python的GDAL基础1（GDAL、Rasterio、GeoPandas）

北海yy

已于 2024-07-04 09:10:24 修改

阅读量1.7k

点赞数 19

文章标签： python arcgis

于 2024-07-04 08:59:40 首次发布

本文链接：https://blog.csdn.net/weixin_44217158/article/details/140169034

版权

文章目录

引言

在地理信息系统（GIS）、遥感科学及数据科学等领域，Python凭借其强大的数据处理能力和丰富的库支持，成为了不可或缺的工具。GDAL、Rasterio和GeoPandas是三个常用的Python库，它们分别擅长于地理空间数据的处理、栅格数据的读写操作和地理空间数据的空间分析。本文将详细介绍这三个库的基本功能、安装方法及测试示例。

GDAL介绍、安装与测试

GDAL介绍
GDAL（Geospatial Data Abstraction Library）是一个开源的地理空间数据转换库，能够处理包括栅格和矢量在内的多种地理空间数据格式。GDAL支持超过100种数据格式，如GeoTIFF、JPEG2000、HDF5等，广泛应用于地理信息系统、遥感图像处理等领域。

GDAL安装
GDAL的安装方法因操作系统而异：

Linux：使用包管理器安装，如Ubuntu上可以使用sudo apt-get install gdal-bin。
macOS：可以使用Homebrew安装，命令为brew install gdal。
Windows：需要下载GDAL的二进制安装包或从源代码编译。（本人使用Python3.11，相关安装包私信免费获取）
在这里插入图片描述

（ubantu）安装GDAL后，还需要安装GDAL的Python绑定，以便在Python中使用：

pip install GDAL

以下是一个简单的GDAL测试示例，用于读取栅格数据的基本信息：

在这里插入代码片from osgeo import gdal  
  
# 打开栅格数据文件  
dataset = gdal.Open('path/to/raster.tif')  
  
# 获取栅格数据的宽度和高度  
width = dataset.RasterXSize  
height = dataset.RasterYSize  
  
# 获取波段数量  
band_count = dataset.RasterCount  
  
# 读取第一个波段的数据  
band = dataset.GetRasterBand(1)  
data = band.ReadAsArray()  
  
# 关闭数据集  
dataset = None  
  
print(f"Width: {width}, Height: {height}, Bands: {band_count}")

Rasterio介绍、安装与测试

Rasterio是一个基于GDAL的Python库，专注于栅格数据的读写操作。它提供了更简洁、更Pythonic的API，使得栅格数据的处理更加高效和方便。Rasterio支持多种栅格数据格式，包括GeoTIFF、ENVI和HDF5等。
Rasterio安装:

pip install rasterio

安装失败可以下载rasterio的二进制包进行安装比如：
在这里插入图片描述以下是一个使用Rasterio读取栅格数据并显示其元数据的示例：

import rasterio  
  
# 打开栅格数据文件  
with rasterio.open('path/to/raster.tif') as dataset:  
    # 读取栅格数据的元数据  
    print(dataset.meta)  
      
    # 读取波段数  
    print(dataset.count)  
      
    # 读取栅格数据的大小  
    print(dataset.width, dataset.height)  
      
    # 读取空间参考信息  
    print(dataset.crs)  
      
    # 读取地理转换信息  
    print(dataset.transform)  
      
    # 读取第一个波段的数据  
    data = dataset.read(1)  
    print(data)

GeoPandas介绍、安装与测试

GeoPandas介绍
GeoPandas是一个Python库，用于处理地理空间数据。它扩展了Pandas库，增加了对几何数据类型的支持，允许用户直接在DataFrame中存储和操作点、线、多边形等几何对象。GeoPandas在地理信息系统和空间数据分析中非常有用。

pip install geopandas

以下是一个使用GeoPandas读取地理空间数据并显示其信息的示例：

import geopandas as gpd  
  
# 读取GeoDataFrame  
gdf = gpd.read_file(geopandas.datasets.get_path('naturalearth_lowres'))  
  
# 显示GeoDataFrame的前几行  
print(gdf.head())  
  
# 显示GeoDataFrame的几何信息  
print(gdf.geometry.head())  
  
# 绘制GeoDataFrame的地图  
gdf.plot()

小结

GDAL作为基础库，提供了广泛的地理空间数据格式支持和复杂的数据处理能力。它适合处理大规模数据集，以及需要进行复杂地理空间转换和投影变换的场景。GDAL的Python绑定使得Python用户能够轻松集成这些强大的功能到他们的脚本和应用程序中。
Rasterio则在栅格数据处理方面表现出色，它的API设计更加现代化和Pythonic，使得读取、写入和处理栅格数据变得简单快捷。Rasterio特别适用于需要高效处理大量栅格数据的科学研究和工程应用。
GeoPandas通过将pandas库扩展到地理空间领域，为Python用户提供了强大的地理空间数据分析工具。GeoPandas使得处理和分析包含几何信息的表格数据变得简单直观，非常适合于需要进行空间查询、聚合、连接和可视化的应用场景。