无法使用Matplotlib / Cartopy / Python检索高缩放级别（即缩小）的地图图块

Question

我正在使用Python和Cartopy创建地图应用程序，并尝试使用开放源地图图块作为背景，以具有比默认Cartopy地图更多的选项。

它非常适合放大得相当近的地图，但是当我尝试从更高的高度获取视图时，出现了一些故障。如果将缩放比例设置为11，则可以使用。如果将其设置为12，它将无限期挂起并且不提供任何追溯。

OSM和雄蕊地图服务器的结果相同。

这是一个简短的独立示例（请注意，一两行可能是我尝试过的各种方式的产物）

Dim YourRange As Range
'Whatever you're using to obtain a reference to it.

'...

Dim row As Long
For row = 13 To YourRange.Rows.Count
    YourRange.Rows(row).AutoFit
    If YourRange.Rows(row).RowHeight > 50 Then
        YourRange.Rows(row).RowHeight = 50
    End If
Next

结果，缩放= 7：

但是如果我将zoom更改为14，则无论我允许运行多长时间，该程序都不会完成。

传递给cimgt.OSM（）的url参数是可选的。有或没有它我都会得到相同的结果。 （请参阅：https://scitools.org.uk/cartopy/docs/v0.16/cartopy/io/img_tiles.html#cartopy.io.img_tiles.OSM）

我在这里错过了什么吗？任何帮助将不胜感激，谢谢。

Answer 1

"zoom" levels are based on a Quadtree。从本质上讲，提高“缩放”分辨率会使图块数量增加四倍。

所以：

zoom level 0: 4^0 = 1 tile(s) to cover the globe
zoom level 1: 4^1 = 4 tile(s) to cover the globe
...
zoom level 7: 4^7 = 16,384 tile(s) to cover the globe
...
zoom level 14: 4^14 = 268,435,456 tile(s) to cover the globe

因此，如果您要求在大范围内以高缩放级别使用图块，则最终可能会请求很多图块。

在Tiler对象上有一个有用的但未记录的方法，名为find_images。它的实现不太繁琐：
https://github.com/SciTools/cartopy/blob/v0.16.0/lib/cartopy/io/img_tiles.py#L103-L122。

使用此方法，我们实际上可以看到用于给定范围的图块。重要的是，该范围需要在tiler（几乎是Web Mercator）的坐标系中提供。

In [1]: import cartopy.io.img_tiles as cimgt

In [2]: import shapely.geometry as sgeom

In [3]: import cartopy.crs as ccrs

In [4]: tiler = cimgt.OSM()

In [5]: pt = 45.068466, -66.45477

In [6]: target = sgeom.box(pt[0] - 1.5, pt[1] - 1.5, pt[0] + 1.5, pt[1] + 1.5)

In [7]: target_mercator = tiler.crs.project_geometry(target, ccrs.Geodetic()).geoms[0]

因此，有了所有的片段，我们就可以开始找出在特定的缩放级别上需要绘制哪些图块：

对于您要指定的目标，缩放级别为0，我们需要以下图块(x, y, z)：

In [8]: list(tiler.find_images(target_mercator, 0))
Out[8]: [(0, 0, 0)]

对于z = 1，它仍然只是一个图块：

In [9]: list(tiler.find_images(target_mercator, 1))
Out[9]: [(1, 1, 1)]

但是对于z = 2，我们显然跨越了图块边界，因为我们现在需要两个图块来覆盖目标域：

In [10]: list(tiler.find_images(target_mercator, 2))
Out[10]: [(2, 2, 2), (2, 3, 2)]

Naturally, the list grows as we increase the zoom level:

In [11]: list(tiler.find_images(target_mercator, 3))
Out[11]: [(4, 5, 3), (5, 5, 3), (4, 6, 3), (5, 6, 3)]

In [12]: list(tiler.find_images(target_mercator, 6))
Out[12]: [(39, 47, 6), (40, 47, 6), (39, 48, 6), (40, 48, 6)]

当我们达到z = 7时，我们发现需要8个图块来表示相关区域：

In [13]: list(tiler.find_images(target_mercator, 7))
Out[13]: 
[(79, 94, 7),
 (79, 95, 7),
 (80, 94, 7),
 (80, 95, 7),
 (79, 96, 7),
 (79, 97, 7),
 (80, 96, 7),
 (80, 97, 7)]

我确定您可以看到前进的方向，但是让我们尝试使用14的缩放级别来找出我们需要多少个图块。为了节省电力和阅读时间，我们只需打印该列表的长度即可。

In [14]: len(list(tiler.find_images(target_mercator, 14)))
Out[14]: 47334

对，因此，要以所需的程度请求缩放级别14，将需要您以256x256（8位色图PNG）下载〜47,000个图块。 z = 0的图块（https://a.tile.openstreetmap.org/0/0/0.png）压缩后约为8882字节，因此，假设这是典型的情况，您最终将下载〜420420588字节（400MB）。为了将这些数据保存在内存中，您还需要约2.9GB的RAM。最后，要将这些数据重新投影到PlateCarree，您至少需要使此RAM数量增加一倍，这是假定高效的重新投影实现（不是cartopy的实现）。

希望这可以告诉您为什么您的代码似乎要花很长时间-您要让它完成很多工作。有人讨论过当请求过多数量的图块时，是否应警告Cartopy，但总会归结为一个不合理的数字（您可能实际上想要来获取那么多图块！ ）。我们还讨论了自动缩放级别选择-如果有足够的需求，这就是really feasible。

HTH