如何在不重新采样的情况下在自定义地图上绘制海岸线

Question

我想显示卫星图像（最好使用python，但欢迎使用其他解决方案）。它包含一个浮点参数P，其维数为NxM，每个像素由纬度和经度（每个大小为NxM）进行地理定位。所以我想：

（1）创建具有相关色标的参数P的图像。图像不应重新采样，因此它应具有尺寸NxM

（2）在此图像上显示海岸线

目前，我可以（1）使用PIL。我还可以使用底图库来显示图像和海岸线，但我不知道如何在没有重投影的情况下通过保留大小为NxM的图像原生投影来实现它。

编辑：参数P不包含有关海岸线的任何信息。只应使用像素的位置（lat，lon）来覆盖海岸线。例如，可以从gshhs获得海岸线的坐标。 gshhs实际上在底图库中使用。

Answer 1

如果您要做的只是增强陆地和水之间的界限，那么使用高通滤波器可能会更好。

例如，从Lena开始：

并应用高通滤波器：

然后将高通叠加在原始顶部：

（可以找到更多细节和示例here）。

您可以在scipy here中找到过滤器。

Answer 2

对于社区中仍在寻找这个问题答案的人来说，我目前正在实施的方法（对于类似的目的 - 我试图测试卫星数据的地理位置）需要一个landmask。

陆地上有各种各样的土地面具数据集，每个都有不同的规则和特征。我正在使用python中的netCDF4数据，我的landmask是一个网格化的.nc数据集，其中海洋元素的值为1，而陆地元素的值为0。

迭代我的卫星数据，我将每个纬度和经度值乘以landmask中每度数的元素数。就我而言，纬度/经度每度有120个元素，所以

len(lons)/360
len(lats)/180

更通用的写作方式包括用120代替

my_mask = np.zeros(data.shape, dtype=int)

分别。如果使用numpy数组（python netCDF4模块就是这种情况），这两个操作的例子几乎可以瞬间完成。

现在我创建了一个自己的掩码：它必须与数据阵列具有相同的尺寸（对于那些不熟悉卫星的人来说，数据，拉特和长子阵列都具有相同的尺寸）：

landmask[lon_inds[i,j],lat_inds[i,j]]

现在我们需要做的就是替换有海岸线的面具中的值。这是通过迭代lat_inds和lon_inds数组来完成的，在

的landmask中查找值

mask[i,j]

并更改

的值

landmask[lon_inds[i,j]-1,lat_inds[i,j]]
landmask[lon_inds[i,j]+1,lat_inds[i,j]]
landmask[lon_inds[i,j],lat_inds[i,j]-1]
landmask[lon_inds[i,j],lat_inds[i,j]+1]

如果任何邻居

，则

为1

    >>> a=[1,2,3,4,5,6]
    >>> iter(a)
   <listiterator object at 0x7f96f3273950>
   >>> next(a)
   Traceback (most recent call last):
    File "<stdin>", line 1, in <module>
    TypeError: list object is not an iterator
   >>> ia=iter(a)
   >>> next(a)
    Traceback (most recent call last):
     File "<stdin>", line 1, in <module>
     TypeError: list object is not an iterator
  >>> next(ia)
       1

不等于0（当然，通过添加对角线相邻单元格可以生成更平滑的海岸线，但这不是必需的，因为希望您应该使用比您的卫星数据更清晰的空间分辨率的Landmask数据集）