Question

我在使用NumPy进行地理空间计算的所有固定库中都变得越来越好。

采用shapefile（其范围是整个地球）的最简单方式是什么，并从中构造一个稀疏矩阵，表示具有指定分辨率的纬度 - 经度网格，矩阵在shapefile的多边形内的所有网格点上的条目1，在其他地方的0？

我知道如何使用GeoPandas或Fiona读取shapefile;我被卡住的地方是＆＃34;转换为稀疏矩阵＆＃34;部分。＆＃34;光栅化＆＃34;似乎需要另一个螺栓固定，而不是让我控制网格分辨率，并且不能吐出除TIFF之外的任何东西，这不是很有用。

Answer 1

这是一种方法：

创建空稀疏矩阵
编写一个函数，将随机点发送给＆＃34; small＆＃34;积分
对于每个多边形，均匀地对边界框中的所有点进行采样。对于落入Polygon的每个点，应用上面的函数来获得标准key并使用键和值1更新稀疏矩阵。

我不确定它是否属于直截了当的类别，但可以使用osgeo和scipy在python中完成。当然，如果你有大的多边形，采样将非常慢，但由于你使用的是稀疏矩阵，我认为这不是问题。您可以调整分辨率并使用osgeo中的投影。

from itertools import product
from scipy.sparse import dok_matrix
import numpy as np

# https://pcjericks.github.io/py-gdalogr-cookbook
from osgeo import ogr

# DATA:
# http://www.naturalearthdata.com/downloads/110m-cultural-vectors/

SHP_FNAME = 'ne_110m_admin_0_countries.shp'

driver = ogr.GetDriverByName('ESRI Shapefile')
data = driver.Open(SHP_FNAME, 0)
layer = data.GetLayer()

XDIAM = 360.0
YDIAM = 180.0
XRES = YRES = 10 ** 2
dX = XDIAM / XRES
dY = YDIAM / YRES

def to_key(pt):
    x, y = pt
    x -= x % dX - XDIAM / 2
    y -= y % dY - YDIAM / 2
    return (x / dX, y / dY)

def geom_to_keys(g):
    xmin, xmax, ymin, ymax = g.GetEnvelope()
    print xmax, ymax, xmin, ymin
    xs = np.linspace(xmin, xmax, (xmax - xmin) / dX)
    ys = np.linspace(ymin, ymax, (ymax - ymin) / dY)
    for x, y in product(xs, ys):
        point = ogr.Geometry(ogr.wkbPoint)
        point.AddPoint(x, y)
        if g.Contains(point):
            yield to_key((x, y))

smatrix = dok_matrix((XRES + 1, YRES + 1), np.int8)

one = np.int8(1)

for feature in layer:
    geom = feature.GetGeometryRef()
    if geom.Area() > 1000:
        continue
        # sampling is slow for large polygons

    for key in geom_to_keys(geom):
        smatrix.update({
            key : one,
            })

if XRES * YRES < 10 ** 6 + 1:
    from matplotlib import pyplot as plt
    plt.pcolor(smatrix.toarray().transpose())
    plt.show()

这是一张照片;我省略了几个大国来加快速度。

you can try it here

Shapefile以2D网格为稀疏矩阵

1 个答案: