当前位置:   article > 正文

2020年ESA中国区10m地表覆盖数据的镶嵌、裁剪与分省数据分享_esa上获取的sentinel2数据在arcgis中打开

esa上获取的sentinel2数据在arcgis中打开

  久等了各位,第一波数据制作方法与分享开始了。

  本次分享的数据集及制作过程为 欧洲航天局(ESA)< ESA WorldCover 10 m 2020 > 地表覆盖数据。原始数据下载方法及数据说明见:2020年ESA中国区10m地表覆盖数据下载

0 数据制作思路

开始
获取所有下载的< ESA WorldCover 10 m 2020 >文件路径
栅格数据镶嵌
按所需矢量边界裁剪
结束

1 数据处理方法

  本流程化处理用到了自建的gma库。gma库的安装和简介见:自建 | 地理与气象数据分析(geographic and meteorological data analysis)(gma)的说明与使用。详细的函数帮助见:自建 | gma函数详细帮助 或利用help调出相关帮助,本文不在详细解释。

示例数据为河南省洛阳市附近的两景ESA地表覆盖数据,两景数据显示效果如下。

在这里插入图片描述

示例数据以共享至百度网盘,示例数据下载链接如下,欢迎下载测试。
链接:https://pan.baidu.com/s/1YAT5cT3Gwxhf0SjQkoIQqw
提取码:cr70

  数据处理代码如下:

  (1)引入gma库

import gma
  • 1

  (2)读取所有ESA原始文件路径

# 下载的ESA原始数据所在的文件夹。
InPath = r"D:\CSDN\地理数据与处理\ESA_WORLDCOVER\0.原始数据"
# 获取所有ESA数据路径
InFiles = gma.osf.GetPath(InPath, EXT = '.tif')
print(InFiles)
  • 1
  • 2
  • 3
  • 4
  • 5

  获得两个tif文件的路径。GetPath函数的详细构建方法见:Python系统交互 | 0 按指定规则查找目录下所有文件(gma引用其中的推荐方法)。

['D:\\CSDN\\地理数据与处理\\ESA_WORLDCOVER\\0.原始数据\\ESA_WorldCover_10m_2020_v100_N33E111_Map\\ESA_WorldCover_10m_2020_v100_N33E111_Map.tif',
 'D:\\CSDN\\地理数据与处理\\ESA_WORLDCOVER\\0.原始数据\\ESA_WorldCover_10m_2020_v100_N33E114_Map\\ESA_WorldCover_10m_2020_v100_N33E114_Map.tif']
  • 1
  • 2

  (3)影像镶嵌

# 镶嵌完成后的数据输出位置
MosaicFile = r'D:\CSDN\地理数据与处理\ESA_WORLDCOVER\1.镶嵌\地表覆盖_(临时)_ESA_2020.tif'
# 利用Mosaic函数进行影像镶嵌
gma.rasp.Mosaic(InFiles, MosaicFile)
  • 1
  • 2
  • 3
  • 4

  两个tif文件镶嵌为一个tif文件。镶嵌结果如下,可以看到,整体观感与未镶嵌之前一样。
在这里插入图片描述  (4)影像裁剪

# 裁剪后生成文件的路径
ClipFile = r'D:\CSDN\地理数据与处理\ESA_WORLDCOVER\2.裁剪\地表覆盖_河南省洛阳市_ESA_2020.tif'
# 裁剪范围矢量
CutLineFile = r"D:\CSDN\地理数据与处理\ESA_WORLDCOVER\0.原始数据\河南省_洛阳市.shp"
gma.rasp.Clip(MosaicFile, ClipFile, CutLineFile = CutLineFile)
  • 1
  • 2
  • 3
  • 4
  • 5

  对镶嵌完成后的栅格 < MosaicFile > 进行裁剪,获得洛阳市的地表覆盖结果。镶嵌结果如下。

在这里插入图片描述

2 经验与思路分享

2.1 数据制作过程

  经过 < 1 数据处理方法 > 的步骤,已经完成了洛阳市数据制作的过程。

  对于某一省份的数据,也可利用上述方法,只不过数据量较大。

  对于全国分省的数据,可下载全国的ESA < ESA WorldCover 10 m 2020 > 数据进行镶嵌,获得全国的结果,再用上述的方法对每个省的结果进行裁剪即可。(需要较多的计算机资源)。

  如果不需要利用代码实现,那使用ArcGIS或者ENVI也完全可以。

2.2 一键式完成镶嵌和裁剪

  除了 < 1 数据处理方法 > 所提供的方法外,gma还构造了一个Deformation函数,可以一次性完成镶嵌-裁剪-重采样-重投影-格式转换等其中一个或多个过程。具体引用方法如下:

# Deformation处理结果文件路径
DeformationFile = r'D:\CSDN\地理数据与处理\ESA_WORLDCOVER\2.裁剪\地表覆盖_河南省洛阳市_ESA_2020.tif'
gma.rasp.Deformation(InFiles, DeformationFile, CutLineFile = CutLineFile)
  • 1
  • 2
  • 3

  这样,就直接从原始数据获得了镶嵌-裁剪后的数据,也少了一个中间镶嵌数据,能节省不少空间,减少步骤。其结果与 < 1 数据处理方法 > 的最终结果一致。

3 分省数据分享

  感谢我的好友及同事 “锐哥” 的数据支持,本次分享的分省数据来源于 “锐哥” 的制作与提供。

  分省数据分享至百度网盘,下载链接及提取码如下:

链接:https://pan.baidu.com/s/1Fd4A_2vLJMn55ZN0_iItOg
提取码:88n0

  欢迎各位下载使用本数据集,也欢迎各位体验gma包进行栅格、矢量等数据的处理或批处理。

  部分省份的示例如:

福建省
在这里插入图片描述在这里插入图片描述
在这里插入图片描述

  更多省份的数据请下载查看。

  另外,本次分享的数据不包含栅格金字塔(.ovr)文件,在利用ArcGIS或者QGIS打开时较慢,如果需要,可利用gma的 gma.rasp.GenerateOVR 函数构造金字塔(其构造金字塔的速度远快于ArcGIS),提升栅格数据的加载速度。

本文内容由网友自发贡献,转载请注明出处:https://www.wpsshop.cn/w/IT小白/article/detail/512003
推荐阅读
相关标签
  

闽ICP备14008679号