提取几何形状(形状)中的数据

时间:2019-07-05 16:49:14

标签: python-3.x geometry shapefile python-xarray

我有一个NetCDF数据集,通常使用xarray函数来调用它。我最近一直在对数据集进行一些断面分析,看起来像这样(水平蓝线之间的区域是要分析的断面):

enter image description here

目前,我只能提取落在垂直或水平剖面内的数据(因为它们很容易提取。

但是现在我想在数据集中选择一个特定的形状,以对其进行分析。这些形状可能不是对称的,也不是直线的。一些示例如下所示: enter image description here

基本上,这些形状可以是不规则的(每个点的坐标已知)。

是否可以提取数据集/值(带有坐标),特别是仅针对感兴趣的区域?

仅使用ARCMaps剪辑功能或Google Earth Engine剪辑功能即可轻松执行这些步骤。但是我不能在python中使用它(因为我只想在所有步骤中都使用python)。有人可以提供一些建议吗? 如果有人知道任何与xarray集成度很高的软件包,那就太好了。

1 个答案:

答案 0 :(得分:1)

我使用了rioxarray软件包,该软件包似乎与xarray具有很好的集成性,并且很容易实现。

import xarray as xr
import rioxarray as rx

Treecover  = xr.open_rasterio('/home/chandra/data/Treecover_MOD44B_2000_250m_AMAZON.tif')
[Output]: 
<xarray.DataArray (band: 1, y: 32093, x: 20818)>
[668112074 values with dtype=float64]
Coordinates:
  * band     (band) int64 1
  * y        (y) float64 13.71 13.71 13.71 13.71 ... -58.35 -58.35 -58.36 -58.36
  * x        (x) float64 -81.38 -81.37 -81.37 -81.37 ... -34.63 -34.63 -34.62
Attributes:
    transform:   (0.002245788210298804, 0.0, -81.37613580017715, 0.0, -0.0022...
    crs:         +init=epsg:4326
    res:         (0.002245788210298804, 0.002245788210298804)
    is_tiled:    0
    nodatavals:  (nan,)

geometries = [
    {
        'type': 'Polygon',
        'coordinates': [[
            [-46.23140155225633, -21.53505449239459],
          [-44.91304217725633, -20.221175092759253],
          [-70.22554217725633, 1.5816072875439455],
          [-71.36812030225633, 0.5271132528460204]
        ]]
    }
]

Treecover_clipped = Treecover.rio.clip(geometries, Treecover.rio.crs)
[Output]: 
<xarray.DataArray (band: 1, y: 10293, x: 11779)>
array([[[nan, nan, ..., nan, nan],
        [nan, nan, ..., nan, nan],
        ...,
        [nan, nan, ..., nan, nan],
        [nan, nan, ..., nan, nan]]])
Coordinates:
  * band         (band) int64 1
  * y            (y) float64 1.58 1.578 1.575 1.573 ... -21.53 -21.53 -21.53
  * x            (x) float64 -71.37 -71.36 -71.36 ... -44.92 -44.92 -44.91
    spatial_ref  int64 0
Attributes:
    transform:     (0.0022457882102988043, 0.0, -71.36665774687539, 0.0, -0.0...
    _FillValue:    nan
    grid_mapping:  spatial_ref