Question

我在地图上有一个点网格，我想检测哪个点位于陆地或海洋中。我试图用3种方式做到这一点但不满意。

使用maskoceans，一个简单的例子是：

from mpl_toolkits.basemap import maskoceans
import numpy
# my grid is given by lons and lats 1D arrays.
Array = numpy.ma.zeros((lats.size,lons,size))
Lons,Lats = numpy.meshgrid(lons,lats)
MaskedArray = maskoceans(Lons,Lats,Array,resolution='f',grid=1.25)

现在我MaskedArray屏蔽了海洋上的位置。与其他方法相比，此方法真正快，但在海岸附近不准确小规模。在下图中，红点被识别为陆地，黑点被识别为海洋。如你所见，即使我使用了resolution='f'（完全重新洗脱）和最小的蒙版网格（grid=1.25），海洋中的红点也被标记为红色的土地。似乎f maskoceans分辨率与f分辨率Basemap的顺序不同。

Image of points detected with maskoceans

使用basemap.is_land()。例如：

# Create a basemap object, this takes a while!
MinLat = numpy.min(lats) - 0.01
MinLon = numpy.min(lons) - 0.01
MaxLat = numpy.max(lats) + 0.01
MaxLon = numpy.max(lons) + 0.01
MidLat = numpy.mean(lats)
MidLon = numpy.mean(lons)
from mpl_tookits.basemap import Basemap
map = Basemap(projection='aeqd',llcrnrlat=MinLat,llcrnrlon=MinLon,urcrnrlat=MaxLat,urcrnrlon=MaxLon,area_thresh=0.01,lon_0=MidLon,lat_0=MidLat,resolution='f')
Array = numpy.zeros((lats.size,lons.size),dtype=bool)
for j in range(lats.size):
    for i in range(lons.size):
        x,y = map(lon[i],lat[j])
        if map.is_land(x,y):
            Array[j,i] = True

这是最准确的方法。如下图所示，可以正确检测所有点。 is_land()的一大问题是非常慢。对于大网格，这种方法需要几分钟（非常大的网格需要一小时），maskoceans需要不到一秒钟。

Image of points detected with Basemap.is_land

使用Polygon.contains_point。查看示例here。这对我不起作用，因为海岸线的多边形应该关闭才能使用conians_point。因此，应使用
在整个地球上定义map对象
```
 map = Basemap(projection='aeqd',lon_0=0,resolution='f')
```

如果地图是在lon和lat的窗口上定义的，则海岸线多边形不会关闭。但是使用全分辨率加载完整的地图需要很长的时间和内存，甚至可以检测到一个点。

是否有另一种方法可以识别给定网格上的陆地/海洋点？如果修正了解决问题，则更愿意使用maskoceans。可以将maskoceans()的分辨率提高到Basemap？

需要检测地图的陆地/海洋点，其准确度高于掩模扫描（网格= 1.25，分辨率='f'）

0 个答案: