ฉันได้ติดตั้ง GDAL โดยใช้ตัวติดตั้ง Osgeo ฉันจะคลิปเลเยอร์แรสเตอร์ด้วยเวกเตอร์เลเยอร์โดยทางโปรแกรมได้อย่างไร มี GDAL API ใดบ้างที่สามารถช่วยฉันได้ ฉันใช้ Python
ฉันได้ติดตั้ง GDAL โดยใช้ตัวติดตั้ง Osgeo ฉันจะคลิปเลเยอร์แรสเตอร์ด้วยเวกเตอร์เลเยอร์โดยทางโปรแกรมได้อย่างไร มี GDAL API ใดบ้างที่สามารถช่วยฉันได้ ฉันใช้ Python
คำตอบ:
ฉันไม่แน่ใจเกี่ยวกับ gdal api มีvoid* GDALWarpOptions::hCutlineในตัวเลือก Warp ที่อ้างอิงจากการสอน Warp APIแต่ไม่มีตัวอย่างที่ชัดเจน คุณแน่ใจหรือว่าต้องการคำตอบจากโปรแกรม โปรแกรมอรรถประโยชน์บรรทัดคำสั่งสามารถทำได้นอกกรอบ:
ogrinfoเพื่อกำหนดขอบเขตของรูปทรงการตัดgdal_translateสำหรับหนีบกับส่วนขยายของรูปร่างgdalwarpกับ-cutlineพารามิเตอร์ขั้นตอนที่ 2 และ 3 gdalwarp -cutline ...มีการเพิ่มประสิทธิภาพของคุณอาจจะได้รับโดยมีเพียงแค่
ดูการตัดแรสเตอร์ด้วย GDAL โดยใช้รูปหลายเหลี่ยมจาก Linfinity สำหรับโซลูชันที่ใช้ลินุกซ์ทั้งหมดรวมอยู่ในสคริปต์เดียว ตัวอย่าง cutline อื่นสามารถมองเห็นได้ในไมเคิลคอเรย์กวดวิชาhillshades สร้างสำหรับ Mapnik
Joel Lawhead จาก GeospatialPython มีตัวอย่างงูหลามที่สมบูรณ์ในClip raster โดยใช้ shapefileซึ่งเป็นแบบฝึกหัดที่เขียนขึ้นเป็นอย่างดี คุณจะต้องติดตั้งPython Image Library (PIL) ซึ่งไม่รวมอยู่ใน Osgeo4W (ซึ่งคุณอาจต้องเพิ่ม o4w python ใน windows registryเพื่อให้โปรแกรมติดตั้งทำงานได้)
ดูเหมือนว่าเรื่องนี้จะกลับมาเสมอ ฉันเองก็ไม่รู้ว่า GDAL> 1.8 นั้นก้าวหน้าไปแล้วมันให้การจัดการบรรทัดคำสั่งที่เป็นธรรมแก่คุณเพื่อทำงานดังกล่าว
ความคิดเห็นจาก Mike Toews ค่อนข้างมีประโยชน์ แต่คุณสามารถทำได้ง่ายๆเช่น:
gdalwarp -of GTiff -cutline DATA/area_of_interest.shp -cl area_of_interest -crop_to_cutline DATA/PCE_in_gw.asc data_masked7.tiff คุณสามารถรวมคำสั่งนี้ไว้ในสคริปต์ไพ ธ อนด้วยกระบวนการย่อยที่ยอดเยี่ยมโมดูล
สิ่งหนึ่งที่เป็นปัญหาสำหรับฉันจริงๆก็คือฉันต้องจัดหาวิธีแก้ปัญหาให้น้อยที่สุดซึ่งหมายถึงเรียบง่ายที่สุดเท่าที่จะเป็นไปได้และไม่ต้องการการพึ่งพาจากภายนอกจำนวนมาก การใช้ Python Imaging Library เหมือนกับในบทช่วยสอนของ Joel Lawhead นั้นเป็นระเบียบ แต่ฉันก็พบวิธีแก้ปัญหาต่อไปนี้: การใช้ Numpy masked arrays
ฉันไม่รู้ว่ามันดีกว่านี้หรือเปล่า แต่นั่นคือสิ่งที่ฉันรู้ย้อนหลังไปกว่า (3 ปีที่แล้ว ... )
เดิมทีฉันสร้างพื้นที่ข้อมูลที่ถูกต้องภายในแรสเตอร์ดั้งเดิม (เช่นขอบเขตของเอาต์พุตแรสเตอร์ที่เท่ากัน) แต่ฉันชอบความคิดในการทำให้แรสเตอร์มีขนาดเล็กลง (เช่น -crop_to_cutline) ดังนั้นฉันจึงนำมา world2Pixelจาก Joel Lawhead นี่คือทางออกของฉันเอง:
def RasterClipper():
craster = MaskRaster()
contraster2 = 'PCE_in_gw.aux'
craster.reader("DATA/"+contraster2.replace('aux','asc'))
xres, yres = craster.extent[1], craster.extent[1]
craster.fillrasterpoints(xres, yres)
craster.getareaofinterest("DATA/area_of_interest.shp")
minX, maxX=craster.new_extent [0]-5,craster.new_extent[1]+5
minY, maxY= craster.new_extent [2]-5,craster.new_extent[3]+5
ulX, ulY=world2Pixel(craster.extent, minX, maxY)
lrX, lrY=world2Pixel(craster.extent, maxX, minY)
craster.getmask(craster.corners)
craster.mask=np.logical_not(craster.mask)
craster.mask.resize(craster.Yrange.size,craster.Xrange.size)
# choose all data points inside the square boundaries of the AOI,
# replace all other points with NULL
craster.cdata= np.choose(np.flipud(craster.mask), (craster.data, -9999))
# resise the data set to be the size of the squared polygon
craster.ccdata=craster.cdata[ulY:lrY, ulX:lrX]
craster.writer("ccdata2m.asc",craster.ccdata, (minX+xres*.5, maxY+yres*.5), 10,10,Flip=False)
# in second step we rechoose all the data points which are inside the
# bounding vertices of AOI
# need to re-define our raster points
craster.xllcorner, craster.yllcorner = minX, minY
craster.xurcorner, craster.yurcorner = maxX, maxY
craster.fillrasterpoints(10,10)
craster.getmask(craster.boundingvertices) # just a wrapper around matplotlib.nxutils.points_in_poly
craster.data=craster.ccdata
craster.clip2(new_extent_polygon=craster.boundingvertices)
craster.data = np.ma.MaskedArray(craster.data, mask=craster.mask)
craster.data = np.ma.filled(craster.data, fill_value=-9999)
# write the raster to disk
craster.writer("ccdata2m_clipped.asc",craster.data, (minX+xres*.5, maxY+yres*.5), 10,10,Flip=False)สำหรับคำอธิบายแบบเต็มของclass MaskRasterและเป็นวิธีดูgithub ของโครงการของฉัน GitHub
การใช้รหัสนี้คุณจะต้องใช้ GDAL อย่างไรก็ตามแผนจะใช้ใน Python บริสุทธิ์ในอนาคตที่ฉันสามารถทำได้เพราะกลุ่มเป้าหมายของซอฟต์แวร์ของฉันมีปัญหากับการพึ่งพามากเกินไป (ฉันใช้ Debian เพื่อพัฒนาซอฟต์แวร์และลูกค้าใช้ Windows 7 ... )