电子政务网站建设的特点,北京有名气的设计事务所,asp作业做购物网站代码,WordPress插件框架在地理数据处理中#xff0c;矢量裁剪栅格是一个非常重要的操作#xff0c;它可以帮助我们提取感兴趣的区域并获得更精确的分析结果。其重要性包括#xff1a;
区域限定#xff1a;地球科学研究通常需要关注特定的地理区域。通过矢量裁剪栅格#xff0c;我们可以将栅格数…在地理数据处理中矢量裁剪栅格是一个非常重要的操作它可以帮助我们提取感兴趣的区域并获得更精确的分析结果。其重要性包括
区域限定地球科学研究通常需要关注特定的地理区域。通过矢量裁剪栅格我们可以将栅格数据限定在特定的研究区域内去除不相关的数据从而减少计算量和提高分析效率。空间一致性栅格数据通常具有均匀的空间分辨率但我们可能只对特定区域感兴趣。通过矢量裁剪栅格我们可以将栅格数据限定在感兴趣的区域内确保分析结果在这个区域内具有更高的精度和一致性。数据匹配在地球科学研究中我们通常需要将不同来源的数据进行比较和分析。通过矢量裁剪栅格我们可以将不同数据源的栅格数据裁剪为相同的区域使它们具有相同的空间范围和分辨率从而方便进行数据匹配和比较。空间分析地球科学研究中常常需要进行各种空间分析如土地利用变化、水文模拟、地质建模等。通过矢量裁剪栅格我们可以将栅格数据限定在特定区域内以便更准确地进行空间分析并获得与实际情况更符合的结果。
简单来说制作数据的人要尽可能的考虑到多个用户的需求所以往往数据的范围比较大比如全国范围、全球范围但是使用数据的人往往有自己聚焦的研究区所以其 “研究区” 更明确。所以在进行科研或者实际工作时我们一般会裁剪出自己的目标区域数据减少数据量也方便分析和挖掘数据。 假设你获取到了全中国多年的气温栅格数据而你的研究区是北京市老板让你求北京市的平均温度序列后续还要用北京市的数据进行其他分析。这时候我们第一步自然是先把我们需要的数据裁剪出来既方便处理也方便出图。
裁剪栅格数据一般有两种情况
依据范围裁剪有大概的范围比如有研究区的经纬度范围需要根据相应的经纬度范围来进行裁剪基于矢量数据裁剪有研究区的矢量数据那么我们可以使用矢量数据来进行裁剪 可能用到的包
import rasterio as rio
from rasterio.plot import show
from rasterio.windows import Window
from rasterio.transform import from_origin
import geopandas as gpd
from rasterio.mask import mask
读取栅格数据并简单可视化
dataset rio.open(/home/mw/input/GeoPy17233/GeoPy1/temp_grid_84/tem2015_84.tif)
show(dataset)
我们读取的数据是整个中国范围的可以通过下面的代码查看数据的范围
dataset.bounds BoundingBox(left65.45935893761649, bottom13.120243022441713, right137.45935893761649, top56.01024302244171) 依据经纬度范围裁剪
假设我们的研究区是湖南省借助搜索引擎发现其经纬度范围为东经 108.786106 ~ 114.256514北纬 24.643089 ~ 30.1287。
我们用下面的代码对上面的数据进行裁剪并且保存
# 定义经纬度范围,湖南省范围
min_lon 108
max_lon 115
min_lat 24
max_lat 31# 打开栅格数据
with rio.open(/home/mw/input/GeoPy17233/GeoPy1/temp_grid_84/tem2015_84.tif) as src:# 获取栅格数据的元数据和变换信息profile src.profiletransform src.transform# 计算裁剪后的栅格数据的行列范围col_start, row_start ~transform * \(min_lon, max_lat) # ~transform表示坐标转换的操作符号col_end, row_end ~transform * (max_lon, min_lat)# 计算裁剪后的栅格数据的宽度和高度width int(col_end - col_start)height int(row_end - row_start)# 创建裁剪后的栅格数据数组cropped_data src.read(windowWindow(col_start, row_start, width, height))# 更新元数据profile.update(widthwidth, heightheight, transformfrom_origin(min_lon, max_lat, profile[transform][0], -profile[transform][4]))# 创建新的栅格数据文件并写入裁剪后的数据with rio.open(/home/mw/temp/tem2015_84_hunan.tif, w, **profile) as dst:dst.write(cropped_data)# 可视化裁剪后的数据
dataset rio.open(/home/mw/temp/tem2015_84_hunan.tif)
show(dataset) 从上面结果可以看出我们已经成功裁剪出了我们需要范围的数据。
# 定义经纬度范围,湖南省范围
min_lon 108
max_lon 115
min_lat 24
max_lat 31# 打开栅格数据
with rio.open(/home/mw/input/GeoPy17233/GeoPy1/temp_grid_84/tem2015_84.tif) as src:# 获取栅格数据的元数据和变换信息profile src.profiletransform src.transform# 计算裁剪后的栅格数据的行列范围col_start, row_start ~transform * \(min_lon, max_lat) # ~transform表示坐标转换的操作符号col_end, row_end ~transform * (max_lon, min_lat)# 计算裁剪后的栅格数据的宽度和高度width int(col_end - col_start)height int(row_end - row_start)# 创建裁剪后的栅格数据数组cropped_data src.read(windowWindow(col_start, row_start, width, height))# 更新元数据profile.update(widthwidth,heightheight,transformfrom_origin(min_lon,max_lat,profile[transform][0],profile[transform][4])) # 提示仔细观察这一行~# 创建新的栅格数据文件并写入裁剪后的数据with rio.open(/home/mw/temp/tem2015_84_hunan_wrong.tif, w, **profile) as dst:dst.write(cropped_data)# 可视化裁剪后的数据
dataset rio.open(/home/mw/temp/tem2015_84_hunan_wrong.tif)
show(dataset)用矢量数据来裁剪
下面我们再来学习如何用矢量文件来进行裁剪。
以北京市为例
# 打开栅格数据
with rio.open(/home/mw/input/GeoPy17233/GeoPy1/temp_grid_84/tem2015_84.tif) as src:# 打开矢量文件beijing gpd.read_file(/home/mw/input/GeoPy17233/GeoPy1/beijing.shp)# 对栅格数据进行矢量裁剪clipped_data, clipped_transform mask(src, beijing.geometry, cropTrue)# 获取裁剪后的元数据clipped_profile src.profileclipped_profile.update(transformclipped_transform,widthclipped_data.shape[2],heightclipped_data.shape[1])# 创建新的栅格数据文件并写入裁剪后的数据with rio.open(/home/mw/temp/tem2015_84_beijing.tif, w, **clipped_profile) as dst:dst.write(clipped_data)# 可视化结果
dataset rio.open(/home/mw/temp/tem2015_84_beijing.tif)
show(dataset) 可以看出我们已经成功的用北京市的矢量裁剪出了我们想要的结果。
