weixin_42155937的博客

gma继承了GDAL全部的栅格数据读取支持，并按照栅格数据特征进行了归类。gft模块的RasterSummary类，完整统计了gma内所有栅格格式。

gma 地理空间绘图：(1) 绘制简单的世界地图-3.设置地图框

gma 绘图过程的经纬网控制

从本版本开始， gma 开始支持 Python 3.11！

gma 是一个基于 Python 的地理、气象数据快速处理和数据分析函数包（Geographic and Meteorological Analysis，gma）。

气候：是指一个地区大气物理特征的长期平均状态，具有一定的。根据世界气象组织（WMO）的规定，一个标准气候计算时间为 30 年。气象：指发生在天空中的风、云、雨、雪、霜、露、闪电、打雷等一切大气的物理现象，具有一定的。气象条件的变化往往引发天气状况的改变。

重大更新：从本版本开始， gma 逐步 支持空间绘图功能（依赖 matplotlib）！

在 gma 里，所有的打开的矢量数据可分为三级，分别为 数据资源—图层—要素。一般来说，普通的矢量数据均只含一个图层（例如：shp文件等）。特殊的矢量数据例如（netCDF）可能会包含多个图层，这点与含有子数据集的多维栅格类似。层级之间的关系及应用方式如下图：注意：在 gdal/ogr 中，Feature 下还有 Geometry（几何）这一层（类），gma 舍弃了这一部分！！

【gma 计算 SPI 指数过程中的数据变化】 

gma：地理与气象分析库。一种栅格格式转换为另一种栅格格式。

由于克里金插值的复杂性，本文不再对其原理进行介绍。详情可自行百度。

插值结果用插值点组成的最大外部多边形裁剪之后与ArcGIS结果几乎一致，满足精度需求。后续更新合入 gma 1.1.0。算法缺点：插值速度较慢。

自然邻域法是基于区域大小按比例对这些样本应用权重来进行插值 (Sibson 1981)，该插值也称为 Sibson 或“区域占用 (area-stealing)”插值。其基本属性是它具有局部性，仅使用查询点周围的样本子集，并保证插值高度在所使用的样本范围之内，插值表面将通过输入样本且在除输入样本位置之外的其他所有位置均是平滑的。

提供栅格读取、处理等操作过程，并提供标准化的栅格处理思路，方便自主进行栅格数据运算等操作。返回 array，方便结合 numpy、scipy、sklearn、pytorch 等其他库进行分析运算。为方便运算后结果生成 GTiff 时添加属性，这里记录一下原始数据属性。（以 GEBCO 2020 年海洋与陆地中国范围内地形 GTiff 格式数据为例）请联系：Luo_Suppe（微信号）。

【基于数组（或列表）数据计算 Penman-Monteith 法 ET0】【基于 GTiff 栅格数据计算 Penman-Monteith 法 ET0】

M-K（Mann-Kendall）法是一种气候诊断与预测技术，可以判断气候序列中是否存在气候突变，如果存在，可确定出突变发生的时间。Mann-Kendall检验法也经常用于气候变化影响下的降水、干旱频次趋势检测。由于最初由曼(H.B.Mann)和肯德尔(M.G.Kendall)提出了原理并发展了这一方法，故称其为曼—肯德尔（Mann-Kendall）法。.........

【基于 Excel 降水和蒸散数据计算 SPI】【基于 GTiff 栅格降水和蒸散数据计算 SPI】

【基于 Excel 降水和蒸散数据计算 SPEI】【基于 GTiff 栅格降水和蒸散数据计算 SPEI】

本文基于 Python 的 cartopy 和 matplotlib 等库，为地理空间绘图的代码实现提供参考。

目标【栅格镶嵌】。将多个栅格数据集合并到一个新的栅格数据集中。环境系统： Window 10+ (X64)Python 版本： 3.8.8+gma 版本： 1.0.7+gma 安装和详细功能帮助见：地理与气象分析库函数gma.rasp.Mosaic(InFiles, OutFile, InNoData=None, OutNoData=None, OutFormat=‘GTiff’)参数InFiles: list。镶嵌影像路径集合。OutFile: str。输出文件路径。可选参数

【裁剪】。按矢量边界裁剪栅格。

  经过 序列数据缺失值插补（线性插值） 处理，时间序列数据已经完整。如果需要，序列数据时序平滑对时序分析有重要帮助。其中以滑动平均平滑和SavitzkyGolay（SG）平滑较为常用。  本文以缺失值插补后的时序 MODIS 数据为输入数据，介绍基于 gma 库 的这两种数据平滑方法的实现方式。

本文以 2018年 MOD09A01 地表反射率数据计算的 8天合成 46期 NDVI 数据为基础（已完成去云处理，有云时段的数据已赋值为 NaN，部分数据做了微调，以符合本文的内容），选取 一个样点（样点经度：123°4′0.87″，纬度：42°56′45.75″），完成时序有云数据（缺失值）的插补。

gma的更新说明，并且持续更新。

本文主要对gma每个函数进行详细的说明。当然，也可以通过help来获取对应函数的帮助。

本文主要介绍gma库的函数和功能。目前，gma可实现 **栅格数据处理（例如镶嵌、裁剪、重采样、重投影、格式转换、数据融合等），矢量数据处理（例如裁剪、擦除、交集、融合、重投影等），一些缺失值插补算法（例如线性插值）、平滑算法（例如SG平滑），一些指数算法（例如NDVI、ET0等等）** 以及一些 **系统交互操作** ，并配有中文的函数帮助说明，这些功能算法已经封装，只需调用对应的函数，设置相应的参数即可实现。后续也会逐步补充更多的算法和功能。