区域形状文件内NetCDF中每个时间步使用Python中的rasterstats的分区统计信息
尝试在包含地区区域的shapefile层中提取分区信息,用于存储在netcdf中的光栅数据的月度时间序列 到目前为止,我只能提取每个shapefile的所有时间段的平均值(见下文)。但我真的想要每个地区的月平均值 最终的目标是将其放在一个数据框架中,然后我可以将其与每个区域的一些属性数据合并。我不太习惯使用netcdfs,所以任何建议都会很有帮助!netcdf中的时间维度为“yyyy-mm-dd”格式区域形状文件内NetCDF中每个时间步使用Python中的rasterstats的分区统计信息,python,raster,shapefile,netcdf,rasterio,Python,Raster,Shapefile,Netcdf,Rasterio,尝试在包含地区区域的shapefile层中提取分区信息,用于存储在netcdf中的光栅数据的月度时间序列 到目前为止,我只能提取每个shapefile的所有时间段的平均值(见下文)。但我真的想要每个地区的月平均值 最终的目标是将其放在一个数据框架中,然后我可以将其与每个区域的一些属性数据合并。我不太习惯使用netcdfs,所以任何建议都会很有帮助!netcdf中的时间维度为“yyyy-mm-dd”格式 #import netcdf data with rio.open('/MSLA_all_
#import netcdf data
with rio.open('/MSLA_all_test.nc') as msla_nc:
msla_nc_data = msla_nc.read(1,masked=True)
msla_nc_meta = msla_nc.profile
#import polygons
region_polys = gpd.read_file('/GADM2_coast_regions.shp')
#Extract pixel values for each polygon : zonal stats
region_value=rs.zonal_stats(region_polys, msla_nc_data, nodata=-999, affine=msla_nc_meta['transform'], geojson_out=True, copy_properties=True, stats="mean")
您可以使用xarray执行时间聚合和重采样。然后应用你的代码。再靠近一点!现在有一个字典列表,每个字典包含72个时间步(约650个区域)内某个区域的所有月平均值。每个字典(72 x~650=~47000)中的每个值都可以提取吗?欢迎使用Stackoverflow!您是否有可以链接的示例或资源来帮助改进您的答案?