LXX
读完需要
速读仅需 1 分钟
前言：
栅格数据和矢量数据是地理信息系统 (GIS) 中两种常见的数据表示方式。栅格数据以像素网格的形式组织数据，而矢量数据则使用点、线和面等基本几何对象来表示数据。它们在形态、存储方式、空间表示和分析能力等方面存在一些区别和联系。本文以 ICESat-2 的 ATL03 数据点为例，分享将点转换为栅格的方法。
希望各位同学点个关注，点个小赞，这将是更新的动力，不胜感激❥(^_-)
1
1.1
矢量栅格的区别
栅格数据是由固定大小的像素网格组成，每个像素都具有特定的数值。整个数据集由一个矩阵来表示，每个像素位置都有特定的值。矢量数据则是由基本几何形状（如点、线、面等）来表示的。每个对象都有自己独特的空间位置和属性信息。
栅格数据以图像或矩阵的形式存储，每个像素的位置和值都在数据集中有明确的位置和定义。矢量数据以数据库或文件的形式存储，每个对象都有自己的记录和属性信息。矢量数据可以使用不同的存储格式，如 shapefile、geojson 等。
栅格数据以像素为基本单位，每个像素都代表一定大小的区域，并且在每个像素中存储一个数值。矢量数据以点、线或面等几何对象来表示，并且每个对象都有自己的空间位置和属性信息。矢量数据可以更加准确地表示对象之间的空间关系。
栅格数据在分析方面具有一些优势，特别适合于表达连续的现象，如高程、降雨等。栅格数据可以进行基于像素的空间分析，如栅格叠加、栅格代数运算等。而矢量数据具有更好的几何精度和描述能力，适合于表示离散的对象，如建筑物、河流等。矢量数据可以进行拓扑关系分析、网络分析等。
1.2
矢量栅格的转换
由于栅格数据和矢量数据的不同形态和存储方式，常常需要将二者进行转换。栅格数据可以通过栅格化 (rasterization) 将矢量数据转换为栅格数据，而矢量数据可以通过矢量化 (vectorization) 将栅格数据转换为矢量数据。这些过程可以通过 Arcgis 或 QGIS 等专业软件完成。转换后的数据可以根据需求进行不同的空间分析和可视化。
2
具体实现流程首先是读取点数据：通过 pandas 库读取 CSV 文件，将数据加载为 DataFrame；其次创建 GeoDataFrame：利用 geopandas 库将 DataFrame 转换为 GeoDataFrame，并将点数据的经纬度坐标转换为地理空间几何对象；之后经过地理变换等处理；最后使用 rasterio 库的 rasterize 函数来实现栅格化处理。
【完整代码：】
import pandas as pdimport geopandas as gpdimport rasteriofrom rasterio.transform import from_originfrom rasterio.features import rasterizeimport matplotlib.pyplot as pltfrom matplotlib.colors import Normalizedef points_to_raster(points_csv, output_raster, pixel_size=100):"""将点数据转换为栅格:param points_csv: 输入点数据的CSV文件路径:param output_raster: 输出栅格图像的路径:param pixel_size: 栅格像元大小（以米为单位）"""# 1. 读取点数据df = pd.read_csv(points_csv)# 2. 创建GeoDataFramegdf = gpd.GeoDataFrame(df, geometry=gpd.points_from_xy(df.Longitude, df.Latitude))gdf.set_crs(epsg=4326, inplace=True) # 设置原始CRS为WGS84# 3. 转换到适当的CRSgdf = gdf.to_crs(epsg=3857) # 使用Web Mercator投影# 4. 定义栅格的边界和分辨率bounds = gdf.total_bounds # [xmin, ymin, xmax, ymax]width = int((bounds[2] - bounds[0]) / pixel_size)height = int((bounds[3] - bounds[1]) / pixel_size)# 5. 创建变换矩阵transform = from_origin(bounds[0], bounds[3], pixel_size, pixel_size) # 从左上角开始# 6. 创建栅格化的数组raster = rasterize(((geom, value) for geom, value in zip(gdf.geometry, gdf['Height (m HAE)'])),out_shape=(height, width),transform=transform,fill=0, # 背景值dtype='float32' # 使用 float32 以存储浮点值)# 7. 保存栅格数据with rasterio.open(output_raster, 'w',driver='GTiff',height=height,width=width,count=1,dtype='float32',crs='EPSG:3857',transform=transform) as dst:dst.write(raster, 1)def visualize_data(points_csv, raster_file):"""可视化点数据和栅格数据:param points_csv: 输入点数据的CSV文件路径:param raster_file: 输入栅格图像的路径"""# 1. 读取点数据df = pd.read_csv(points_csv)gdf = gpd.GeoDataFrame(df, geometry=gpd.points_from_xy(df.Longitude, df.Latitude))gdf.set_crs(epsg=4326, inplace=True)gdf = gdf.to_crs(epsg=3857)# 2. 加载栅格数据with rasterio.open(raster_file) as src:raster = src.read(1)transform = src.transformfig, ax = plt.subplots(1, 2, figsize=(8, 7))plt.rcParams['font.sans-serif'] = ['STSong']plt.rcParams['axes.unicode_minus'] = False# 3. 绘制原始点数据ax[0].set_title('原始点数据')gdf.plot(ax=ax[0], color='black', markersize=5, alpha=0.5, edgecolor='k')ax[0].set_xlim(gdf.total_bounds[0], gdf.total_bounds[2])ax[0].set_ylim(gdf.total_bounds[1], gdf.total_bounds[3])ax[0].set_aspect('equal')# 4. 绘制栅格数据ax[1].set_title('栅格数据')cax = ax[1].imshow(raster, cmap='magma', norm=Normalize(vmin=raster.min(), vmax=raster.max()))fig.colorbar(cax, ax=ax[1], label='Height(m)')ax[1].set_aspect('equal')plt.rcParams['font.sans-serif'] = ['STSong']plt.rcParams['axes.unicode_minus'] = Falseplt.tight_layout()plt.show()# 使用示例points_csv = 'D:/data/ATL03.csv'output_raster = 'ATL03.tiff'points_to_raster(points_csv, output_raster)visualize_data(points_csv, output_raster)
3
文字部分参考引用自：https://www.elecfans.com/d/2413985.html