1

我正在做一个需要分割地理空间数据的项目。该数据集包括从 1980 年代到 2018 年的全球火灾天气指数 (FWI)——一种火灾危险分类系统。我们希望根据 NUTS（或 GADM）对数据进行分段，以便能够预测并随着时间的推移调查可能的模式。

我们必须处理：

  • FWI 数据集（分辨率：0.7 度 ~ 80x80 Km）
  • NUTS（和 GADM）形状文件

我们的方法如下：

  1. 使用 geopandas 导入形状文件
  2. 使用 xarray 导入 FWI 数据集
  3. 栅格化 shapefile（改编代码）
  4. 获取按 NUTS/GADM 分段的 FWI 数据

发现了几个问题：

  • 并非感兴趣区域中的所有区域都被正确分割
  • 可用的 NUTS/GADM 和 FWI 点之间似乎存在偏移

使用的函数如下：

def transform_from_latlon(lat, lon):
    lat = np.asarray(lat)
    lon = np.asarray(lon)
    trans = Affine.translation(lon[0], lat[0])
    scale = Affine.scale(lon[1] - lon[0], lat[1] - lat[0])
    return  trans * scale

def rasterize(shapes, coords, latitude='lat', longitude='lon',
              fill=np.nan, **kwargs):
    """Rasterize a list of (geometry, fill_value) tuples onto the given
    xray coordinates. This only works for 1d latitude and longitude
    arrays.
    """
    transform = transform_from_latlon(coords[latitude], coords[longitude])

    out_shape = (len(coords[latitude]), len(coords[longitude]))
    #requires the features library from rasterio
    raster = features.rasterize(shapes, out_shape=out_shape,
                                fill=fill, transform=transform, all_touched=True, dtype=float, **kwargs)
    spatial_coords = {latitude: coords[latitude], longitude: coords[longitude]}
    return xr.DataArray(raster, coords=spatial_coords, dims=(latitude, longitude))

所描述的分割过程导致下图。

分割结果。

可以看出，分段数据和实际地图区域之间似乎存在偏移。此外，还有一些岛屿甚至没有被分割捕获。

4

0 回答 0