CSIF（Contiguous Solar-induced Fluorescence， 日光诱导叶绿素荧光）数据下载与批量处理(shp裁剪nc，并输出为tif)(3)

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

遍历路径，shp批量裁剪nc
20240316, 19:42, YMJ
“”"

import os
import geopandas
import numpy as np
import rasterio
from rasterio.enums import Resampling
import xarray as xr
from rasterio.transform import from_origin
from shapely.geometry import mapping, box
import geopandas as gpd

输入文件夹路径

input_folder = ‘D:\CSIF\test’

输出文件夹路径

output_folder = ‘D:\CSIF\daily_clip_resample\’

shp_path = ‘D:\CMFD\test\area.shp’
gdf = gpd.read_file(shp_path)

获取输入文件夹中所有的 NetCDF 文件列表

nc_files = []
for root, subroot, files in os.walk(input_folder):
for file in files:
if file.endswith(“nc”):
file_path = os.path.join(root, file)
nc_files.append(file_path)
print(nc_files)

循环处理每个 NetCDF 文件

for nc_file in nc_files:
# 构造完整的输入文件路径
input_nc_file = os.path.join(input_folder, nc_file)

# 构造输出文件名（保留原始文件名，但修改扩展名为 '.tif'）
output_filename = os.path.splitext(nc_file)[0] + '.tif'
output_tif_file = os.path.join(output_folder, output_filename)

# 打开待裁剪的 NetCDF 文件
data_ds = xr.open_dataset(input_nc_file)
data_ds.rio.write_crs("EPSG:4326", inplace=True)


# 打开输出 TIFF 文件，并写入裁剪后的数据
data_ds.rio.set_spatial_dims(x_dim="lon", y_dim="lat", inplace=True)
clipped_ds = data_ds.rio.clip(gdf.geometry.apply(mapping), gdf.crs, drop=True)
data = clipped_ds.clear_daily_SIF.values

transform = from_origin(clipped_ds['lon'].values.min(),
                        clipped_ds['lat'].values.min(),
                        clipped_ds['lon'].values[1] - clipped_ds['lon'].values[0],
                        clipped_ds['lat'].values[0] - clipped_ds['lat'].values[1])

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

的朋友，可以戳这里获取](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**