python空间分析_读书笔记——《python地理空间分析指南》

本文为《Python地理空间分析指南(第2版)》的读书摘录，顺便挖个坑，进一步对python的几个包做学习整理。

本笔记的用途：了解python地理空间处理的技术框架和实现途径。

第三章 地理空间技术概览

一般来说，地理空间软件包不同程度上实现了以下4种高级核心功能：数据访问；几何计算(包括数据重投影)；可视化；元数据工具。

GDAL, OGR, GEOS和PROJ.4库是地理空间分析产业商业、开源软件的核心和灵魂。

数据访问

GDAL (The Geospatial Data Abstraction Library) 为栅格数据提供了一个单一、抽象的数据模型。

OGR 处理矢量数据，X11/MIT开源授权协议。

几何计算

PROJ.4 投影库能够描述任何投影信息，为GDAL和OGR库处理矢量、栅格数据提供支持。

CGAL 计算几何算法库

JTS 是Java地理空间计算几何库，实现了SQL的开放地理空间联盟(OGC)简单要素标准。

GEOS 开源几何引擎，JTS的C++版本实现。

PostGIS 空间数据库，是PostgreSQL的一个模块，免费开源。

可视化

QGIS (Quantum GIS) 开源的地理信息系统，是基于GDAL/OGR库和GEOS库构建的，所以能使用PostGIS，并且支持这些软件包提供的数据源。

OpenEV 最快的栅格数据查看器，支持GDAL/OGR库和PROJ.4库的所有功能，方便浏览和数据转换。

ArcGIS

元数据管理

地理空间数据集的元数据能够遵循并保证数据集的完整性，而且可以追溯到数据生产商。格式正确的元数据还允许自动编目、索引搜索和数据集集成。

GeoNetwork 是开源的、使用Java实现的管理地理空间数据的目录服务。

Python库

网络库 urllib ftplib zipfile xml beautifulsoup4 lxml

Json库 json geojson osgeo.ogr

shapefile文件 Pyshp

import shapefile

shp = shapefile.Reader("point.shp")

for feature in shp.shapeRecords():

point = feature.shape.points[0]

rec = feature.record[0]

print(point[0], point[1], rec)

dbf文件 dbfpy3

Shaplely库 是高级的Python风格的GEOS库几何操作的做，它完全依赖其他模块导入或导出数据，功能聚焦于几何操作方面。

from shapely import wkt, geometry

wktPoly = "POLYGON((0 0, 4 0, 4 4, 0 4, 0 0))"

poly = wkt.loads(wktPoly)

print(poly.buffer(5.0).difference(poly).area) # 158.4137

Fiona 模块为OGR库的数据访问功能提供了一套简洁的Python API，默认输出格式是GeoJSON。

import fiona

import pprint

f = fiona.open("...")

print(f.driver, f.crs, f.bounds, f.schema)

pprint.pprint(f[1])

GDAL

from osgeo import gdal

raster = gdal.Open("....tif")

print(raster.RasterCount, raster.RasterXSize)

PIL 图像编辑，升级版本Pillow，轻量级PNGCanvas，栅格化Shapefile文件

GeoPandas

import geopandas

import matplotlib.pyplot as plt

gdf = geopandas.GeoDataFrame

census = gdf.from_file("....shp") # 打开并存储为GeoJSON格式

census.plot()

plt.show()

Numpy

pymysql 提供有限的空间功能

pyFPDF 一种轻量级的创建包括地图等PDF文件的解决方案。

Spectral Python 一款专门处理遥感应用的高级功能包。

重投影

Shapefile文件编辑

.shp文件包含几何图形，.dbf文件包含几何图像相关的属性信息。

import shapefile

r = shapefile.Reader("M")

print(r.bbox, r.shapeType, r.numRecords)

# dbf文件是简单的数据库格式，类似行列式的电子表格结构，每一列通过标签定义它包含的信息。

print(r.fields)

# field name, field type, field length, decimal length

# DeletionFlag, ...

# 通过字段访问数据

fieldNames = [item[0] for item in r.fields[1:]]

name10 = fieldNames.index("NAME10")

print(r.record(2)[name10])