Bekerja dengan data raster

Bekerja dengan Data Geospasial di Python

Joris Van den Bossche

Open source software developer and teacher, GeoPandas maintainer

Ilustrasi kisi nilai

Sumber gambar: dokumentasi QGIS

Data raster

Peta peluang hujan

Data raster multi-band

Paket rasterio

import rasterio

Binding "Pythonic" untuk GDAL
Membaca dan menulis file raster
Alat pemrosesan (masking, reproyeksi, resampling, ..)

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

Membuka file raster

import rasterio

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

Metadata:

src.count

src.width, src.height

(4320, 2160)

Data raster = array numpy

array = src.read()

Array numpy standar:

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)

Memplot dataset raster

Menggunakan metode rasterio.plot.show():

import rasterio.plot

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

Ekstraksi info berbasis data vektor

rasterstats: Statistik ringkas untuk dataset raster geospasial berbasis geometri vektor (https://github.com/perrygeo/python-rasterstats)

Ekstrak nilai raster dengan rasterstats

Untuk vektor titik:

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

Untuk vektor poligon:

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

Ekstrak nilai raster dengan 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
..           ...          ...                          ...             ...

Ayo berlatih!

Bekerja dengan Data Geospasial di Python