การทำงานกับข้อมูล raster

การทำงานกับข้อมูลเชิงพื้นที่ใน Python

Joris Van den Bossche

Open source software developer and teacher, GeoPandas maintainer

ภาพแสดงกริดของค่าข้อมูล

แหล่งที่มา: เอกสาร QGIS

ข้อมูล Raster

แผนที่แสดงโอกาสฝนตก

ข้อมูล Raster แบบหลายแบนด์

แพ็กเกจ rasterio

import rasterio

การเชื่อมต่อแบบ "Pythonic" กับ GDAL
อ่าน และ เขียน ไฟล์ raster
เครื่องมือ ประมวลผล (masking, reprojection, resampling, ..)

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

การเปิดไฟล์ raster

import rasterio

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

เมทาดาตา:

src.count

src.width, src.height

(4320, 2160)

ข้อมูล Raster = numpy array

array = src.read()

อาร์เรย์ numpy มาตรฐาน:

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)

การพล็อตชุดข้อมูล raster

ใช้เมธอด rasterio.plot.show():

import rasterio.plot

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

การดึงข้อมูลโดยอิงจากข้อมูลเวกเตอร์

rasterstats: สถิติสรุปของชุดข้อมูล raster เชิงภูมิสารสนเทศโดยอิงตามเรขาคณิตเวกเตอร์ (https://github.com/perrygeo/python-rasterstats)

ดึงค่า raster ด้วย rasterstats

สำหรับเวกเตอร์แบบจุด:

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

สำหรับเวกเตอร์แบบพื้นที่:

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

ดึงค่า raster ด้วย 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
..           ...          ...                          ...             ...

มาฝึกกันเถอะ!

การทำงานกับข้อมูลเชิงพื้นที่ใน Python