H3分辨率6单元格跨时区多边形重复问题咨询

背景 #

我正在生成一份H3分辨率6单元格到时区的映射数据集，目的是通过H3到H3的关联操作，替代地理空间关联（比如contains），来更快地为地理空间/时间数据集生成本地日期时间条目。我使用Apache Spark和Sedona完成这项工作，数据集采用的是timezones-with-oceans-now.geojson。

问题现象 #

目前生成的数据集里，有超过4万个H3分辨率6单元格存在重复映射——每个重复单元格都对应两个时区，没有单元格同时映射到三个时区的情况。重复情况的统计结果如下：

实现代码 #

我的Spark处理代码如下：

import pyspark.sql.functions as sql_functions
from sedona.spark.sql import st_functions as stf

timezones = (
    sedona.read.format("geojson")
    .load("s3a://my_bucket/timezones/*.json")
    .option("multiline", "true")
    .selectExpr("explode(features) as features")
    .select("features.*")
    .withColumn("timezone_id", sql_functions.expr("properties['tzid']"))
    .drop("properties", "type")
    .repartition(200)
    .select(
        "timezone_id",
        sql_functions.explode(stf.ST_H3CellIDs("geometry", 6, False)).alias("h3_res6")
    )
)

查看重复的查询代码：

(
    timezones
    .groupBy("h3_res6")
    .agg(
        sql_functions.collect_set("timezone_id").alias("timezone_ids"), 
        sql_functions.count("*").alias("count")
    )
    .filter(sql_functions.col("count") > 1)
    .groupBy("timezone_ids")
    .agg(
        sql_functions.array_size(
            sql_functions.collect_set("h3_res6")
        ).alias("num_h3_res6")
    )
    .orderBy(sql_functions.col("num_h3_res6").desc())
    .show(25, truncate=False)
)

疑问与求助 #

我原本以为设置fullCover=False时，会用H3单元格的质心来判断其所属的时区多边形。如果这个理解是对的，那意味着有超过4万个H3分辨率6单元格的质心恰好落在两个时区的边界线上——这看起来不太合理。我也猜测过是不是有些时区存在重叠的多边形，但觉得这种可能性不大。

想问：有没有人遇到过这种情况？这是常见/已知的问题吗？如果是，最佳的处理方式是什么？我目前想到可以为每个H3单元格取最小的timezone_id来确定性去重，但这种方式感觉很随意。

内容的提问来源于stack exchange，提问作者CopyOfA