Python 将形状文件转换为二维网格作为稀疏矩阵

我真的迷恋上了所有使用NumPy进行地理空间计算的栓接库

获取形状文件（其范围是整个地球）并从中构造稀疏矩阵（表示具有指定分辨率的经纬度栅格）的最直接方法是什么，矩阵条目1位于形状文件多边形内的所有栅格点，0位于其他位置

我知道如何用GEOPANDA或菲奥娜在HealfFELE中阅读；我陷入困境的是“转换为稀疏矩阵”部分。“光栅化”似乎还需要另一个插销，不能让我控制网格分辨率，也不能吐出除TIFF之外的任何东西，因为TIFF不太有用。

这里有一种方法：

创建空稀疏矩阵

编写一个函数，将一个随机点发送到一个“小”点集

对于每个多边形，统一采样边界框中的所有点。对于多边形中的每个点，应用上述函数获取标准的

键

，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，但它可以在python中使用

osgeo

和

scipy

完成。当然，如果有较大的多边形，采样速度会非常慢，但由于使用的是稀疏矩阵，我认为这不会成为问题。您还可以调整分辨率并在osgeo中使用投影

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()

来自itertools导入产品的

从scipy.sparse导入dok_矩阵
将numpy作为np导入
# https://pcjericks.github.io/py-gdalogr-cookbook
从osgeo导入ogr
#数据：
# http://www.naturalearthdata.com/downloads/110m-cultural-vectors/
上海医药名称='ne_110m_admin_0_countries.SHP'
driver=ogr.GetDriverByName（'ESRI Shapefile'））
数据=驱动程序打开（SHP\U FNAME，0）
layer=data.GetLayer（）
XDIAM=360.0
YDIAM=180.0
XRES=YRES=10**2
dX=XDIAM/XRES
dY=YDIAM/YRES
def至_键（pt）：
x、 y=pt
x-=x%dX-XDIAM/2
y-=y%dY-YDIAM/2
返回（x/dX，y/dY）
def geom_至_键（g）：
xmin，xmax，ymin，ymax=g.GetEnvelope（）
打印xmax、ymax、xmin、ymin
xs=np.linspace（xmin，xmax，（xmax-xmin）/dX）
ys=np.linspace（ymin，ymax，（ymax-ymin）/dY）
对于产品中的x，y（xs，ys）：
点=ogr.Geometry（ogr.wkbPoint）
点。添加点（x，y）
如果g.包含（点）：
屈服于_键（（x，y））
smatrix=dok_矩阵（（XRES+1，YRES+1），np.int8）
一=np.int8（1）
对于图层中的要素：
geom=feature.GetGeometryRef（）
如果几何面积（）大于1000：
持续
#对于大型多边形，采样速度较慢
对于geom_至_键（geom）中的键：
smatrix.update({
关键:一,，
})
如果XRES*YRES<10**6+1：
从matplotlib导入pyplot作为plt
plt.pcolor（smatrix.toarray（）.transpose（））
plt.show（）

这是一张照片；为了加快速度，我省略了几个大国

---

您需要多次这样做吗？或者您可以使用GIS只做一次，然后将光栅输出导入python/numpy吗？我只需要做一次，但我对独立GIS的经验是“它们都不起作用”，因此我更愿意选择numpy和朋友。您可以在GIS.stackexchange.com上询问