![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
地理
陌云漫步
博士生
展开
-
Python并行计算使用共享内存
在使用并行计算的时候希望维护同一个变量,比如将高分辨率的全球数据(例如30m)重采样为0.25度的数据,全球(720,1440),原始数据是1010度的单个文件(存到单一文件太大了),全球的话就是1836=648个文件,如果用18个进程并行的话只能将这些文件分成36组,每个进程负责36个文件的重采样,保存到(720,1440)的数组,这样每个进程都会输出一个(720,1440)的数组,最后我们还需要将这些数据合并成一个数组,还是很麻烦的,这里给出共享内存的方法,让所有进程直接对共享内存中的数组进行读写,从而原创 2021-08-05 13:32:01 · 854 阅读 · 0 评论 -
解析matplotlib.colors.LinearSegmentedColormap中的字典颜色分割,自定义colorbar
实现colorbar自由还是得靠自己啊:官方文档:https://matplotlib.org/devdocs/api/_as_gen/matplotlib.colors.LinearSegmentedColormap.html?highlight=colors%20linearsegmentedcolormap%20from_list#matplotlib.colors.LinearSegmentedColormap.from_list第一眼看到这个cdict真的挺晕的,不过仔细分析就很容易看明白啦原创 2021-06-07 17:41:39 · 2743 阅读 · 1 评论 -
Python使用h5py读取hdf5: AttributeError: ‘slice‘ object has no attribute ‘encode‘
记录一下今天浪费了一个多小时的bug。今天要读取hdf5文件,百度了一个需要用到h5py这个包,下面是官方的user guide:https://docs.h5py.org/en/stable/quick.html本来以为很快就搞定了,结果上来就报错AttributeError: ‘slice’ object has no attribute ‘encode’ f = h5py.File(pathin + 'GFED4.1s_{}.hdf5'.format(i+1997),'r') a=f原创 2021-06-07 15:48:19 · 3333 阅读 · 9 评论 -
Modis数据下载及后处理
最近需要用大量的modis数据,这里记录一下最近踩的坑吧下载modis的地址:https://ladsweb.modaps.eosdis.nasa.gov/点击上面的find data就可以愉快找数据了。我一开始只知道上面这个网址,后面还会给别的选择。首先我想要MOD16A2和MOD43A3的全球数据,都是500m分辨率的,所以数据量还是很大的,如果直接下载这两个原始数据,发现hdf文件中有很多别的波段,比如MOD43A3竟然有28个波段,主要针对不同的电磁波波段,但是我真的需要的只是其原创 2021-04-30 15:02:24 · 2797 阅读 · 3 评论 -
python-gdal包导入报错:ImportError: libhdf5.so.6: cannot open shared object file: No such file or dire
最近用服务器遇到了一个大bug,在登录节点原创 2020-12-30 09:55:27 · 691 阅读 · 0 评论 -
gdal对栅格数据进行重投影以及重采样
最近要用服务器处理数据,但是服务器上没有arcpy,所以重投影以及重采样的任务只能交给gdal来做,这里记录一下我的代码:首先,我的目的是将land原创 2020-12-26 11:07:13 · 2997 阅读 · 2 评论 -
MODIS地表温度数据11A2的质量控制
地表温度是地球系统的重要参数,最近对地表温度数据进行了详细的了解,这里记录一下。下载就不说了:https://ladsweb.modaps.eosdis.nasa.gov/关于地表温度产品可以看原创 2020-12-09 10:53:08 · 10528 阅读 · 7 评论 -
gdal重采样深度讲解(前后不改变数据总量算法)(比arcgis好用)
从本科学习arcgis开始,就一直没有离开过重采样,arcgis里重采样方法大概有一下4种:NEAREST— The fastest resampling method; it minimizes changes to pixel values. Suitable for discrete data, such as land cover. BILINEAR— Calculates the value of each pixel by averaging (weighted for distance)原创 2020-11-22 20:03:42 · 2153 阅读 · 0 评论