Python多尺度可视化人口栅格数据：全球、国家和城市级数据

1.数据来源

        以下两个精细的人口估计数据来源，你可以通过所附链接下载文件（以发表日期为准）：

1、欧盟委员会的全球人类居住层（GHSL）测量每个网格单元的人口水平。点击这里查看总体描述，点击这里查看我从其 2023 年报告中使用的空间分辨率为 100 米的特定数据集。

2、我将以德国为例，使用分辨率为 100 米的受限单个国家数据集。点击这里查看列表，点击这里查看德国的数据。

2.全球人口居住可视化

2.1.导入数据！

首先，使用 xarray 软件包解析光栅文件。

import rioxarray

file_path  = "GHS_POP_E2030_GLOBE_R2023A_54009_100_V1_0/GHS_POP_E2030_GLOBE_R2023A_54009_100_V1_0.tif" 

data_array = rioxarray.open_rasterio(file_path, chunks=True, lock=False)
data_array

该单元的输出是对数据集的详细描述：

 2.2.可视化数据片段

我们可以看到，对于大多数标准笔记本电脑来说，这是一个相当具有挑战性的数据量。无论如何，让我们尝试使用 Datashader 将其可视化，这是一款非常方便的工具，适用于如此庞大的地理空间数据集：

import datashader as ds
import xarray as xr
from colorcet import palette
from datashader import transfer_functions as tf

# prepare to plot
data_array_p = xr.DataArray(data_array)[0]
data_array_p = data_array_p.where(data_array_p > 0)
data_array_p = data_array_p.compute()

# get the image size
size = 1200
asp  = data_array_p.shape[0] / data_array_p.shape[1]

# create the data shader canvas
cvs = ds.Canvas(plot_width=size, plot_height=int(asp*size))
raster = cvs.raster(data_array_p)

# draw the image
cmap = palette["fire"]
img = tf.shade(raster, how="eq_hist", cmap=cmap)
img

虽然这段代码在技术上看起来没有问题，但我这台配备 16GB 内存的 2021 M1 Macbook Pro 却出现了内存溢出的错误。因此，让我们裁剪图片，查看数据！为此，我沿用了 "架构性能"，并将重点放在欧洲。

不过，我稍后要回答的主要问题是，我们如何才能在内存如此有限的情况下，仍然使用本地机器可视化整个地球的数据？等着瞧吧！

import datashader as ds
import xarray as xr
from colorcet import palette
from datashader import transfer_functions as tf
import numpy as np

#