用Python进行栅格数据的分区统计和批量提取-巨人网络通讯

用Python进行栅格数据的分区统计和批量提取

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

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

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

# 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')

# 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

读取栅格数据：

# 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

开始分区统计：

# 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

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

loop这些栅格数据集：

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

转换数据格式

# 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)

绘图结果就是简单的图形而已

# 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()

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脚本之家其它相关文章！

您可能感兴趣的文章: