用Python进行栅格数据的分区统计和批量提取

时间:2022-09-16 18:41:39

有时候我们会有这样的想法,就是针对某个区域的栅格数据,要提取它的平均值或者其他统计指标,比如在一个省内提取多年的降雨数据,最后分区域地计算一些统计值,或者从多个栅格数据中提取某个区域的数值形成一个序列。为了方便,画一个示意图看看,比如就像提取这个区域中的某一个市的区域,然后形成一个序列数据,这就可以使用rasterstats库了,此外的分区统计也可以用这个库

这个实验使用的数据格式分别是栅格(*.tif)和矢量(.shp),之后的分区统计操作和栅格数据的提取都是源于这两类数据。为了能使用上这个rasterstats库,选择了在google colab平台运行脚本,因为安装库实在是太方便了,在win上老是安装不上的,在google notebook立马就搞定了,而且可以把数据存储到谷歌云盘,直接在notebook中就是可以链接使用的

用Python进行栅格数据的分区统计和批量提取

那么现在就开始做测试,使用的数据就是左侧的栅格和矢量数据集
导入相关的模块

?
1
2
3
4
5
6
7
8
9
10
11
12
13
import geopandas as gpd
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import rasterio
import rasterstats
from rasterio.plot import show
# show()方法用来展示栅格图形
from rasterio.plot import show_hist
# 用来展示直方图
import cartopy.crs as ccrs
import cartopy.feature as cfeature
from cartopy.mpl.ticker import longitudeformatter, latitudeformatter

使用geopandas和rasterio分别读取矢量和栅格数据

?
1
2
3
4
5
# 使用geopandas读取矢量数据
districts = gpd.read_file('/content/drive/mydrive/datashpraster/data/districts/districts.shp')
 
# 使用rasterio读取栅格数据,栅格数据和矢量数据的坐标投影需要一致
raster = rasterio.open('/content/drive/mydrive/datashpraster/data/rainfall data rasters/2020-4-1.tif')
?
1
2
3
4
5
6
7
8
9
10
11
12
# 把矢量数据和栅格数据绘制到一个axis上,这个axis不是坐标轴,而是图形
plt.rcparams['font.family'] = 'times new roman'
plt.rcparams['font.size'] = 20
 
fig, (ax1,ax2) = plt.subplots(1,2,figsize=(15,6))
 
show(raster, ax=ax1,title='rainfall')
# 读取进来的矢量数据可以直接调用gpd的plot()方法绘制
districts.plot(ax=ax1, facecolor='none', edgecolor='red')
show_hist(raster,ax=ax2,title='hist')
 
plt.show()

先绘制一下结果看看

用Python进行栅格数据的分区统计和批量提取

读取栅格数据:

?
1
2
3
4
# 提取雨量栅格值到numpy数组
# 遵循gdal规则从第一波段读取
rainfall_data = raster.read(1)
rainfall_data

用Python进行栅格数据的分区统计和批量提取

开始分区统计:

?
1
2
3
4
5
6
7
8
9
# 设置坐标变换信息
affine = raster.transform
 
# 准备开始进行空间分区计算
# 第一个参数是矢量分区,第二个是栅格,第三个是坐标变换信息,第四个是统计均值
avg_rallrain = rasterstats.zonal_stats(districts,rainfall_data,affine=affine,stats=['mean'],geojson_out=true)
# avg_rallrain
 
# 除了统计平均值之外,还有最大最小值那些

绘制一下,只是一个简单的图形而已

用Python进行栅格数据的分区统计和批量提取

当然第二部分更有意思,就是从多个分散的栅格数据中提取数据形成一个序列

,就是这些tif数据

用Python进行栅格数据的分区统计和批量提取

loop这些栅格数据集:

用Python进行栅格数据的分区统计和批量提取

获得提取到的结果,没错,就是这么一个序列数据,然后就是绘图了

用Python进行栅格数据的分区统计和批量提取

转换数据格式

?
1
2
3
4
5
6
7
# 将date列转为时间型
data['date'] = pd.to_datetime(data['date'], infer_datetime_format=true)
 
# print(data)
 
data['date'] = data['date'].dt.date
print(data)

用Python进行栅格数据的分区统计和批量提取

绘图结果就是简单的图形而已

?
1
2
3
4
5
6
7
8
9
10
# 准备绘制图形
fig,(ax1,ax2)= plt.subplots(2,1,figsize=(18,6))
plt.rcparams['font.size'] = 15
 
data.plot(x='date', y='average_rf_porto', ax=ax1, kind='bar', title='avg_rail_porto')
data.plot(x='date', y='average_rf_faro', ax=ax2, kind='bar', title='avg_rail_faro',color='red')
 
#自动调整图形的分布
plt.tight_layout()
plt.show()

用Python进行栅格数据的分区统计和批量提取

结果就这样一个序列图,目的就是从栅格提取指定的研究区,然后提取栅格的值,再来绘图

虽然感觉不是那么花里胡哨的图,但这个应该还是比较实用的,特别是大批量提取栅格值的时候。由于在google colab里面操作的步骤比较多,中间可能有省略的地方,但重要的应该都在文中了,当然也可以迁移运用到其他地方,也可以查看一下这个第三方库的教程,比如read(1)是什么意思,官网的docs就写得有,实在是很方便的

以上就是用python进行栅格数据的分区统计和批量提取的详细内容,更多关于python 栅格数据的分区统计和批量提取 的资料请关注服务器之家其它相关文章!

原文链接:https://mp.weixin.qq.com/s/_iw7XTEp7EfmsIIPerM7QQ