Trabalhando com dados raster

Trabalhando com Dados Geoespaciais em Python

Joris Van den Bossche

Open source software developer and teacher, GeoPandas maintainer

Ilustração de grade de valores

Fonte da imagem: documentação do QGIS

Dados raster

Mapa de chance de chuva

Dados raster com múltiplas bandas

O pacote rasterio

import rasterio

Bindings "pythonic" para GDAL
Leitura e escrita de arquivos raster
Ferramentas de processamento (masking, reprojection, resampling, ..)

https://rasterio.readthedocs.io/en/latest/

Abrindo um arquivo raster

import rasterio

src = rasterio.open("DEM_world.tif")

Metadados:

src.count

src.width, src.height

(4320, 2160)

Dados raster = numpy array

array = src.read()

numpy array padrão:

array

array([[[-4290, -4290, -4290, ..., -4290, -4290, -4290],
        [-4278, -4278, -4278, ..., -4278, -4278, -4278],
        [-4269, -4269, -4269, ..., -4269, -4269, -4269],
        ...,
        [ 2804,  2804,  2804, ...,  2804,  2804,  2804],
        [ 2804,  2804,  2804, ...,  2804,  2804,  2804],
        [ 2804,  2804,  2804, ...,  2804,  2804,  2804]]], dtype=int16)

Plotando um conjunto raster

Usando o método rasterio.plot.show():

import rasterio.plot

rasterio.plot.show(src, cmap='terrain')

Extraindo informações com base em dados vetoriais

rasterstats: Estatísticas de resumo de conjuntos raster geoespaciais com base em geometrias vetoriais (https://github.com/perrygeo/python-rasterstats)

Extrair valores raster com rasterstats

Para vetores de pontos:

rasterstats.point_query(geometries, "path/to/raster", 
                        interpolation='nearest'|'bilinear')

Para vetores de polígonos:

rasterstats.zonal_stats(geometries, "path/to/raster",
                        stats=['min', 'mean', 'max'])

Extrair valores raster com rasterstats

result = rasterstats.zonal_stats(countries.geometry, "DEM_gworld.tif", 
                                 stats=['mean'])

countries['mean_elevation'] = pd.DataFrame(result)

countries.sort_values('mean_elevation', ascending=False).head()

            name    continent                     geometry  mean_elevation
157   Tajikistan         Asia  POLYGON ((74.98 37.41, ...      3103.231105
85    Kyrgyzstan         Asia  POLYGON ((80.25 42.34, ...      2867.717142
24        Bhutan         Asia  POLYGON ((91.69 27.77, ...      2573.559846
119        Nepal         Asia  POLYGON ((81.11 30.18, ...      2408.907816
6     Antarctica   Antarctica  (POLYGON ((-59.57 -80.04...     2374.075028
..           ...          ...                          ...             ...

Vamos praticar!

Trabalhando com Dados Geoespaciais em Python