Aislo/B04_PreProcess/B04_PreProcess_Engine_Watershed_Descent.py

"""등고선 기반 흐름 방향 — 높은 등고 라인에서 낮은 등고 라인으로 내려가며 방향을 세운다.

기존 방식(등고선 → TIN 보간 → 지표면 기울기 → D8)은 보간면이 만든 가짜 웅덩이와 평탄
삼각형 때문에 흐름이 중간에서 끊겼다. 실데이터에서 채움·평탄해소를 거치고도 싱크가 수천 개
남았고, 그 싱크 하나가 상류 유역 전체를 통째로 삼켰다.

여기서는 **보간면을 거치지 않는다.** 등고선을 격자에 직접 굽고, 셀마다 "내가 속한 등고
라인보다 한 단 낮은 등고 라인"이 어디인지를 찾아 그쪽으로 방향을 준다(2026-07-31 사용자 지시).

  ① 등고선을 격자에 굽는다 — 셀이 어느 표고의 라인 위인지 기록
  ② 셀마다 가장 가까운 등고 라인을 찾아 그 표고를 '밴드'로 삼는다
  ③ 표고가 높은 밴드부터 내려오며, 각 밴드에서 **한 단 낮은 등고 라인까지의 거리**를 잰다
  ④ 위치에너지 = 밴드 순위 × 큰 수 + 그 거리
  ⑤ 수신 셀 = 위치에너지가 더 낮은 8이웃 중 화살표 방향에 가장 가까운 셀

④의 위치에너지는 흐름을 따라 반드시 감소한다. 그래서 **순환도 웅덩이도 원리적으로 생기지
않는다** — 채움이나 평탄면 해소가 아예 필요 없다.

⑤ 덕분에 화면 화살표(32방위)와 실제 추적 경로가 항상 같은 방향을 가리킨다. 예전에는
화살표는 기울기, 추적은 D8이라 서로 어긋나 눈으로 검증할 수가 없었다.
"""

from __future__ import annotations

import logging
import time
import math
from dataclasses import dataclass
from typing import Any

import numpy as np
from rasterio.features import rasterize
from scipy.ndimage import distance_transform_edt
from shapely.geometry import shape

from B04_PreProcess.B04_PreProcess_Engine_Watershed_Grid import (
    AZIMUTH_INVALID,
    AZIMUTH_SINK,
    AZIMUTH_STEPS,
    GridSpec,
    _feature_elevation,
    grid_transform,
    iter_linestrings,
)
from config.config_system import DRAINAGE_CONTOUR_MIN_LENGTH_M

logger = logging.getLogger(__name__)

# 8이웃 (행 증분, 열 증분).
_NEIGHBOURS = (
    (-1, -1),
    (-1, 0),
    (-1, 1),
    (0, -1),
    (0, 1),
    (1, -1),
    (1, 0),
    (1, 1),
)


@dataclass
class ContourDescent:
    """등고선에서 직접 세운 흐름 방향 격자."""

    spec: GridSpec
    band_elevation: np.ndarray  # (R, C) float32 — 셀이 속한 등고 라인 표고, 무효는 NaN
    valid: np.ndarray  # (R, C) bool — 방향을 세운 셀
    receiver: np.ndarray  # (R*C,) int32 — 다음 셀, 최하단 밴드는 자기 자신
    step_length: np.ndarray  # (R*C,) float32
    azimuth: np.ndarray  # (R*C,) int16 — 32방위 코드(32=제자리, 33=무효)
    levels: list[float]  # 사용된 등고 표고(내림차순)


_LINES_CACHE: list[tuple[Any, int, float | None, dict[float, list[Any]]]] = []


def _lines_by_level(
    contour_features: list[dict[str, Any]], elevation_floor_m: float | None
) -> dict[float, list[Any]]:
    """등고선 피처를 표고별 선 묶음으로 푼다 — **격자와 무관**하므로 한 번만 푼다.

    확장 회차마다 다시 부르는데 피처 4,200개를 매번 `shape()` 로 푸는 비용이 그대로
    붙었다. 같은 목록·같은 하한이면 그대로 돌려준다(목록 객체를 함께 들고 있어 id 가
    다른 목록에 재사용되지 않는다).
    """
    for holder, count, floor, cached in _LINES_CACHE:
        if (
            holder is contour_features
            and count == len(contour_features)
            and floor == elevation_floor_m
        ):
            return cached
    by_level: dict[float, list[Any]] = {}
    for feature in contour_features:
        geometry = feature.get("geometry")
        if not geometry:
            continue
        elevation = _feature_elevation(feature.get("properties") or {})
        if elevation is None:
            continue
        if elevation_floor_m is not None and elevation < elevation_floor_m:
            continue
        try:
            parsed = shape(geometry)
        except Exception:  # noqa: BLE001
            continue
        for line in iter_linestrings(parsed):
            if line.length < DRAINAGE_CONTOUR_MIN_LENGTH_M:
                continue
            by_level.setdefault(float(elevation), []).append(line)
    _LINES_CACHE.append((contour_features, len(contour_features), elevation_floor_m, by_level))
    del _LINES_CACHE[:-2]
    return by_level


def rasterize_contours(
    spec: GridSpec,
    contour_features: list[dict[str, Any]],
    elevation_floor_m: float | None = None,
) -> tuple[np.ndarray, list[float]]:
    """등고선을 격자에 굽는다. 셀마다 그 위를 지나는 등고 라인의 표고(없으면 NaN)."""
    by_level = _lines_by_level(contour_features, elevation_floor_m)
    burned = np.full((spec.n_rows, spec.n_cols), np.nan, dtype=np.float32)
    levels = sorted(by_level, reverse=True)
    transform = grid_transform(spec)
    for elevation in levels:
        stamp = rasterize(
            [(line, 1) for line in by_level[elevation]],
            out_shape=(spec.n_rows, spec.n_cols),
            transform=transform,
            fill=0,
            dtype="uint8",
            all_touched=True,
        ).astype(bool)
        # 낮은 표고부터 덮어써야 겹치는 셀이 낮은 라인으로 남는다 — 물은 낮은 쪽으로 간다.
        burned[stamp] = elevation
    logger.info(
        "배수유역: 등고 라인 %d단(%.0f~%.0fm)을 격자에 굽어 %d셀",
        len(levels),
        levels[-1] if levels else 0.0,
        levels[0] if levels else 0.0,
        int(np.isfinite(burned).sum()),
    )
    return burned, levels


# 밴드별 하강거리 EDT 를 **쓸 자리 둘레**에서만 돌리기 위한 값들.
#
# 왜(2026-09-07 실측) — 확장 회차마다 방향장을 다시 만드는데, 그 안의 밴드별 EDT 가
# 격자 전체를 단계마다 훑어 확장 95.8s 중 50.4s 를 썼다. 정작 쓰는 값은 그 단계의
# 밴드 셀뿐이다. 다만 `analyze_domain` 이 `domain` 을 안 넘겨 밴드가 **격자 전역에
# 흩어지므로** 바운딩박스 하나로는 안 좁아진다. 그래서 격자를 타일로 나눠 **셀이 있는
# 타일만** 그 둘레 `margin` 까지 잘라 EDT 를 돌린다.
#
# 창 밖에 더 가까운 등고선이 있을 수 있으면(창 안 최대 거리가 여유에 닿거나 창에 낮은
# 라인이 없으면) **그 타일만** 창을 4배로 넓혀 다시 잰다 — 근사가 아니라 같은 값을 싸게
# 구하는 것. 단계 전체를 격자 전체로 되돌리면 이득이 사라진다(그 방식일 때 폴백 25/91).
#
# 고른 근거(745×1035 격자·166단 중 EDT 도는 91단, 전체격자 방식 5.2s):
#   **타일 128 여유 32 → 2.1s(넓힘 15)**  타일 128 여유 24 → 1.9s(넓힘 52)
#   타일 128 여유 48 → 2.5s(넓힘 7)       타일 256 여유 32 → 2.7s(넓힘 15)
#   타일 512 여유 32 → 4.5s(넓힘 15)
# 여유 24 가 0.2s 빠르지만 넓힘이 52회로 지형에 예민해 32 로 뒀다. 한 단 아래 등고선은
# 주곡선 5m·셀 1m 에서 대개 수십 칸 안이다. 넓힘 횟수는 계측 줄에 찍힌다.
DESCENT_WINDOW_MARGIN_CELLS = 32
DESCENT_TILE_CELLS = 128


def _distance_to_lower(
    members: np.ndarray,
    lower: np.ndarray,
    margin: int | None = None,
    tile: int | None = None,
) -> tuple[np.ndarray, np.ndarray, np.ndarray, int]:
    """`members` 셀에서 한 단 낮은 등고 라인까지의 거리와 목표 셀(**전체 격자 좌표**).

    네 번째 값은 창을 넓혀 다시 잰 타일 수다(0 = 전부 첫 창에서 끝남). 반환 순서는
    `members` 의 행우선 순서 — 호출부가 `distance[members] = ...` 로 그대로 넣는다.
    """
    margin = DESCENT_WINDOW_MARGIN_CELLS if margin is None else margin
    tile = DESCENT_TILE_CELLS if tile is None else tile
    rows, cols = members.shape
    out_distance = np.zeros((rows, cols), dtype=np.float64)
    out_row = np.zeros((rows, cols), dtype=np.int32)
    out_col = np.zeros((rows, cols), dtype=np.int32)
    widened = 0

    for row_start in range(0, rows, tile):
        row_stop = min(rows, row_start + tile)
        for col_start in range(0, cols, tile):
            col_stop = min(cols, col_start + tile)
            tile_members = members[row_start:row_stop, col_start:col_stop]
            if not tile_members.any():
                continue
            # 첫 창에서 안 닿으면 **그 타일만** 창을 넓혀 다시 잰다 — 단계 전체를 격자
            # 전체로 되돌리면 이득이 사라진다(실측 폴백 25/91).
            reach = margin
            attempt = 0
            while True:
                win_row0 = max(0, row_start - reach)
                win_row1 = min(rows, row_stop + reach)
                win_col0 = max(0, col_start - reach)
                win_col1 = min(cols, col_stop + reach)
                whole = win_row0 == 0 and win_col0 == 0 and win_row1 == rows and win_col1 == cols
                window_lower = lower[win_row0:win_row1, win_col0:win_col1]
                if not window_lower.any():
                    if whole:
                        return _full_distance_to_lower(members, lower)
                    reach *= 4
                    attempt += 1
                    widened += 1
                    continue
                step, (step_row, step_col) = distance_transform_edt(
                    ~window_lower, return_indices=True
                )
                in_window = np.zeros(window_lower.shape, dtype=bool)
                in_window[
                    row_start - win_row0 : row_stop - win_row0,
                    col_start - win_col0 : col_stop - win_col0,
                ] = tile_members
                hit_rows, hit_cols = np.nonzero(in_window)
                values = step[hit_rows, hit_cols]
                # 타일 둘레로 `reach` 를 뒀으므로, 거리가 그보다 짧으면 창 밖에 더
                # 가까운 것은 있을 수 없다. 닿으면 창을 넓혀 다시 잰다.
                if not whole and values.size and float(values.max()) >= reach:
                    reach *= 4
                    attempt += 1
                    widened += 1
                    continue
                break
            global_rows = hit_rows + win_row0
            global_cols = hit_cols + win_col0
            out_distance[global_rows, global_cols] = values
            out_row[global_rows, global_cols] = step_row[hit_rows, hit_cols] + win_row0
            out_col[global_rows, global_cols] = step_col[hit_rows, hit_cols] + win_col0

    return out_distance[members], out_row[members], out_col[members], widened


def _full_distance_to_lower(
    members: np.ndarray, lower: np.ndarray
) -> tuple[np.ndarray, np.ndarray, np.ndarray, bool]:
    """격자 전체 EDT — 창으로 못 믿을 때만 쓰는 폴백."""
    step, (step_row, step_col) = distance_transform_edt(~lower, return_indices=True)
    return step[members], step_row[members], step_col[members], True


def build_contour_descent(
    spec: GridSpec,
    contour_features: list[dict[str, Any]],
    domain: np.ndarray | None = None,
    elevation_floor_m: float | None = None,
) -> ContourDescent:
    """등고선만으로 셀별 흐름 방향을 세운다. 보간면을 만들지 않는다."""
    from B03_FileInput.B03_FileInput_Service_Chain import _log_steps

    marks = [("시작", time.perf_counter())]
    rows, cols = spec.n_rows, spec.n_cols
    burned, levels = rasterize_contours(spec, contour_features, elevation_floor_m)
    marks.append(("등고선 굽기(rasterize_contours)", time.perf_counter()))
    empty = ContourDescent(
        spec=spec,
        band_elevation=np.full((rows, cols), np.nan, dtype=np.float32),
        valid=np.zeros((rows, cols), dtype=bool),
        receiver=np.arange(spec.size, dtype=np.int32),
        step_length=np.zeros(spec.size, dtype=np.float32),
        azimuth=np.full(spec.size, AZIMUTH_INVALID, dtype=np.int16),
        levels=levels,
    )
    if len(levels) < 2:
        logger.warning("배수유역: 등고 라인이 2단 미만이라 방향을 세울 수 없습니다.")
        return empty

    on_contour = np.isfinite(burned)
    # ② 셀마다 가장 가까운 등고 라인의 표고 = 그 셀의 밴드.
    _, (near_row, near_col) = distance_transform_edt(~on_contour, return_indices=True)
    band_elevation = burned[near_row, near_col].astype(np.float32)
    marks.append(("밴드 표고(EDT 1회)", time.perf_counter()))
    inside = domain if domain is not None else np.ones((rows, cols), dtype=bool)
    band_elevation = np.where(inside, band_elevation, np.nan)

    # ③④ 높은 밴드부터 내려오며 한 단 낮은 등고 라인까지의 거리와 목표 셀을 구한다.
    distance = np.full((rows, cols), np.inf, dtype=np.float32)
    target_row = np.zeros((rows, cols), dtype=np.int32)
    target_col = np.zeros((rows, cols), dtype=np.int32)
    band_rank = np.full((rows, cols), -1, dtype=np.int32)
    window_widened = 0
    edt_steps = 0
    for rank, elevation in enumerate(levels[:-1]):
        members = inside & (band_elevation == elevation)
        if not members.any():
            continue
        lower = on_contour & (burned < elevation)
        if not lower.any():
            continue
        step_distance, step_row, step_col, widened = _distance_to_lower(members, lower)
        window_widened += widened
        edt_steps += 1
        distance[members] = step_distance.astype(np.float32)
        target_row[members] = step_row
        target_col[members] = step_col
        band_rank[members] = len(levels) - 1 - rank  # 높을수록 큰 값

    # 최하단 밴드는 더 내려갈 등고 라인이 없다. 무효로 빼지 않고 **정지 셀**로 남긴다 —
    # 그래야 그 자리가 도로·세류선이면 적색으로 잡히고, 아니면 물이 고이는 지점으로 보인다.
    marks.append(
        (
            f"밴드별 하강거리(EDT {edt_steps}단 · 창 넓힘 {window_widened}회)",
            time.perf_counter(),
        )
    )
    lowest = inside & (band_elevation == levels[-1]) & (band_rank < 0)
    if lowest.any():
        distance[lowest] = 0.0
        band_rank[lowest] = 0

    valid = band_rank >= 0
    if not valid.any():
        logger.warning("배수유역: 하강 방향을 세운 셀이 없습니다.")
        return empty

    # 밴드가 하나 낮아지면 위치에너지가 반드시 떨어지도록 거리 최대치보다 큰 간격을 준다.
    finite = distance[valid & np.isfinite(distance)]
    span = (float(finite.max()) if finite.size else 1.0) + 2.0
    distance[valid & ~np.isfinite(distance)] = 0.0
    potential = np.where(valid, band_rank.astype(np.float64) * span + distance, np.inf)

    marks.append(("위치에너지 조립", time.perf_counter()))
    receiver, step_length, azimuth = _route_by_potential(
        spec, potential, valid, target_row, target_col
    )
    marks.append(("흐름 경로(_route_by_potential)", time.perf_counter()))
    _log_steps(f"하강 방향장({rows}×{cols})", marks)
    logger.info(
        "배수유역: 등고선 하강 방향 %d셀 (밴드 %d단), 최하단 정지 %d셀",
        int(valid.sum()),
        int(band_rank[valid].max() - band_rank[valid].min() + 1),
        int((azimuth == AZIMUTH_SINK).sum()),
    )
    return ContourDescent(
        spec=spec,
        band_elevation=np.where(valid, band_elevation, np.nan).astype(np.float32),
        valid=valid,
        receiver=receiver,
        step_length=step_length,
        azimuth=azimuth,
        levels=levels,
    )


def _route_by_potential(
    spec: GridSpec,
    potential: np.ndarray,
    valid: np.ndarray,
    target_row: np.ndarray,
    target_col: np.ndarray,
) -> tuple[np.ndarray, np.ndarray, np.ndarray]:
    """위치에너지가 낮은 8이웃 중 **화살표 방향에 가장 가까운** 셀을 수신 셀로 고른다.

    화살표는 "한 단 낮은 등고 라인 쪽"을 가리키는 연속 방위이고, 수신 셀은 그 방위에 가장
    가까운 이웃이다. 그래서 화면 화살표와 실제 추적 경로가 어긋나지 않는다.
    위치에너지가 더 낮은 이웃만 후보로 두므로 순환이 생기지 않는다.
    """
    rows, cols = spec.n_rows, spec.n_cols
    grid_row, grid_col = np.meshgrid(np.arange(rows), np.arange(cols), indexing="ij")
    # 목표(한 단 낮은 등고 라인 위의 셀)를 향하는 연속 방위.
    aim_row = (target_row - grid_row).astype(np.float64)
    aim_col = (target_col - grid_col).astype(np.float64)
    aim_norm = np.hypot(aim_row, aim_col)
    aim_norm[aim_norm == 0.0] = 1.0
    aim_row /= aim_norm
    aim_col /= aim_norm

    padded = np.full((rows + 2, cols + 2), np.inf)
    padded[1:-1, 1:-1] = potential
    flat_index = np.arange(spec.size, dtype=np.int32).reshape(rows, cols)
    padded_index = np.full((rows + 2, cols + 2), -1, dtype=np.int32)
    padded_index[1:-1, 1:-1] = flat_index

    best_score = np.full((rows, cols), -np.inf)
    receiver = flat_index.copy()
    step = np.zeros((rows, cols), dtype=np.float32)
    centre = potential
    for row_shift, col_shift in _NEIGHBOURS:
        neighbour = padded[
            1 + row_shift : 1 + row_shift + rows, 1 + col_shift : 1 + col_shift + cols
        ]
        length = math.hypot(row_shift, col_shift)
        # 방위 일치도(코사인 유사도)가 클수록 좋은 후보다.
        score = (aim_row * row_shift + aim_col * col_shift) / length
        better = valid & np.isfinite(neighbour) & (neighbour < centre) & (score > best_score)
        if not better.any():
            continue
        best_score = np.where(better, score, best_score)
        neighbour_index = padded_index[
            1 + row_shift : 1 + row_shift + rows, 1 + col_shift : 1 + col_shift + cols
        ]
        receiver = np.where(better, neighbour_index, receiver)
        step = np.where(better, np.float32(length * spec.cell_m), step)

    moved = receiver != flat_index
    delta_row = (receiver // cols - flat_index // cols).astype(np.float64)
    delta_col = (receiver % cols - flat_index % cols).astype(np.float64)
    angle = np.arctan2(delta_row, delta_col)
    code = np.rint(angle / (2.0 * math.pi / AZIMUTH_STEPS)).astype(np.int16) % AZIMUTH_STEPS
    azimuth = np.where(moved, code, AZIMUTH_SINK)
    azimuth = np.where(valid, azimuth, AZIMUTH_INVALID)
    return receiver.reshape(-1), step.reshape(-1), azimuth.reshape(-1).astype(np.int16)