乎更有用。
	请参阅wkt_parse手动从较大的WKT字符串中分解WKT边界框，或者将较大的WKT字符串分解为许多较小的WKT字符串。
	
bbox：这个选项检查您的WKT字符串是否超过1500个字符，如果是，先从WKT创建一个边界框，使用该边界框进行GBIF搜索，然后将结果数据修剪为仅在原始WKT字符串中出现的数据。
	但有一个注意事项。因为先从WKT创建了一个边界框，并且limit参数确定了要获取的记录子集，所以当我们将结果数据修剪到WKT时，您获得的记录数量可能少于您使用limit参数设置的记录数量。
	但是，您可以将限制设置得足够高，以便获得在该边界框中找到的所有记录，然后您将获得WKT中可用的所有记录。

然而，我在尝试【使用rgbif获取非行政单位区域内的物种记录信息】时发现：即使我使用的wkt字符串长度远大于1500，但是直接将它或者用【wkt_parse】方法分割了它的结果传递给【occ_search】方法的【geometry】参数时，结果数据根本没有差异，而结果长度的不同仅仅是因为wkt表达的polygon数量不同造成的独立请求数量不同，有关这方面的信息请参考R语言【rgbif】——什么是多值传参？如何在rgbif中一次性传递多个值？多值传参时的要求有哪些？

简单来说，实际操作中，我发现小心翼翼地处理长WKT字符串完全是多此一举！

那么，真的还有必要使用【wkt_parse】来分割长WKT吗？

下面我将用事实来回答这个问题。

首先，我使用的WKT字符串是在【R语言【rgbif】——使用rgbif获取非行政单位区域内的物种记录信息（以泛喜马拉雅地区为例）】中的变量【wkt】和变量【wkt_for_rgbif】。

变量【wkt】它的长度nchar(wkt)为8909。符合rgbif对长WKT字符串的定义标准。

变量【wkt_for_rgbif】是 rgbif 中 wkt_parse 方法将变量【wkt】变为许多个长度小于1500的非长WKT字符串片段。

for (i in wkt_for_rgbif){print(nchar(i))}

在这里插入图片描述

1. 查找的数据量的对比

我先按照用户手册推荐的，使用非长WKT字符串的变量【wkt_for_rgbif】

将变量【wkt_for_rgbif】传入 occ_search 的 geometry 参数，limit 参数设置为 0 以只获得数据量，hasCoordinate 参数设置为 TRUE以只统计有坐标信息的记录。
```
a <- occ_search(limit = 0, hasCoordinate = TRUE, geometry = wkt_for_rgbif)
```
因为参数【geometry】接受了多值输入，向量型的多值输入发起了多次独立请求，所以结果是一个长度为 wkt_for_rgbif 的列表。
前文提到了 wkt_for_rgbif 是向量型的多值输入，会发起多次独立请求，进而生成了结果列表。既然提到了多值输入，还有不会发起多次独立请求的字符串型的多值输入。那么将 wkt_for_rgbif 转换为字符串型再传递给参数【geometry】时会发生什么呢？
```
b <- occ_search(limit = 0, hasCoordinate = TRUE, geometry = paste(wkt_for_rgbif, collapse = ";"))
```
不同类型的多值输入生成的结果数量相同吗？
```
sum_a <- 0
for (i in a){sum_a <- sum_a + i$meta$count}
sum_a
```
```
[1] 6819489
```
```
b$meta$count == sum_a
```
```
[1] TRUE
```
意料之中，数量相同。
实践出真知，直接用长WKT字符串变量【wkt】又如何呢？
```
c <- occ_search(limit = 0, hasCoordinate = TRUE, geometry = wkt)
```
6819489，没有问题！

2. 查找的实际数据的比对

在上面对数据量比对中，我通过参数【limit】设置为0，只获取数据量。

但回头一想， occ_search 单次请求的返回数据量最多为 100000，正是通过参数【limit】实现控制的。前文得知查找到的数据量为 6819489，远超过了单次请求返回数量的上限，假设不考虑拿到所有的 6819489 条数据，只按照参数【limit】默认的 500 条数据来操作，那么使用不同长度的WKT字符串拿到的结果会一样吗？

将变量【wkt_for_rgbif】传入 occ_search 的 geometry 参数，limit 参数设置为 50，hasCoordinate 参数设置为 TRUE以只统计有坐标信息的记录。
```
d <- occ_search(limit = 50, hasCoordinate = TRUE, geometry = wkt_for_rgbif)
```
对于返回的结果，我要查看它的数量：
```
sum_d <- c()
for (i in d){sum_d <- append(sum_d, nrow(i$data))}
sum_d <- sum(sum_d)
```
```
[1] 768
```
以及数据内容：
```
sum_d_data <- d$geom1$data
for (i in d){sum_d_data <- full_join(sum_d_data, i$data)}
```
说明参数【limit】限制每次独立请求的返回数量上限为 50。
将 wkt_for_rgbif 转换为字符串型再传递给参数【geometry】，limit 参数设置为 50，hasCoordinate 参数设置为 TRUE以只统计有坐标信息的记录。
```
e <- occ_search(limit = 50, hasCoordinate = TRUE, geometry = paste(wkt_for_rgbif, collapse = ";"))
e$data
```
只会返回 50 条数据。
将长WKT字符串变量【wkt】传入 occ_search 的 geometry 参数，limit 参数设置为 50，hasCoordinate 参数设置为 TRUE以只统计有坐标信息的记录。
```
f <- occ_search(limit = 50, hasCoordinate = TRUE, geometry = wkt)
f$data
```
这种方式的结果和上一步的结果完全相同。