有時候我們會有這樣的想法，就是針對某個區域的柵格數據，要提取它的平均值或者其他統計指標，比如在一個省內提取多年的降雨數據，最后分區域地計算一些統計值，或者從多個柵格數據中提取某個區域的數值形成一個序列。為了方便，畫一個示意圖看看，比如就像提取這個區域中的某一個市的區域，然后形成一個序列數據，這就可以使用rasterstats庫了，此外的分區統計也可以用這個庫
這個實驗使用的數據格式分別是柵格(*.tif)和矢量(.shp)，之后的分區統計操作和柵格數據的提取都是源于這兩類數據。為了能使用上這個rasterstats庫，選擇了在google colab平臺運行腳本，因為安裝庫實在是太方便了，在win上老是安裝不上的，在google notebook立馬就搞定了，而且可以把數據存儲到谷歌云盤，直接在notebook中就是可以鏈接使用的
那么現在就開始做測試，使用的數據就是左側的柵格和矢量數據集
導入相關的模塊
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()方法用來展示柵格圖形
from rasterio.plot import show_hist
# 用來展示直方圖
import cartopy.crs as ccrs
import cartopy.feature as cfeature
from cartopy.mpl.ticker import LongitudeFormatter, LatitudeFormatter
使用geopandas和rasterio分別讀取矢量和柵格數據
# 使用geopandas讀取矢量數據
districts = gpd.read_file('/content/drive/MyDrive/Datashpraster/Data/Districts/districts.shp')
# 使用rasterio讀取柵格數據，柵格數據和矢量數據的坐標投影需要一致
raster = rasterio.open('/content/drive/MyDrive/Datashpraster/Data/Rainfall Data Rasters/2020-4-1.tif')
# 把矢量數據和柵格數據繪制到一個axis上，這個axis不是坐標軸，而是圖形
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')
# 讀取進來的矢量數據可以直接調用gpd的plot()方法繪制
districts.plot(ax=ax1, facecolor='None', edgecolor='red')
show_hist(raster,ax=ax2,title='hist')
plt.show()
先繪制一下結果看看
讀取柵格數據：
# 提取雨量柵格值到numpy數組
# 遵循GDAL規則從第一波段讀取
rainfall_data = raster.read(1)
rainfall_data
開始分區統計：
# 設置坐標變換信息
affine = raster.transform
# 準備開始進行空間分區計算
# 第一個參數是矢量分區，第二個是柵格，第三個是坐標變換信息，第四個是統計均值
avg_rallrain = rasterstats.zonal_stats(districts,rainfall_data,affine=affine,stats=['mean'],geojson_out=True)
# avg_rallrain
# 除了統計平均值之外，還有最大最小值那些
繪制一下，只是一個簡單的圖形而已
當然第二部分更有意思，就是從多個分散的柵格數據中提取數據形成一個序列
，就是這些tif數據
loop這些柵格數據集：
獲得提取到的結果，沒錯，就是這么一個序列數據，然后就是繪圖了
轉換數據格式
# 將Date列轉為時間型
data['Date'] = pd.to_datetime(data['Date'], infer_datetime_format=True)
# print(data)
data['Date'] = data['Date'].dt.date
print(data)
繪圖結果就是簡單的圖形而已
# 準備繪制圖形
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')
#自動調整圖形的分布
plt.tight_layout()
plt.show()
結果就這樣一個序列圖，目的就是從柵格提取指定的研究區，然后提取柵格的值，再來繪圖
雖然感覺不是那么花里胡哨的圖，但這個應該還是比較實用的，特別是大批量提取柵格值的時候。由于在google colab里面操作的步驟比較多，中間可能有省略的地方，但重要的應該都在文中了，當然也可以遷移運用到其他地方，也可以查看一下這個第三方庫的教程，比如read(1)是什么意思，官網的docs就寫得有，實在是很方便的
以上就是用Python進行柵格數據的分區統計和批量提取的詳細內容，更多關于Python 柵格數據的分區統計和批量提取 的資料請關注腳本之家其它相關文章！
您可能感興趣的文章:- 在Python中用GDAL實現矢量對柵格的切割實例
- python獲取柵格點和面值的實現
- python 矢量數據轉柵格數據代碼實例
- 關于Python 的簡單柵格圖像邊界提取方法
- Python疊加兩幅柵格圖像的實現方法
