如何用Python合并近乎接触的多边形？

核心需求 #

• 消除多边形间距离小于阈值T的间隙
• 严格保留原始多边形的顶点，禁止使用缓冲原始多边形再取并集的方案
• 可借助开源第三方地理空间库实现

可行方案 #

方案一：基于Shapely+GeoPandas的自定义实现 #

通过检测近邻多边形对，构造仅填补间隙的“桥”多边形，再合并原始多边形与桥，既保留原始顶点又消除间隙。

步骤拆解

1. 近邻多边形检测：遍历所有多边形对，计算两两最小距离，筛选出距离小于T的目标对
2. 构造间隙填充桥：找到每对近邻多边形的最近点/边，生成刚好覆盖间隙的桥多边形（不触碰原始多边形的非边缘顶点）
3. 合并多边形与桥：将原始多边形和对应的桥合并，得到无间隙的聚合结果

代码示例

import geopandas as gpd
from shapely.geometry import Polygon, LineString
from shapely.ops import unary_union

def create_gap_bridge(poly1, poly2, threshold):
    # 获取两个多边形的最近点
    proj1 = poly1.exterior.project(poly2.centroid)
    point1 = poly1.exterior.interpolate(proj1)
    proj2 = poly2.exterior.project(poly1.centroid)
    point2 = poly2.exterior.interpolate(proj2)
    
    # 生成连接两点的线，缓冲后得到填充间隙的桥
    connect_line = LineString([point1, point2])
    # 缓冲宽度取阈值的一半，确保刚好覆盖间隙；平端缓冲避免超出原始多边形范围
    bridge = connect_line.buffer(threshold/2, cap_style=3)
    # 裁剪桥，仅保留两个多边形之间的区域
    bridge = bridge.intersection(poly1.union(poly2).buffer(threshold))
    return bridge

# 假设polygons是待处理的Polygon对象列表，T为距离阈值
T = 10
gdf = gpd.GeoDataFrame(geometry=polygons)

# 检测所有距离小于T的多边形对
near_pairs = []
for i in range(len(gdf)):
    for j in range(i+1, len(gdf)):
        if gdf.geometry.iloc[i].distance(gdf.geometry.iloc[j]) < T:
            near_pairs.append((i, j))

# 合并近邻多边形与桥
merged_geometries = []
processed_indices = set()

for i, j in near_pairs:
    if i not in processed_indices and j not in processed_indices:
        poly_a = gdf.geometry.iloc[i]
        poly_b = gdf.geometry.iloc[j]
        gap_bridge = create_gap_bridge(poly_a, poly_b, T)
        merged_poly = unary_union([poly_a, poly_b, gap_bridge])
        merged_geometries.append(merged_poly)
        processed_indices.update([i, j])

# 添加未参与合并的独立多边形
for idx in range(len(gdf)):
    if idx not in processed_indices:
        merged_geometries.append(gdf.geometry.iloc[idx])

# 最终结果GeoDataFrame
final_result = gpd.GeoDataFrame(geometry=merged_geometries)

方案二：利用开源空间聚合库 #

部分开源地理空间库提供了类似ArcGIS聚合的功能，例如：

• PySAL：可通过空间权重矩阵识别近邻多边形，结合自定义聚合逻辑实现间隙填充
• GDAL/OGR：使用OGR的几何处理API，通过近邻检测与几何合并实现需求

这类库的优势是封装了更高效的空间算法，适合处理大规模多边形数据。

关键注意点 #

• 构造桥多边形时，需确保仅填充间隙，避免过度扩展覆盖原始多边形的有效区域
• 处理复杂多边形（如凹多边形）时，需优化最近点/边的检测逻辑，避免生成无效的桥

内容的提问来源于stack exchange，提问作者anttikoo