3S-Hub 3S-Hub
首页
  • 基础地理信息数据

    • 点矢量
    • 线矢量
    • 面矢量
  • 栅格数据

    • DEM数据
    • 土地利用数据
    • 人口数据
    • 地图资源数据
  • 领域/学科数据

    • 生态
    • 经济
    • 地质
    • 气象
    • 环境
    • 水文
    • 农学
  • 卫星数据

    • 普通光学卫星
    • 雷达卫星
    • 其他卫星
  • 卫星产品数据

    • 土地利用数据
    • 植被指数数据
    • 土壤数据
    • 温度数据
    • 天气预报数据
    • 气溶胶数据
    • DEM数据
    • 遥感训练数据集
  • 地信开发

    • 编程语言
    • 在线地图源
    • 空间处理包
    • 空间数据库
    • 在线可视化
  • 遥感开发

    • 编程语言
    • 遥感自动化
    • 遥感深度学习
    • 遥感云开发
    • - GEE专题
    • - PIE专题
  • 地信软件

    • ArcGIS专题
    • QGIS专题
    • GeoDa专题
    • PIE 专题
    • 其他
  • 遥感软件

    • 本地软件
    • - ENVI
    • - ERDAS
    • - 其他
    • 遥感云平台
    • - GEE专题
    • - PIE专题
    • - world compute
  • 地图辅助

    • Google Earth
    • 图新地球
    • 奥维地图
    • 水经注
    • Bigmap
  • 常用网址/论坛导航
  • 持续更新中...
关于
  • 分类
  • 标签
  • 归档
GitHub (opens new window)
首页
  • 基础地理信息数据

    • 点矢量
    • 线矢量
    • 面矢量
  • 栅格数据

    • DEM数据
    • 土地利用数据
    • 人口数据
    • 地图资源数据
  • 领域/学科数据

    • 生态
    • 经济
    • 地质
    • 气象
    • 环境
    • 水文
    • 农学
  • 卫星数据

    • 普通光学卫星
    • 雷达卫星
    • 其他卫星
  • 卫星产品数据

    • 土地利用数据
    • 植被指数数据
    • 土壤数据
    • 温度数据
    • 天气预报数据
    • 气溶胶数据
    • DEM数据
    • 遥感训练数据集
  • 地信开发

    • 编程语言
    • 在线地图源
    • 空间处理包
    • 空间数据库
    • 在线可视化
  • 遥感开发

    • 编程语言
    • 遥感自动化
    • 遥感深度学习
    • 遥感云开发
    • - GEE专题
    • - PIE专题
  • 地信软件

    • ArcGIS专题
    • QGIS专题
    • GeoDa专题
    • PIE 专题
    • 其他
  • 遥感软件

    • 本地软件
    • - ENVI
    • - ERDAS
    • - 其他
    • 遥感云平台
    • - GEE专题
    • - PIE专题
    • - world compute
  • 地图辅助

    • Google Earth
    • 图新地球
    • 奥维地图
    • 水经注
    • Bigmap
  • 常用网址/论坛导航
  • 持续更新中...
关于
  • 分类
  • 标签
  • 归档
GitHub (opens new window)
  • 气象编程资源

    • 地理与气象数据分析(gma包)的说明与使用
      • 0.1 Python环境
      • 0.2 依赖库
      • 0.3 安装gma
      • 2.1 index指数运算
      • 2.2 math数学运算
      • 2.3 osf系统交互
      • 2.4 rasp栅格处理
      • 2.5 vesp矢量处理
  • 遥感编程资源

    • 云环境中GDAL库的配置与安装
  • 友情链接

加入我们

遥感地信资源网站共建~

遥感地信经验技巧交流~

  • 编程资源
  • 气象编程资源
GISer
2021-11-21

地理与气象数据分析(gma包)的说明与使用

# 地理与气象数据分析(gma包)的说明与使用

# 写在前面

  对于大部分地学或气象学的学者来说,数据处理是一个很大的工程,动辄数小时或者数天的数据处理时间。如果没有很好的工具或者方法,在面对多时序(例如时序遥感数据),大尺度(例如全国范围)等数据分析研究时,就显得极为困难,因为数据处理本身就非常的耗时耗力。

  几年前读研究生时,我第一次初次接触遥感数据(以及气象数据),作为领域新人,面对庞大与复杂的数据,除了对数据、数据处理过程的一脸茫然,也对后续的研究不知所措。当然,在老师的带领下,逐渐入道IDL,并利用IDL完成了所有数据的处理,开展了相关的研究;也学会了ENVI、Arcgis之类的工具;顺利的毕了业。

  诚然,研究生阶段使我收获颇多。对数据以及数据处理也有了长远的进步,例如:可以使用批量处理VBA处理气象站点数据;利用IDL处理栅格数据(后续全部转为Python实现);学会了SPPS、Origin等专业软件(虽然前期利用Python绘图,可能是因为懒,或者Origin过于方便,后期全部转为了Origin);等等。也算为我现在的想法奠定了基础。

  不知何时起,萌生了一种将我所接触的遥感、气象数据处理方法与算法写成函数包汇总在一起的想法。后来工作过程中的实践也证明,这种方法对提高工作效率,对个人的成长进步非常有效。所以才有<地理与气象数据分析(geographic and meteorological data analysis)>gma这个Python函数包。

  目前,gma可实现 栅格数据处理(例如镶嵌、裁剪、重采样、重投影、格式转换、数据融合等),矢量数据处理(例如裁剪、擦除、交集、融合、重投影等),一些缺失值插补算法(例如线性插值)、平滑算法(例如SG平滑),一些指数算法(例如NDVI、ET0等等) 以及一些 系统交互操作 ,并配有中文的函数帮助说明,这些功能算法已经封装,只需调用对应的函数,设置相应的参数即可实现。后续也会逐步补充更多的算法和功能。

  希望可以得到各位专家、同仁和朋友的支持与信赖,也希望得到各位的认可以及反馈。

@TOC

# 0 gma安装

# 0.1 Python环境

  建议安装Anaconda创建Python环境。Anaconda指的是一个开源的Python发行版本,其包含了conda、Python等180多个科学包及其依赖项。   本文采用Anaconda的Windows版,版本为(点击下载):

Anaconda3 2021.05(Python 3.8.8 64-bit) (opens new window)

  gma需求的 Python版本应 >= 3.8 。

# 0.2 依赖库

  gma的构建依赖gdal,numpy,pandas和scipy等库,这些库是gma实现功能的基础。由于gdal不是一个纯Python库,需要下载whl包手动安装,获取地址:

https://www.lfd.uci.edu/~gohlke/pythonlibs/ (opens new window)

从该网站下载对应版本GDAL的WHL包。Python 3.8 可下载 < GDAL-3.3.3-cp38-cp38-win_amd64.whl > 版本。

  例如下载至D盘根目录,则文件路径为 D:\GDAL-3.3.3-cp38-cp38-win_amd64.whl 。

  打开conda窗口(一般为 开始 - 所有程序 - Anaconda3 (64-bit) - Anaconda Powershell Prompt),使用以下命令安装gdal(本文均使用默认环境):

pip install "D:\GDAL-3.3.3-cp38-cp38-win_amd64.whl"
1

# 0.3 安装gma

gma已经上传至pypi,可以直接在conda或Windows终端中输入以下命令安装:

pip install gma
1

  在安装gma时,依赖的numpy,pandas和scipy如果不存在则会自动安装(需联网)。   检查gma版本或是否安装成功:

(base) PS C:\Users\xxxx> conda list gma
# packages in environment at C:\Users\xxxx\anaconda3:
#
# Name                    Version                   Build  Channel
gma                       1.0.0                    pypi_0    pypi
1
2
3
4
5

  出现gma的详细信息则说明gma已经成功安装。

# 1 gma组织方式

  下表列出了gma库的组织结构。

gma

  • algorithm       ||栅格、矢量操作的基础算法
    • raster          ——栅格处理, rasp调用的算法
    • vector          ——矢量处理,vesp调用的算法
  • Relation      || 关键 关联参数 设置
    • error          ——输入参数检查,错误提示。
    • key          ——栅格/矢量 处理的高阶参数设置,例如压缩,超大TIFF支持等。
    • palmer          —— 帕尔默旱涝指数及其相关指数的原始算法(尚未整合,暂不可用)。
    • utils          ——palmer的依赖包。
  • index      || 遥感、气象指数算法。
  • math      || 一些数学方法。
  • osf      || 系统交互操作。
  • rasp      || 栅格处理函数包。
  • vesp      || 矢量处理函数包。

# 2 gma函数简介

# 2.1 index指数运算

表 2.1 index指数运算(基于数组)主要函数简介

​
​
​

# 2.2 math数学运算

# 2.3 osf系统交互

# 2.4 rasp栅格处理

# 2.5 vesp矢量处理

# 3 key默认参数

默认参数已经内置。下表仅列出gma定义了的参数,后期可能会对其进行修改。

表 3 key默认参数设置简介
变量 类型 说明 详细介绍
RasterFormat 字典 支持的栅格数据驱动 'AAIGrid', 'BT', 'CALS', 'COG', 'DTED', 'EHdr', 'ENVI', 'ERS', 'EXR', 'FIT', 'GIF', 'GPKG', 'GRIB', 'GS7BG', 'GSAG', 'GSBG', 'GTiff', 'HDF4Image','HF2', 'HFA', 'ISCE', 'ISIS2', 'ISIS3', 'JP2OpenJPEG', 'JPEG', 'LAN', 'MBTiles', 'XPM', 'XYZ', 'netCDF', 'MFF2', 'MRF', 'NITF', 'PAux', 'PCIDSK', 'PCRaster', 'PNG', 'RST', 'Rasterlite', 'SIGDEM', 'USGSDEM', 'VICAR', 'VRT'
VectorFormat 字典 支持的矢量数据驱动 'ESRI Shapefile', 'PCIDSK', 'PDS4', 'PDF', 'MBTiles', 'MapInfo File', 'Memory', 'CSV', 'GML', 'LIBKML', 'KML', 'GeoJSON', 'OGR_GMT', 'GPKG', 'SQLite', 'WAsP', 'FlatGeobuf', 'Geoconcept', 'GeoRSS', 'ODS', 'XLSX', 'JML', 'VDV', 'MVT', 'MapML'
DataType 字典 数据类型 '未知类型': 0, '8位无符号整型': 1, '16位无符号整型': 2, '16位整型': 3, '32位无符号整型': 4,'32位整型': 5, '32位浮点': 6, '64位浮点': 7, '16位复整型': 8, '32位复整型': 9,'32位复浮点型': 10, '64位复浮点型': 11
ResampleMethod 字典 重采样方法 0: 'Nearest Neighbour', 1: 'Bilinear', 2: 'Cubic', 3: 'CubicSpline',4: 'Lanczos', 5: 'Average', 6: 'RMS', 7: 'Mode'
FeatureType 字典 矢量要素类型 '未知':0,'点':1, '线':2, '面':3, '多点':4, '多线':5, '多面':6
GetGTiffOptions 函数 GTiff的创建参数 1. 不生成 ESRI 世界文件(.tfw )。
2. 不生成(.RPB)文件来描述 RPC(有理多项式系数)。
3. 不设置数据位深(NBITS)。
4. 默认 'LZW' 压缩。
5. 默认通过估算生成文件大小来确定是否生成 BIGTIFF 文件。
GenRCOptions 函数 根据栅格驱动生成创建选项
GetRasterEXTFromDriver 函数 根据栅格驱动格式返回扩展名
GetSHPOptions 函数 ESRI Shapefile 的创建参数 1. 默认创建矢量文件的字段编码为'UTF-8'。
2. 自动调整字段大小。
3. 不强制解除 '.SHP'、'.DBF' 文件2GB大小的限制。
4. 不生成空间索引文件(.qix)。
GenVCOptions 函数 根据矢量驱动生成创建选项
GetVectorEXTFromDriver 函数 根据矢量驱动格式返回扩展名

# 4 gma函数帮助

  为了使gma使用更加简单直观,gma中所有的函数帮助均提供中文帮助。例如:

import gma
help(gma.rasp.Clip)
1
2

  中文帮助如下:

Help on function Clip in module gma.rasp:

Clip(InFile, OutFile, CutLineFile, InNoData=None, OutNoData=None, MaskBoundary=True, OutFormat='GTiff')
    简介
    ----------
    按矢量裁剪栅格。
    
    参数
    ----------
    InFile: str。输入栅格路径。
    
    OutFile: str。输出栅格路径。
    
    CutLineFile: str。裁剪矢量文件路径。
    
    **可选参数
    ----------
    InNoData = number。输入栅格的无效值。默认不指定(None)无效值。
    
    OutNoData = number。输出栅格的无效值。默认不指定(None)无效值。
    
    MaskBoundary = bool。是否掩膜边界外数据。默认掩膜(True)。
    
    OutFormat = str。输出文件格式,默认为 'GTiff'。其他格式详见 ToOtherFormat 函数。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

  其他内容后续会逐一介绍和说明。感谢大家理解。详细的函数帮助可见:自建 | gma函数详细帮助 (opens new window) 或利用help调出相关帮助,本文不在详细解释。

# 写在最后

  由于时间和精力的限制,目前可用的函数还不完善。部分函数为了gma的构建进行了修改,还未完成完整的测试。如果存在问题,我会及时进行修复。
  库的构建是一个漫长和持续的过程,后续gma会添加更多的函数方法,以期使地理处理过程更加的简单方便。
  近期的gma完善计划如下:

# 作者简介

​

​ 洛,毕业于中国农业科学院,是一名不见经传的小小算法工程师,家乡河南洛阳,当前在北京从事一份还凑活的工作。目前致力于完成一套中文版开源的遥感、气象及相关算法体系(简单来说就是汇集其他优秀的Python库,将常用的功能封装好),使各类常用流程简单化。

​ 期待与各位同学、同事与朋友的共同进步。有需求或者疑问可联系微信:Luo_Suppe。

编辑 (opens new window)
上次更新: 2021/11/22, 09:44:52
云环境中GDAL库的配置与安装

云环境中GDAL库的配置与安装→

最近更新
01
README
11-22
02
软件资源
11-22
03
README
11-22
更多文章>
Theme by Vdoing | Copyright © 2021-2021 Updating.. | MIT License
  • 跟随系统
  • 浅色模式
  • 深色模式
  • 阅读模式
×