有时候我们会有这样的想法，就是针对某个区域的栅格数据，要提取它的平均值或者其他统计指标，比如在一个省内提取多年的降雨数据，最后分区域地计算一些统计值，或者从多个栅格数据中提取某个区域的数值形成一个序列。为了方便，画一个示意图看看，比如就像提取这个区域中的某一个市的区域，然后形成一个序列数据，这就可以使用rasterstats库了，此外的分区统计也可以用这个库
这个实验使用的数据格式分别是栅格(*.tif)和矢量(.shp)，之后的分区统计操作和栅格数据的提取都是源于这两类数据。为了能使用上这个rasterstats库，选择了在google colab平台运行脚本，因为安装库实在是太方便了，在win上老是安装不上的，在google notebook立马就搞定了，而且可以把数据存储到谷歌云盘，直接在notebook中就是可以链接使用的
那么现在就开始做测试，使用的数据就是左侧的栅格和矢量数据集
导入相关的模块
import geopandas as gpd
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import rasterio
import rasterstats
from rasterio.plot import show
# show()方法用来展示栅格图形
from rasterio.plot import show_hist
# 用来展示直方图
import cartopy.crs as ccrs
import cartopy.feature as cfeature
from cartopy.mpl.ticker import LongitudeFormatter, LatitudeFormatter使用geopandas和rasterio分别读取矢量和栅格数据
# 使用geopandas读取矢量数据
districts = gpd.read_file('/content/drive/MyDrive/Datashpraster/Data/Districts/districts.shp')
# 使用rasterio读取栅格数据，栅格数据和矢量数据的坐标投影需要一致
raster = rasterio.open('/content/drive/MyDrive/Datashpraster/Data/Rainfall Data Rasters/2020-4-1.tif')
# 把矢量数据和栅格数据绘制到一个axis上，这个axis不是坐标轴，而是图形
plt.rcParams['font.family'] = 'Times New Roman'
plt.rcParams['font.size'] = 20
fig, (ax1,ax2) = plt.subplots(1,2,figsize=(15,6))
show(raster, ax=ax1,title='Rainfall')
# 读取进来的矢量数据可以直接调用gpd的plot()方法绘制
districts.plot(ax=ax1, facecolor='None', edgecolor='red')
show_hist(raster,ax=ax2,title='hist')
plt.show()先绘制一下结果看看
读取栅格数据：
# 提取雨量栅格值到numpy数组
# 遵循GDAL规则从第一波段读取
rainfall_data = raster.read(1)
rainfall_data
开始分区统计：
# 设置坐标变换信息
affine = raster.transform
# 准备开始进行空间分区计算
# 第一个参数是矢量分区，第二个是栅格，第三个是坐标变换信息，第四个是统计均值
avg_rallrain = rasterstats.zonal_stats(districts,rainfall_data,affine=affine,stats=['mean'],geojson_out=True)
# avg_rallrain
# 除了统计平均值之外，还有最大最小值那些绘制一下，只是一个简单的图形而已
当然第二部分更有意思，就是从多个分散的栅格数据中提取数据形成一个序列
，就是这些tif数据
loop这些栅格数据集：
获得提取到的结果，没错，就是这么一个序列数据，然后就是绘图了
转换数据格式
# 将Date列转为时间型
data['Date'] = pd.to_datetime(data['Date'], infer_datetime_format=True)
# print(data)
data['Date'] = data['Date'].dt.date
print(data)
绘图结果就是简单的图形而已
# 准备绘制图形
fig,(ax1,ax2)= plt.subplots(2,1,figsize=(18,6))
plt.rcParams['font.size'] = 15
data.plot(x='Date', y='Average_RF_Porto', ax=ax1, kind='bar', title='Avg_Rail_Porto')
data.plot(x='Date', y='Average_RF_Faro', ax=ax2, kind='bar', title='Avg_Rail_Faro',color='red')
#自动调整图形的分布
plt.tight_layout()
plt.show()
结果就这样一个序列图，目的就是从栅格提取指定的研究区，然后提取栅格的值，再来绘图
虽然感觉不是那么花里胡哨的图，但这个应该还是比较实用的，特别是大批量提取栅格值的时候。由于在google colab里面操作的步骤比较多，中间可能有省略的地方，但重要的应该都在文中了，当然也可以迁移运用到其他地方，也可以查看一下这个第三方库的教程，比如read(1)是什么意思，官网的docs就写得有，实在是很方便的
以上就是用Python进行栅格数据的分区统计和批量提取的详细内容，更多关于Python 栅格数据的分区统计和批量提取 的资料请关注编程网其它相关文章！
