come sovrapporre shapefile e raster?


17

Ho uno shapefile con poligoni. E ho un file raster globale. Voglio sovrapporre i poligoni del file di forma sulla griglia raster e calcolare il valore raster medio per ciascun poligono.

Come posso fare questo usando GDAL, scrivendo i risultati nello shapefile?


4
GDAL è l'unico strumento che vorresti usare?
Simbamangu,

@Simbamangu no, praticamente tutto va bene, e sarebbe bello se fosse in Python
andreash

Risposte:


9

In R puoi fare

library(raster)
library(rgdal)
r <- raster('raster_filename')
p <- readOGR('shp_path', 'shp_file')
e <- extract(r, p, fun=mean)

e è un vettore con la media dei valori della cella raster per ciascun poligono.


Questo non è Python come richiesto nella domanda
GM

6

Seguendo i consigli che ho ricevuto sulla mailing list di gdal-dev, ho usato StarSpan :

starspan --vector V --raster R1 R2 ... --stats mystats.csv avg mode

I risultati vengono salvati nel formato CSV. A quel tempo, questo era già abbastanza per me, ma dovrebbe essere possibile in qualche modo forgiare uno Shapefile da quelle informazioni.


StarSpan sembra essersi spostato su GitHub. Prendi qui .
Richard,

4

Carica il tuo file di forma e il tuo raster in PostGIS 2.0 ed esegui:

SELECT (ST_SummaryStats(ST_Clip(rast, geom))).*
FROM rastertable, geomtable

4

Non credo che GDAL sia lo strumento migliore per questo, ma puoi usare gdal_rasterize per "cancellare" tutti i valori al di fuori del poligono.

Qualcosa di simile a:

gdal_translate -a_nodata 0 original.tif work.tif
gdal_rasterize -burn 0 -b 1 -i work.tif yourpolygon.shp -l yourpolygon
gdalinfo -stats work.tif
rm work.tif

Il programma gdal_rasterize modifica il file, quindi ne facciamo una copia su cui lavorare. Contrassegniamo anche un valore particolare (zero in questo caso) come nodata. "-Burn 0 -b 1" significa masterizzare un valore pari a zero nella banda 1 del file di destinazione (work.tif). "-I" significa invertire la rasterizzazione in modo da bruciare i valori all'esterno del poligono anziché all'interno. Il comando gdalinfo con -stats riporta le statistiche della banda. Credo che escluderà il valore dei nodati (che abbiamo contrassegnato in precedenza con -a_nodata).


4

Il seguente script consente di eseguire l'attività con GDAL: http://pcjericks.github.io/py-gdalogr-cookbook/raster_layers.html#calculate-zonal-statistics

# Calculates statistics (mean) on values of a raster within the zones of an polygon shapefile

import gdal, ogr, osr, numpy

def zonal_stats(input_value_raster, input_zone_polygon):

    # Open data
    raster = gdal.Open(input_value_raster)
    driver = ogr.GetDriverByName('ESRI Shapefile')
    shp = driver.Open(input_zone_polygon)
    lyr = shp.GetLayer()

    # get raster georeference info
    transform = raster.GetGeoTransform()
    xOrigin = transform[0]
    yOrigin = transform[3]
    pixelWidth = transform[1]
    pixelHeight = transform[5]

    # reproject geometry to same projection as raster
    sourceSR = lyr.GetSpatialRef()
    targetSR = osr.SpatialReference()
    targetSR.ImportFromWkt(raster.GetProjectionRef())
    coordTrans = osr.CoordinateTransformation(sourceSR,targetSR)
    feat = lyr.GetNextFeature()
    geom = feat.GetGeometryRef()
    geom.Transform(coordTrans)

    # Get extent of geometry
    ring = geom.GetGeometryRef(0)
    numpoints = ring.GetPointCount()
    pointsX = []; pointsY = []
    for p in range(numpoints):
            lon, lat, z = ring.GetPoint(p)
            pointsX.append(lon)
            pointsY.append(lat)
    xmin = min(pointsX)
    xmax = max(pointsX)
    ymin = min(pointsY)
    ymax = max(pointsY)

    # Specify offset and rows and columns to read
    xoff = int((xmin - xOrigin)/pixelWidth)
    yoff = int((yOrigin - ymax)/pixelWidth)
    xcount = int((xmax - xmin)/pixelWidth)+1
    ycount = int((ymax - ymin)/pixelWidth)+1

    # create memory target raster
    target_ds = gdal.GetDriverByName('MEM').Create('', xcount, ycount, gdal.GDT_Byte)
    target_ds.SetGeoTransform((
        xmin, pixelWidth, 0,
        ymax, 0, pixelHeight,
    ))

    # create for target raster the same projection as for the value raster
    raster_srs = osr.SpatialReference()
    raster_srs.ImportFromWkt(raster.GetProjectionRef())
    target_ds.SetProjection(raster_srs.ExportToWkt())

    # rasterize zone polygon to raster
    gdal.RasterizeLayer(target_ds, [1], lyr, burn_values=[1])

    # read raster as arrays
    banddataraster = raster.GetRasterBand(1)
    dataraster = banddataraster.ReadAsArray(xoff, yoff, xcount, ycount).astype(numpy.float)

    bandmask = target_ds.GetRasterBand(1)
    datamask = bandmask.ReadAsArray(0, 0, xcount, ycount).astype(numpy.float)

    # mask zone of raster
    zoneraster = numpy.ma.masked_array(dataraster,  numpy.logical_not(datamask))

    # calculate mean of zonal raster
    return numpy.mean(zoneraster)


1

Questo non è possibile utilizzando GDAL. Tuttavia, è possibile utilizzare altri strumenti gratuiti, ad esempio saga gis:

saga_cmd shapes_grid "Grid Values to Shapes" -GRIDS=grid.sgrd -POLYGONS=in.shp -SHAPES=out.shp-NODATA -TYPE=1

Ho seguito questo approccio, sebbene il nome della funzione sia in realtà "Grid Statistics for Polygons".
bananafish

1

Puoi anche usare rasterstats che è un modulo Python progettato per questo scopo:

from rasterstats import zonal_stats
listofzones = zonal_stats("polygons.shp", "elevation.tif",
            stats="mean")

inserisci qui la descrizione dell'immagine

Quindi puoi accedere all'attributo della prima zona usando:

mean_of_zone1 = listofzones[0]['mean']

-2

è possibile utilizzare lo strumento di calcolo dei punti in arc gis e questo strumento può essere scaricato da http://ianbroad.com/arcgis-toolbox-calculate-point-statistics-polygon-arcpy/


2
"Lo strumento Calculate Point Statistics prende un poligono di input e una classe di feature Point e utilizza un campo selezionato per trovare il minimo, il massimo e la media dei punti e aggiunge i risultati alla feature poligonale." ma questa domanda riguarda una classe di caratteristiche Polygon e un Raster, quindi sembra improbabile che sia adatta.
PolyGeo
Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.